| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 Hadoop架构及容错机制 | 第16-28页 |
| 2.1 Hadoop生态系统 | 第16-17页 |
| 2.2 HDFS分布式文件结构 | 第17-18页 |
| 2.3 MapReduce体系结构 | 第18-21页 |
| 2.4 MapReduce容错机制 | 第21-25页 |
| 2.4.1 失效检测 | 第21-22页 |
| 2.4.2 节点调度 | 第22-23页 |
| 2.4.3 中间结果丢失 | 第23页 |
| 2.4.4 JobTracker容错 | 第23-24页 |
| 2.4.5 TaskTracker容错 | 第24-25页 |
| 2.4.6 任务推测机制 | 第25页 |
| 2.5 MapReduce容错机制的不足 | 第25-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第3章 基于多因素评价模型的自适应心跳检测机制 | 第28-40页 |
| 3.1 研究基础 | 第28-31页 |
| 3.1.1 心跳机制 | 第28-29页 |
| 3.1.2 故障检测性能指标 | 第29-30页 |
| 3.1.3 消息服务模型 | 第30页 |
| 3.1.4 作业估算方法 | 第30-31页 |
| 3.2 多因素心跳检测综合评价模型 | 第31-34页 |
| 3.2.1 多因素心跳检测评价目标 | 第32-33页 |
| 3.2.2 多因素心跳检测综合评价模型 | 第33-34页 |
| 3.3 基于多因素评价模型的动态自适应心跳检测算法 | 第34-36页 |
| 3.4 基于多因素的自适应心跳算法设计 | 第36-39页 |
| 3.4.1 作业执行流程 | 第36-38页 |
| 3.4.2 自适应心跳算法设计 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于作业因素的节点信誉值检测机制 | 第40-56页 |
| 4.1 信誉值检测机制原理 | 第40页 |
| 4.2 信誉值的设置 | 第40-41页 |
| 4.3 基于作业因素的信誉值的衰减策略 | 第41-46页 |
| 4.3.1 针对时间信息的衰减策略 | 第41-44页 |
| 4.3.2 针对空间信息的衰减策略 | 第44-46页 |
| 4.4 递增式的信誉值恢复策略 | 第46-48页 |
| 4.5 基于作业因素的信誉值检测算法设计 | 第48-53页 |
| 4.5.1 基于作业因素的信誉值检测机制流程 | 第48-50页 |
| 4.5.2 算法数据结构 | 第50-51页 |
| 4.5.3 信誉值检测算法设计 | 第51-53页 |
| 4.6 本章小结 | 第53-56页 |
| 第5章 实验设计与分析 | 第56-76页 |
| 5.1 优化实现及环境配置 | 第56-57页 |
| 5.1.1 系统集成 | 第56-57页 |
| 5.1.2 Hadoop配置 | 第57页 |
| 5.1.3 Eclipse的Hadoop配置 | 第57页 |
| 5.2 实验目标 | 第57-58页 |
| 5.3 实验环境 | 第58-60页 |
| 5.3.1 机群部署 | 第58-59页 |
| 5.3.2 机群配置 | 第59-60页 |
| 5.4 实验设计 | 第60-65页 |
| 5.4.1 基于多因素的自适应心跳机制的实验设计 | 第60-62页 |
| 5.4.2 基于作业因素的信誉值检测机制的实验设计 | 第62-65页 |
| 5.5 实验结果及分析 | 第65-73页 |
| 5.5.1 心跳机制的实验结果及分析 | 第66-69页 |
| 5.5.2 信誉值检测机制的实验结果及分析 | 第69-73页 |
| 5.6 实验结论 | 第73页 |
| 5.7 本章小结 | 第73-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |