| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第13-27页 |
| 1.1 课题背景及意义 | 第13-14页 |
| 1.2 迭代处理及优化机制概述 | 第14-19页 |
| 1.2.1 迭代处理的应用以及重要性 | 第15页 |
| 1.2.2 迭代处理面临的挑战 | 第15-16页 |
| 1.2.3 国内外研究现状 | 第16-19页 |
| 1.3 本文主要研究内容、思路与创新点 | 第19-25页 |
| 1.3.1 研究内容及思路 | 第19-22页 |
| 1.3.2 研究创新点 | 第22-25页 |
| 1.4 论文组织结构 | 第25-27页 |
| 2 基于核心图的异步图处理优化机制 | 第27-49页 |
| 2.1 引言 | 第27-28页 |
| 2.2 异步图算法收敛速度问题 | 第28-32页 |
| 2.2.1 异步图算法特征 | 第28-30页 |
| 2.2.2 现有图划分及处理方法的不足 | 第30-32页 |
| 2.2.3 级联效应 | 第32页 |
| 2.3 HotGraph：基于核心图的异步图处理 | 第32-37页 |
| 2.3.1 基于核心图的图划分算法 | 第32-36页 |
| 2.3.2 交替式数据处理策略 | 第36-37页 |
| 2.4 HotGraph实现细节 | 第37-40页 |
| 2.5 实验结果及分析 | 第40-48页 |
| 2.5.1 收敛速度比较及分析 | 第42-45页 |
| 2.5.2 通信效率分析 | 第45-46页 |
| 2.5.3 HotGraph整体性能评估 | 第46-48页 |
| 2.6 本章小结 | 第48-49页 |
| 3 基于组执行模型的冗余开销控制机制 | 第49-69页 |
| 3.1 引言 | 第49-50页 |
| 3.2 异步迭代算法冗余开销问题 | 第50-51页 |
| 3.3 Aiter-R：基于组的异步迭代处理 | 第51-56页 |
| 3.3.1 基于组的执行模型 | 第51-53页 |
| 3.3.2 组处理顺序调度算法 | 第53-56页 |
| 3.4 Aiter-R实现细节 | 第56-61页 |
| 3.5 实验结果及分析 | 第61-68页 |
| 3.5.1 Aiter-R收敛速度分析 | 第62-63页 |
| 3.5.2 运行时开销比较 | 第63-65页 |
| 3.5.3 执行时间比较及分析 | 第65-66页 |
| 3.5.4 系统参数对Aiter-R性能的影响 | 第66-68页 |
| 3.6 本章小结 | 第68-69页 |
| 4 局限性感知的增量计算倾斜消除机制 | 第69-87页 |
| 4.1 引言 | 第69-70页 |
| 4.2 行为模拟应用面临的计算倾斜问题 | 第70-73页 |
| 4.2.1 行为模拟应用实例及特征 | 第70-71页 |
| 4.2.2 群迁移及其影响 | 第71-73页 |
| 4.2.3 现有方案的不足 | 第73页 |
| 4.3 Inc-part：局限性感知的行为模拟应用处理 | 第73-77页 |
| 4.3.1 局限性感知的负载评估策略 | 第74-75页 |
| 4.3.2 增量任务划分与分布策略 | 第75-77页 |
| 4.4 Inc-part实现细节 | 第77-80页 |
| 4.5 实验结果及分析 | 第80-86页 |
| 4.5.1 负载评估模型精度 | 第81-82页 |
| 4.5.2 负载不平衡度 | 第82-83页 |
| 4.5.3 Inc-part的运行时开销和加速比 | 第83-86页 |
| 4.6 本章小结 | 第86-87页 |
| 5 基于计算分解的负载均衡机制 | 第87-108页 |
| 5.1 引言 | 第87-88页 |
| 5.2 社交网分析面临的计算倾斜问题 | 第88-89页 |
| 5.3 SAE：基于计算分解的FEPs处理 | 第89-97页 |
| 5.3.1 FEP抽象与分解 | 第90-91页 |
| 5.3.2 SFEP识别方法 | 第91-94页 |
| 5.3.3 SFEP子任务动态分布策略 | 第94-95页 |
| 5.3.4 性能分析 | 第95-97页 |
| 5.4 SAE实现细节 | 第97-100页 |
| 5.5 实验结果及分析 | 第100-107页 |
| 5.5.1 倾斜情况和可分解部分比例 | 第102-105页 |
| 5.5.2 SAE的运行时开销和性能 | 第105-107页 |
| 5.6 本章小结 | 第107-108页 |
| 6 基于细粒度并行的倾斜容忍机制 | 第108-127页 |
| 6.1 引言 | 第108-109页 |
| 6.2 同步迭代算法倾斜累积问题 | 第109-111页 |
| 6.3 AsyTick：基于细粒度并行的同步迭代处理 | 第111-114页 |
| 6.3.1 依赖关系的表达和计算分解 | 第111-112页 |
| 6.3.2 细粒度执行方法 | 第112-114页 |
| 6.4 AsyTick实现细节 | 第114-119页 |
| 6.5 实验结果及分析 | 第119-126页 |
| 6.5.1 现有方案的计算倾斜和通信倾斜 | 第120-122页 |
| 6.5.2 异步部分比例和运行时开销 | 第122-123页 |
| 6.5.3 AsyTick的性能 | 第123-126页 |
| 6.6 本章小结 | 第126-127页 |
| 7 总结与展望 | 第127-130页 |
| 致谢 | 第130-131页 |
| 参考文献 | 第131-146页 |
| 附录1 攻读博士学位期间发表的学术论文 | 第146-149页 |
| 附录2 攻读博士学位期间申请发明专利与软件著作版权 | 第149-150页 |
| 附录3 攻读博士学位期间参加的主要科研项目 | 第150-151页 |
| 附录4 个人简历 | 第151页 |
