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

针对Hadoop集群的节能调度算法研究

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第11-15页
    1.1 研究工作的背景与意义第11-12页
    1.2 国内外研究现状第12-13页
    1.3 本文主要工作第13页
    1.4 本论文的结构安排第13-15页
第二章 Hadoop平台介绍第15-28页
    2.1 Hadoop简介第15页
    2.2 Hadoop框架特征第15-16页
    2.3 HDFS介绍第16-18页
        2.3.1 HDFS相关概念第16-17页
        2.3.2 HDFS数据策略第17-18页
    2.4 MapReduce介绍第18-21页
        2.4.1 MapReduce概述第18-19页
        2.4.2 MapReduce编程模型第19-20页
        2.4.3 MapReduce运行流程第20-21页
    2.5 Hadoop调度器介绍第21-25页
        2.5.1 任务调度概述第21-22页
        2.5.2 MapReduce调度器第22-24页
        2.5.3 调度器比较第24-25页
    2.6 其他Hadoop组件介绍第25-27页
        2.6.1 Pig第25页
        2.6.2 Hive第25-26页
        2.6.3 Hbase第26页
        2.6.4 Zookeeper第26-27页
    2.7 本章小结第27-28页
第三章 Hadoop动态节能管理第28-33页
    3.1 动态能耗管理第28页
    3.2 负载模型第28-29页
        3.2.1 负载信息第28-29页
        3.2.2 负反馈调整机制第29页
    3.3 Hadoop动态节能管理算法第29-32页
        3.3.1 观察周期第29-30页
        3.3.2 节点选择第30-31页
        3.3.3 算法说明第31页
        3.3.4 算法伪代码第31-32页
    3.4 本章小结第32-33页
第四章 多任务最小化总完工时间节能调度设计第33-41页
    4.1 最小化总完工时间问题建模第33-34页
        4.1.1 总完工时间定义第33-34页
        4.1.2 最小化总完工时间模型第34页
    4.2 最小化总完工时间问题分析第34-38页
        4.2.1 Johnson算法模型第34-36页
        4.2.2 动态Slot调整第36-38页
    4.3 HScheduler调度算法第38-39页
        4.3.1 算法步骤第38页
        4.3.2 算法流程图第38-39页
    4.4 算法节能分析第39-40页
    4.5 本章小结第40-41页
第五章 单任务数据均衡节能调度设计第41-54页
    5.1 数据倾斜问题第41-44页
        5.1.1 数据倾斜介绍第41页
        5.1.2 数据倾斜种类第41-44页
    5.2 相关解决方案分析第44-45页
    5.3 数据抽样第45-47页
        5.3.1 抽样种类第45-46页
        5.3.2 抽样设计第46-47页
    5.4 数据分区第47-49页
        5.4.1 数据分区流程第47-48页
        5.4.2 Hadoop默认分区第48-49页
    5.5 算法设计第49-52页
        5.5.1 key均衡调整第49-50页
        5.5.2 基于时间系数的均衡第50-51页
        5.5.3 RLB算法第51-52页
    5.6 算法节能分析第52-53页
    5.7 本章小结第53-54页
第六章 系统测试和分析第54-68页
    6.1 测试平台介绍第54页
    6.2 动态调度测试第54-58页
        6.2.1 测试数据第54页
        6.2.2 测试结果与分析第54-58页
    6.3 多任务最小化总完工时间测试第58-61页
        6.3.1 测试数据第58-59页
        6.3.2 测试结果与分析第59-61页
    6.4 单任务数据均衡测试第61-67页
        6.4.1 测试数据第61页
        6.4.2 测试结果与分析第61-67页
    6.5 本章小结第67-68页
第七章 总结与展望第68-70页
    7.1 本文的主要贡献第68页
    7.2 存在的问题与不足第68-69页
    7.3 工作展望第69-70页
致谢第70-71页
参考文献第71-74页
攻读硕士期间取得的研究成果第74-75页

论文共75页,点击 下载论文
上一篇:大连市金州新区政府采购电子化系统的设计与实现
下一篇:基于鲁棒子空间学习的人脸识别技术