云平台下自适应调度算法的研究与改进
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 课题研究的主要内容和研究思路 | 第12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第二章 Hadoop体系结构 | 第14-20页 |
| 2.1 Hadoop介绍 | 第14-15页 |
| 2.2 MapReduce | 第15-18页 |
| 2.2.1 MapReduce介绍 | 第15页 |
| 2.2.2 MapReduce编程模型 | 第15-17页 |
| 2.2.3 MapReduce实现机制 | 第17-18页 |
| 2.3 HDFS | 第18-19页 |
| 2.3.1 HDFS系统架构 | 第18-19页 |
| 2.3.2 HDFS执行步骤 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 云平台下作业调度的研究 | 第20-38页 |
| 3.1 云平台下作业调度概述 | 第20-21页 |
| 3.2 调度过程中的状态转移 | 第21-23页 |
| 3.3 提交作业与初始化过程 | 第23-26页 |
| 3.3.1 提交作业 | 第23-25页 |
| 3.3.2 作业初始化 | 第25-26页 |
| 3.4 JobTracker控制过程 | 第26-28页 |
| 3.5 TaskTracker控制过程 | 第28-31页 |
| 3.5.1 启动新任务 | 第28-29页 |
| 3.5.2 提交任务 | 第29页 |
| 3.5.3 杀死任务 | 第29-30页 |
| 3.5.4 杀死作业 | 第30-31页 |
| 3.5.5 重新初始化 | 第31页 |
| 3.6 调度模块分析 | 第31-37页 |
| 3.6.1 任务调度框架分析 | 第32-34页 |
| 3.6.2 任务选择策略分析 | 第34-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第四章 原有调度器研究 | 第38-48页 |
| 4.1 先进先出调度算法 | 第38-39页 |
| 4.1.1 思想与实现 | 第38-39页 |
| 4.1.2 不足 | 第39页 |
| 4.2 公平调度算法 | 第39-42页 |
| 4.2.1 介绍 | 第39-40页 |
| 4.2.2 思想与实现 | 第40-42页 |
| 4.2.3 不足 | 第42页 |
| 4.3 计算能力调度算法 | 第42-46页 |
| 4.3.1 介绍 | 第42-43页 |
| 4.3.2 思想与实现 | 第43-46页 |
| 4.3.3 不足 | 第46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 改进的自适应调度算法 | 第48-58页 |
| 5.1 研究背景 | 第48-49页 |
| 5.2 自适应调度算法 | 第49-56页 |
| 5.2.1 整体架构 | 第49-50页 |
| 5.2.2 朴素贝叶斯网络分类 | 第50-52页 |
| 5.2.3 过载规则的设定 | 第52-54页 |
| 5.2.4 作业完成时间估计QoS | 第54-56页 |
| 5.3 本章小结 | 第56-58页 |
| 第六章 实验验证 | 第58-70页 |
| 6.1 实验平台搭建 | 第58-62页 |
| 6.1.1 前期准备工作 | 第58-60页 |
| 6.1.2 Hadoop的安装 | 第60-62页 |
| 6.1.3 Ganglia监控 | 第62页 |
| 6.2 实验 | 第62-68页 |
| 6.2.1 测试用例选择 | 第62-64页 |
| 6.2.2 实验结果分析 | 第64-68页 |
| 6.3 本章小结 | 第68-70页 |
| 第七章 结论与展望 | 第70-72页 |
| 7.1 结论 | 第70-71页 |
| 7.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 攻读硕士学位期间发表的论文 | 第78页 |
