Storm平台下作业调度方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 流式数据和流式计算 | 第10-11页 |
| 1.2.2 Storm的作业调度 | 第11-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 相关技术分析 | 第15-24页 |
| 2.1 Storm平台背景 | 第15-17页 |
| 2.2 Storm实时处理技术 | 第17-20页 |
| 2.2.1 Storm架构 | 第17-18页 |
| 2.2.2 Storm的作业单元 | 第18-19页 |
| 2.2.3 Storm的作业并行度 | 第19-20页 |
| 2.3 作业调度方式 | 第20-22页 |
| 2.4 集群监控工具Ganglia | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 Storm平台的任务调度研究 | 第24-46页 |
| 3.1 Storm作业调度概述 | 第24-27页 |
| 3.2 Storm作业调度器分析 | 第27-33页 |
| 3.2.1 默认调度器 | 第27-29页 |
| 3.2.2 均衡调度器 | 第29-31页 |
| 3.2.3 隔离调度器 | 第31-33页 |
| 3.3 Storm作业调度器性能研究 | 第33-45页 |
| 3.3.1 Storm作业调度示例 | 第33-40页 |
| 3.3.2 Storm调度器性能实验分析 | 第40-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于蚁群算法的资源感知任务调度算法 | 第46-65页 |
| 4.1 蚁群算法原理 | 第46-56页 |
| 4.1.1 蚁群算法描述 | 第46-47页 |
| 4.1.2 蚁群算法的数学模型 | 第47-50页 |
| 4.1.3 蚁群算法的流程图 | 第50-53页 |
| 4.1.4 改进蚁群算法 | 第53-56页 |
| 4.2 RSBA算法 | 第56-59页 |
| 4.2.1 RSBA算法产生背景 | 第56-57页 |
| 4.2.2 相关概念的描述 | 第57-59页 |
| 4.3 RSBA算法实现 | 第59-64页 |
| 4.3.1 RSBA算法的设计 | 第59-60页 |
| 4.3.2 实现RSBA算法的调度器 | 第60-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 RSBA算法性能实验分析 | 第65-72页 |
| 5.1 实验环境 | 第65页 |
| 5.2 实验方案 | 第65-67页 |
| 5.3 实验结果及分析 | 第67-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第76-77页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第77-78页 |
| 致谢 | 第78页 |
