| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-23页 |
| 1.1 研究背景 | 第10-17页 |
| 1.1.1 云计算及大数据应用特征概述 | 第10-11页 |
| 1.1.2 集群中任务的特征 | 第11-12页 |
| 1.1.3 任务网络资源的调度 | 第12-14页 |
| 1.1.4 任务计算资源的调度 | 第14-17页 |
| 1.2 研究现状与挑战 | 第17-20页 |
| 1.2.1 分布式计算作业的任务调度研究现状 | 第17-19页 |
| 1.2.2 分布式计算作业的任务调度挑战性问题 | 第19-20页 |
| 1.3 本文工作 | 第20-22页 |
| 1.3.1 迭代型作业资源使用量的预测算法研究 | 第20-21页 |
| 1.3.2 迭代型作业的任务调度算法研究 | 第21-22页 |
| 1.4 论文结构 | 第22-23页 |
| 第二章 相关研究 | 第23-32页 |
| 2.1 分布式计算框架 | 第23-26页 |
| 2.1.1 MapReduce计算模型 | 第23-24页 |
| 2.1.2 DAG模型 | 第24-26页 |
| 2.2 任务调度的原理 | 第26-29页 |
| 2.2.1 面向网络资源的任务调度 | 第26-27页 |
| 2.2.2 面向计算资源的任务调度 | 第27-29页 |
| 2.3 迭代型作业的任务调度 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 迭代型作业资源使用量预测算法研究 | 第32-47页 |
| 3.1 引言 | 第32-33页 |
| 3.2 问题描述 | 第33-35页 |
| 3.2.1 迭代型作业的资源使用量预测问题研究 | 第33页 |
| 3.2.2 迭代型作业资源使用量预测的重要性研究 | 第33-34页 |
| 3.2.3 技术难点 | 第34-35页 |
| 3.3 资源使用量预测算法 | 第35-41页 |
| 3.3.1 任务执行时间与输入数据量之间的关系 | 第36-38页 |
| 3.3.2 任务输出数据量与输入数据量之间的关系 | 第38-39页 |
| 3.3.3 优化的迭代型作业资源使用量预测算法 | 第39-41页 |
| 3.4 实验与分析 | 第41-46页 |
| 3.4.1 实验设置 | 第41-42页 |
| 3.4.2 任务执行时间与输入数据量之间的关系验证 | 第42-43页 |
| 3.4.3 任务输出数据量与输入数据量之间的关系验证 | 第43-44页 |
| 3.4.4 优化的迭代型作业资源使用量预测算法的效果验证 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 迭代型作业的调度算法研究 | 第47-59页 |
| 4.1 引言 | 第47-48页 |
| 4.2 问题描述 | 第48-49页 |
| 4.2.1 迭代型作业的调度问题分析 | 第48页 |
| 4.2.2 技术难点 | 第48-49页 |
| 4.3 迭代型作业的调度算法研究 | 第49-53页 |
| 4.3.1 面向作业层面的语义表达Seflow | 第49-50页 |
| 4.3.2 任务优先级分配算法TDP | 第50-51页 |
| 4.3.3 作业截止时间敏感的任务调度算法JDS | 第51-53页 |
| 4.4 实验与分析 | 第53-58页 |
| 4.4.1 仿真实验设置 | 第53-55页 |
| 4.4.2 JDS与基于输入数据本地性原则的任务调度策略性能对比 | 第55-56页 |
| 4.4.3 JDS与面向网络资源的任务调度算法性能对比 | 第56-57页 |
| 4.4.4 JDS与面向计算资源的任务调度算法性能对比 | 第57-58页 |
| 4.4.5 JDS任务调度算法性能分析 | 第58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文工作及创新点 | 第59-60页 |
| 5.1.1 论文主要工作 | 第59-60页 |
| 5.1.2 创新点 | 第60页 |
| 5.2 未来工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 作者在学期间取得的学术成果 | 第66-67页 |
| 作者在学期间参与的主要科研工作 | 第67页 |
