| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 小作业的研究现状 | 第11-12页 |
| 1.2.2 负载均衡的研究现状 | 第12-14页 |
| 1.2.3 调度算法的研究现状 | 第14页 |
| 1.3 本论文主要研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 Hadoop相关技术 | 第16-35页 |
| 2.1 云计算技术 | 第16-21页 |
| 2.1.1 云计算概念 | 第16-17页 |
| 2.1.2 云计算的分类 | 第17-19页 |
| 2.1.3 云计算的主要技术 | 第19-21页 |
| 2.2 Hadoop平台 | 第21-29页 |
| 2.2.1 Hadoop简介 | 第21页 |
| 2.2.2 Hadoop的生态系统 | 第21-23页 |
| 2.2.3 分布式文件系统HDFS | 第23-26页 |
| 2.2.4 MapReduce编程模型 | 第26-29页 |
| 2.3 Hadoop作业调度机制 | 第29-33页 |
| 2.3.1 Hadoop作业调度流程 | 第29-31页 |
| 2.3.2 Hadoop常见的作业调度算法 | 第31-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 基于时间的Reduce任务调度 | 第35-41页 |
| 3.1 MapReduce的执行过程 | 第35-36页 |
| 3.2 小作业的Reduce“饥饿”问题 | 第36-38页 |
| 3.3 基于时间的Reduce任务调度 | 第38-40页 |
| 3.3.1 任务时间评估模型 | 第38-39页 |
| 3.3.2 算法描述 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于抽样与贪心算法的负载均衡 | 第41-50页 |
| 4.1 MapReduce的数据倾斜问题 | 第41-43页 |
| 4.2 抽样估计 | 第43-45页 |
| 4.2.1 抽样类型 | 第43-44页 |
| 4.2.2 抽样分析 | 第44-45页 |
| 4.3 基于贪心算法的分区策略 | 第45-49页 |
| 4.3.1 分区概述 | 第45-46页 |
| 4.3.2 基于贪心算法的分区策略介绍 | 第46-47页 |
| 4.3.3 基于贪心算法的分区策略算法实现 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 实验结果与分析 | 第50-57页 |
| 5.1 实验环境的搭建 | 第50-51页 |
| 5.1.1 环境配置 | 第50页 |
| 5.1.2 软硬件环境 | 第50-51页 |
| 5.2 实验结果分析 | 第51-56页 |
| 5.2.1 小作业的执行效率和资源利用率实验及结果 | 第51-54页 |
| 5.2.2 数据倾斜问题及实验 | 第54-56页 |
| 5.3 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者简介 | 第63-64页 |
| 攻读硕士期间发表论文和参加科研情况说明 | 第64页 |