| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-14页 |
| 1.1.1 Hadoop背景 | 第11-12页 |
| 1.1.1.1 MapReduce介绍 | 第11-12页 |
| 1.1.2 YARN平台背景 | 第12-13页 |
| 1.1.3 Spark背景 | 第13-14页 |
| 1.1.3.1 RDD介绍 | 第14页 |
| 1.2 研究现状 | 第14-18页 |
| 1.2.1 YARN研究现状 | 第14-16页 |
| 1.2.2 Shuffle研究现状 | 第16-17页 |
| 1.2.3 PKTM研究现状 | 第17-18页 |
| 1.3 本文主要工作和内容组织 | 第18-20页 |
| 1.3.1 本文工作 | 第18页 |
| 1.3.2 章节安排 | 第18-20页 |
| 第二章 一种基于人工鱼群算法的YARN资源调度器 | 第20-39页 |
| 2.1 YARN调度器概述 | 第20-21页 |
| 2.2 相关工作 | 第21页 |
| 2.3 资源调度目标 | 第21-23页 |
| 2.4 基于人工鱼群的资源调度器框架 | 第23-32页 |
| 2.4.1 Memory-based目标函数设计 | 第24-25页 |
| 2.4.2 Time-based目标函数设计 | 第25-28页 |
| 2.4.2.1 Dependency分析 | 第26-27页 |
| 2.4.2.2 Adaptive分析 | 第27-28页 |
| 2.4.3 AFSA在调度器上的实现 | 第28-32页 |
| 2.5 实验环境和结果 | 第32-38页 |
| 2.5.1 实验配置 | 第34-35页 |
| 2.5.2 实验结果和分析 | 第35-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第三章 基于RDMA的YARN平台Shuffle算法改进 | 第39-50页 |
| 3.1 Shuffle概述 | 第39-42页 |
| 3.2 相关工作 | 第42页 |
| 3.3 RDMA简介 | 第42-43页 |
| 3.4 基于RDMA的Shuffle改进 | 第43-46页 |
| 3.4.1 Shuffle详细设计 | 第44-45页 |
| 3.4.2 Shuffle算法实现 | 第45-46页 |
| 3.5 实验结果与分析 | 第46-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 基于改进的YARN平台的PKTM系统 | 第50-63页 |
| 4.1 PKTM概述 | 第50-51页 |
| 4.2 相关工作 | 第51-52页 |
| 4.3 PKTM分布式算法实现 | 第52-57页 |
| 4.3.1 Hadoop上的Kirchhoff算法实现 | 第52-54页 |
| 4.3.2 Spark上的Kirchhoff算法实现 | 第54-57页 |
| 4.4 实验结果与分析 | 第57-62页 |
| 4.4.1 数据准备 | 第57页 |
| 4.4.2 实验结果 | 第57-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 科研成果 | 第71-72页 |
| 在校参加的研究工作 | 第71页 |
| 在校发表论文 | 第71-72页 |
| 致谢 | 第72-73页 |
