| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景与研究意义 | 第11页 |
| 1.2 国内外研究及应用现状 | 第11-14页 |
| 1.2.1 MapReduce应用现状 | 第11-12页 |
| 1.2.2 MapReduce工作流发展现状 | 第12-13页 |
| 1.2.3 工作流调度研究现状 | 第13-14页 |
| 1.3 本文工作及贡献 | 第14页 |
| 1.4 本文架构 | 第14-16页 |
| 第2章 相关技术 | 第16-23页 |
| 2.1 Hadoop技术 | 第16-19页 |
| 2.1.1 简介Hadoop | 第16-17页 |
| 2.1.2 数据感知（Data aware）作业调度 | 第17-18页 |
| 2.1.3 数据本地化 | 第18-19页 |
| 2.2 工作流相关技术 | 第19-21页 |
| 2.2.1 工作流模型及优势 | 第19-20页 |
| 2.2.2 工作流调度策略 | 第20-21页 |
| 2.3 任务调度相关算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 MapReduce工作流调度描述 | 第23-30页 |
| 3.1 MapReduce工作流调度问题描述 | 第23-24页 |
| 3.2 MapReduce工作流路径描述 | 第24-25页 |
| 3.3 MapReduce工作流编程模式 | 第25-28页 |
| 3.3.1 串行MapReduce工作流作业 | 第25-26页 |
| 3.3.2 并行MapReduce工作流作业 | 第26-28页 |
| 3.4 工作流状态分析 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 MRHD工作流调度算法设计与实现 | 第30-43页 |
| 4.1 MRHD算法整个调度框架的设计 | 第30-32页 |
| 4.2 动态执行工作流作业队列 | 第32-35页 |
| 4.3 缩短关键节点的耗时 | 第35-38页 |
| 4.4 提升同层非关键节点map本地化比例 | 第38-40页 |
| 4.5 MRHD算法设计与代码实现 | 第40-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 实验与数据分析 | 第43-47页 |
| 5.1 实验环境的部署 | 第43-44页 |
| 5.1.1 实验数据 | 第43页 |
| 5.1.2 搭建Hadoop平台 | 第43-44页 |
| 5.2 实验一测试结果分析 | 第44页 |
| 5.3 实验二测试结果分析 | 第44-45页 |
| 5.4 实验三测试结果分析 | 第45页 |
| 5.5 实验四测试结果分析 | 第45-46页 |
| 5.6 本章小结 | 第46-47页 |
| 第6章 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47-48页 |
| 6.2 展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 作者简介及在学期间取得的科研成果 | 第51-52页 |
| 致谢 | 第52页 |