| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 现有负载均衡方法 | 第11-12页 |
| 1.2.2 存在的问题 | 第12-13页 |
| 1.3 本论文研究内容及章节安排 | 第13-14页 |
| 1.3.1 本论文研究内容 | 第13页 |
| 1.3.2 本论文章节安排 | 第13-14页 |
| 第2章 相关技术与算法研究 | 第14-21页 |
| 2.1 相关技术 | 第14-18页 |
| 2.1.1 Hadoop平台 | 第14-16页 |
| 2.1.2 MapReduce编程模型 | 第16-18页 |
| 2.2 MapReduce数据倾斜 | 第18-20页 |
| 2.2.1 数据倾斜的发生 | 第18页 |
| 2.2.2 现有负载均衡算法 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 一种新的轻量级的MapReduce负载均衡算法 | 第21-34页 |
| 3.1 新算法概述 | 第21-22页 |
| 3.2 抽样策略 | 第22-27页 |
| 3.2.1 引言 | 第22页 |
| 3.2.2 轻量级抽样设计 | 第22-25页 |
| 3.2.3 中间数据估算 | 第25-27页 |
| 3.3 分区设计 | 第27-33页 |
| 3.3.1 分区策略 | 第27-29页 |
| 3.3.2 启发式分区算法的提出与描述 | 第29-30页 |
| 3.3.3 算法的进一步改进 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 负载均衡算法在Hadoop上设计和实现 | 第34-45页 |
| 4.1 总体设计 | 第34-35页 |
| 4.2 抽样设计的实现 | 第35-38页 |
| 4.3 采样结果收集合并计算的实现 | 第38-42页 |
| 4.4 分区的实现 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 实验结果与分析 | 第45-57页 |
| 5.1 实验环境 | 第45-48页 |
| 5.1.1 集群拓扑及其配置 | 第45-46页 |
| 5.1.2 集群的搭建 | 第46-48页 |
| 5.2 实验数据及方案设计 | 第48-50页 |
| 5.2.1 实验数据 | 第48-49页 |
| 5.2.2 实验方案设计 | 第49-50页 |
| 5.3 实验结果及分析 | 第50-56页 |
| 5.3.1 采样实验对比 | 第50-54页 |
| 5.3.2 分区实验对比 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论与展望 | 第57-59页 |
| 本论文工作总结 | 第57页 |
| 展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第64页 |