首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

Spark数据处理平台中资源动态分配技术研究

摘要第4-6页
Abstract第6-7页
第1章 绪论第11-17页
    1.1 研究背景第11-13页
        1.1.1 大数据处理技术发展背景第11-12页
        1.1.2 Spark数据处理平台第12-13页
    1.2 Spark平台中既有资源分配方式及不足第13-15页
        1.2.1 目前Spark平台资源分配方式第13-14页
        1.2.2 目前Spark平台资源分配方式存在的不足第14-15页
    1.3 本文的主要贡献第15-16页
    1.4 本文的组织结构第16页
    1.5 本章小结第16-17页
第2章 相关工作第17-25页
    2.1 海量数据处理平台发展概述第17-18页
        2.1.1 海量数据处理应用新特征第17页
        2.1.2 新型海量数据处理平台发展历程第17-18页
    2.2 Spark平台概述第18-20页
        2.2.1 Spark平台架构第18页
        2.2.2 Spark并行计算模型第18-19页
        2.2.3 Spark运行时环境第19页
        2.2.4 Spark平台作业调度第19-20页
    2.3 资源管理系统第20-21页
        2.3.1 YARN平台第20页
        2.3.2 Mesos平台第20-21页
    2.4 资源管理相关研究工作第21-24页
        2.4.1 资源分配技术相关研究第21-22页
        2.4.2 资源调度算法相关研究第22-24页
    2.5 本章小结第24-25页
第3章 任务执行器资源动态调整决策模型第25-35页
    3.1 任务执行器资源使用特征分析第25-27页
        3.1.1 单任务资源使用特征分析第25-26页
        3.1.2 任务对资源累积使用特征分析第26-27页
    3.2 任务执行器资源使用均衡-饱和度定义第27-29页
    3.3 任务执行器资源动态调整决策模型第29-33页
        3.3.1 主要设计思想及核心定义第29-30页
        3.3.2 任务执行器资源动态调整决策算法第30-33页
    3.4 本章小结第33-35页
第4章 任务执行器资源组合分配策略第35-43页
    4.1 多任务执行器资源组合调度策略的设计目标第35-38页
        4.1.1 问题描述第35-37页
        4.1.2 目标函数的建立第37-38页
    4.2 基于蚁群算法的多任务执行器资源动态分配策略设计第38-42页
        4.2.1 核心定义与约束条件第38-40页
        4.2.2 基于蚁群算法的多任务执行器资源动态分配策略第40-41页
        4.2.3 时间复杂度分析第41-42页
    4.3 本章小结第42-43页
第5章 任务执行器资源动态分配原型系统实现第43-53页
    5.1 DRSpark系统总体框架第43-45页
    5.2 基于任务执行器资源动态分配方法元数据组织模型第45-47页
        5.2.1 平台资源数据组织模型第45-46页
        5.2.2 平台资源请求数据组织模型第46页
        5.2.3 Spark平台任务执行器数据组织模型第46-47页
    5.3 基于蚁群算法的任务执行器资源动态分配技术实现第47-51页
        5.3.1 任务执行器资源动态调整决策功能实现第47-49页
        5.3.2 任务执行器资源动态分配技术的功能能实现第49-51页
    5.4 本章小结第51-53页
第6章 性能测试与分析第53-75页
    6.1 测试负载第53-56页
        6.1.1 Spark平台多应用混合负载现状第53页
        6.1.2 测试负载与数据集选取第53-54页
        6.1.3 负载混合比例第54-55页
        6.1.4 负载分发原则第55页
        6.1.5 混合负载构造结果第55-56页
    6.2 性能评价指标第56-58页
        6.2.1 任务吞吐率第56页
        6.2.2 应用平均周转时间第56页
        6.2.3 节点平均CPU利用率第56页
        6.2.4 节点平均内存利用率第56-57页
        6.2.5 任务吞吐率提升比重第57页
        6.2.6 应用平均周转时间提升比重第57页
        6.2.7 节点平均CPU利用率提升比重第57-58页
        6.2.8 节点平均内存利用率提升比重第58页
    6.3 测试结果与分析第58-73页
        6.3.1 测试环境第58页
        6.3.2 系统性能测试与分析第58-68页
        6.3.3 DRSpark系统可变参数测试与性能分析第68-73页
    6.4 本章小结第73-75页
结论第75-77页
参考文献第77-81页
攻读硕士学位期间所发表的学术论文第81-83页
致谢第83页

论文共83页,点击 下载论文
上一篇:噪声量子操作的纠缠特性及其质量刻画
下一篇:开放系统中量子关联动力学研究