大数据平台分布式计算资源自动部署研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 云计算相关技术 | 第15-28页 |
| 2.1 云计算体系结构 | 第15-17页 |
| 2.1.1 基础设施即服务 | 第16页 |
| 2.1.2 平台即服务 | 第16页 |
| 2.1.3 软件即服务 | 第16-17页 |
| 2.2 虚拟化技术 | 第17-21页 |
| 2.2.1 虚拟化技术概念 | 第17-18页 |
| 2.2.2 服务器虚拟化 | 第18-19页 |
| 2.2.3 虚拟化的优势 | 第19-21页 |
| 2.3 云平台介绍 | 第21-25页 |
| 2.3.1 OpenStack | 第21-23页 |
| 2.3.2 CloudStack | 第23-24页 |
| 2.3.3 两者对比 | 第24-25页 |
| 2.4 云计算资源扩展 | 第25-28页 |
| 2.4.1 垂直扩展与水平扩展 | 第25-26页 |
| 2.4.2 自动扩展 | 第26-28页 |
| 第三章 大数据平台Hadoop集群内资源调度研究 | 第28-53页 |
| 3.1 Hadoop系统 | 第28-36页 |
| 3.1.1 Hadoop的原理架构 | 第28-30页 |
| 3.1.2 HDFS分布式文件系统 | 第30-33页 |
| 3.1.3 MapReduce计算框架 | 第33-36页 |
| 3.2 Hadoop作业调度 | 第36-41页 |
| 3.2.1 原生的调度算法 | 第37-40页 |
| 3.2.2 调度算法总结 | 第40-41页 |
| 3.3 特征加权朴素贝叶斯分类调度算法 | 第41-49页 |
| 3.3.1 产生背景 | 第41-42页 |
| 3.3.2 算法思想 | 第42-45页 |
| 3.3.3 算法实现 | 第45-49页 |
| 3.4 实验评估 | 第49-52页 |
| 3.4.1 实验设置 | 第49页 |
| 3.4.2 实验验证 | 第49-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 大数据平台Hadoop集群规模调整研究 | 第53-75页 |
| 4.1 背景 | 第53-54页 |
| 4.2 动态调整集群规模系统 | 第54-58页 |
| 4.2.1 总体架构 | 第54-57页 |
| 4.2.2 面临的挑战 | 第57-58页 |
| 4.3 工作负载计算模型 | 第58-59页 |
| 4.4 调整策略 | 第59-61页 |
| 4.4.1 定时器调整 | 第59-60页 |
| 4.4.2 基于阈值的调整 | 第60-61页 |
| 4.4.3 基于预测的调整 | 第61页 |
| 4.5 预测模型 | 第61-67页 |
| 4.5.1 自回归移动平均模型(ARMA)预测 | 第62-63页 |
| 4.5.2 基于支持向量机时间序列预测算法 | 第63-67页 |
| 4.6 实验与分析 | 第67-74页 |
| 4.6.1 实验设计 | 第67页 |
| 4.6.2 评价指标 | 第67-68页 |
| 4.6.3 结果分析 | 第68-74页 |
| 4.7 本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 工作总结 | 第75页 |
| 5.2 工作展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
