| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景与意义 | 第12-15页 |
| 1.2 研究现状 | 第15-19页 |
| 1.3 主要研究工作 | 第19页 |
| 1.4 论文的组织架构 | 第19-21页 |
| 第2章 技术基础 | 第21-36页 |
| 2.1 Spark框架概述 | 第21-23页 |
| 2.2 RDD | 第23-28页 |
| 2.2.1 RDD的依赖 | 第24-25页 |
| 2.2.2 Spark算子分类 | 第25-27页 |
| 2.2.3 RDD的持久化 | 第27-28页 |
| 2.3 Spark运行机制 | 第28-34页 |
| 2.3.1 资源分配 | 第29-30页 |
| 2.3.2 作业执行 | 第30-32页 |
| 2.3.3 调度与任务分配 | 第32-34页 |
| 2.4 Spark和Hadoop的shuffle过程对比 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 优化的shuffle均衡调度策略 | 第36-48页 |
| 3.1 概述 | 第36页 |
| 3.2 相关工作 | 第36-37页 |
| 3.3 Shuffle机制 | 第37-38页 |
| 3.4 优化的shuffle机制 | 第38-44页 |
| 3.4.1 问题分析 | 第38-40页 |
| 3.4.2 Shuffle fetch优化 | 第40-44页 |
| 3.5 实验结果与分析 | 第44-47页 |
| 3.5.1 实验环境 | 第44-45页 |
| 3.5.2 结果与分析 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 基于本地性的分区策略 | 第48-63页 |
| 4.1 概述 | 第48页 |
| 4.2 相关工作 | 第48-49页 |
| 4.3 问题分析 | 第49-53页 |
| 4.3.1 数据倾斜 | 第50-52页 |
| 4.3.2 数据本地性 | 第52-53页 |
| 4.4 优化方案 | 第53-56页 |
| 4.4.1 基本定义 | 第53-54页 |
| 4.4.2 数据倾斜分析 | 第54-56页 |
| 4.5 基于本地性的分区策略 | 第56-60页 |
| 4.5.1 数据分布信息统计 | 第56-58页 |
| 4.5.2 数据集分布 | 第58页 |
| 4.5.3 分区策略 | 第58-60页 |
| 4.6 实验结果及分析 | 第60-62页 |
| 4.6.1 实验环境 | 第60页 |
| 4.6.2 结果与分析 | 第60-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 未来工作 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第71页 |