摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第12-24页 |
1.1 论文研究背景 | 第12-16页 |
1.1.1 大数据简介 | 第12-13页 |
1.1.2 主流的大数据处理系统 | 第13-14页 |
1.1.3 基于云的大数据处理系统 | 第14-16页 |
1.2 研究问题的提出 | 第16-19页 |
1.2.1 基于云的大数据处理系统的新特性和挑战 | 第16-17页 |
1.2.2 云计算中面向大数据处理的虚拟集群调度算法 | 第17页 |
1.2.3 云中HDFS分布式存储的数据块放置算法 | 第17-18页 |
1.2.4 云中大数据处理系统的推测性任务执行的优化算法 | 第18-19页 |
1.3 论文主要研究工作 | 第19-22页 |
1.3.1 论文研究内容 | 第19-21页 |
1.3.2 论文组织结构 | 第21-22页 |
1.4 本章小结 | 第22-24页 |
第2章 基于云的大数据处理系统研究综述 | 第24-32页 |
2.1 引言 | 第24页 |
2.2 基于云的大数据处理系统的架构和服务模式 | 第24-26页 |
2.3 基于云的大数据处理系统研究综述 | 第26-30页 |
2.3.1 服务部署和弹性扩展问题研究 | 第26-27页 |
2.3.2 性能优化问题研究 | 第27-29页 |
2.3.3 数据安全问题 | 第29页 |
2.3.4 数据中心能耗问题 | 第29-30页 |
2.3.5 其他相关研究工作 | 第30页 |
2.4 本章小结 | 第30-32页 |
第3章 云中面向大数据处理系统的虚拟集群调度算法 | 第32-60页 |
3.1 引言 | 第32-35页 |
3.2 大数据处理系统内部网络传输特点分析 | 第35-37页 |
3.2.1 MapReduce框架内部网络传输需求的理论分析 | 第35-36页 |
3.2.2 大数据处理系统的网络传输性能对应用性能影响的实验验证和分析 | 第36-37页 |
3.3 云中的网络共享模型及大数据处理网络性能模型 | 第37-42页 |
3.3.1 云中的网络共享模型 | 第37-41页 |
3.3.2 大数据处理虚拟集群网络性能模型 | 第41-42页 |
3.4 云中面向大数据处理虚拟集群的调度问题建模 | 第42-43页 |
3.5 虚拟集群调度算法设计 | 第43-50页 |
3.5.1 问题分析 | 第43-44页 |
3.5.2 启发式搜索算法设计 | 第44-50页 |
3.6 实验评估 | 第50-57页 |
3.6.1 实验环境设置及评价指标 | 第50-52页 |
3.6.2 实验结果和分析 | 第52-57页 |
3.7 相关工作 | 第57-58页 |
3.8 本章小结 | 第58-60页 |
第4章 基于位置感知的云中HDFS分布式存储的数据块放置算法 | 第60-86页 |
4.1 引言 | 第60-62页 |
4.2 相关背景和研究动机 | 第62-66页 |
4.2.1 背景:HDFS分布式文件系统的设计 | 第62-64页 |
4.2.2 研究动机 | 第64-66页 |
4.3 LDBAS的数据放置策略和算法设计 | 第66-76页 |
4.3.1 LDBAS放置数据块的核心原则 | 第66-69页 |
4.3.2 数据初始化写入的分配问题 | 第69-73页 |
4.3.3 数据块恢复问题 | 第73-76页 |
4.4 实验评估 | 第76-83页 |
4.4.1 模拟实验 | 第76-78页 |
4.4.2 Hadoop集群实验 | 第78-83页 |
4.5 关于LDBAS的讨论 | 第83-84页 |
4.6 相关工作 | 第84-85页 |
4.7 本章小结 | 第85-86页 |
第5章 基于历史信息的云中Hadoop推测性任务执行的优化算法 | 第86-108页 |
5.1 引言 | 第86-89页 |
5.2 相关背景介绍 | 第89-92页 |
5.2.1 MapReduce模型 | 第89-90页 |
5.2.2 Hadoop中的推测性执行机制 | 第90-91页 |
5.2.3 已有的推测性执行方法 | 第91-92页 |
5.3 HIBS:基于历史信息的云中Hadoop推测性任务执行方法 | 第92-100页 |
5.3.1 基于历史信息的云中Hadoop推测性任务调度器的整体流程 | 第92-93页 |
5.3.2 HIBS各模块设计 | 第93-100页 |
5.4 实验分析 | 第100-107页 |
5.4.1 实验环境设置及评价指标 | 第100-102页 |
5.4.2 实验结果分析 | 第102-107页 |
5.5 本章小结 | 第107-108页 |
第6章 总结和展望 | 第108-112页 |
6.1 主要工作总结 | 第108-109页 |
6.2 主要贡献及创新 | 第109-110页 |
6.3 未来工作展望 | 第110-112页 |
参考文献 | 第112-120页 |
致谢 | 第120-122页 |
在读期间发表的学术论文与取得的研究成果 | 第122页 |