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--软件工程论文

基于IBM Symphony的spark集群上主节点高可用性的设计与实现

摘要第5-7页
ABSTRACT第7-8页
符号对照表第12-13页
缩略语对照表第13-17页
第一章 绪论第17-21页
    1.1 课题研究背景及意义第17-18页
    1.2 国内外研究现状第18页
    1.3 主要研究内容第18-19页
    1.4 论文结构安排第19-21页
第二章 相关技术第21-29页
    2.1 Symphony第21-22页
        2.1.1 EGO第21-22页
    2.2 Spark第22-25页
        2.2.1 简介第22-23页
        2.2.2 生态系统第23-24页
        2.2.3 工作机制第24-25页
    2.3 Zookeeper第25-29页
        2.3.1 数据模型第26页
        2.3.2 Watcher第26-27页
        2.3.3 典型应用场景第27-29页
第三章 需求分析第29-35页
    3.1 项目背景第29-32页
        3.1.1 Symphony第29-31页
        3.1.2 Spark On Ego第31-32页
    3.2 需求分析第32-35页
        3.2.1 总体目标第32页
        3.2.2 需求分解第32-33页
        3.2.3 本章小结第33-35页
第四章 开源社区中Spark Master节点高可用性的分析第35-49页
    4.1 Spark相关机制简介第35-40页
        4.1.1 整体架构第35-36页
        4.1.2 Master的启动过程第36页
        4.1.3 消息传递机制第36-40页
    4.2 开源Spark Master节点高可用性的配置及功能描述第40-43页
        4.2.1 基于文件系统的解决方案第41-42页
        4.2.2 基于ZooKeeper的解决方案第42-43页
    4.3 开源Spark Master节点高可用性的内部机制详述第43-46页
        4.3.1 故障恢复模式第43-44页
        4.3.2 zookeeperLeaderElectionAgent的实现第44-45页
        4.3.3 数据恢复流程第45-46页
    4.4 本章小结第46-49页
第五章 基于EGO的Spark Master节点高可用性的设计与实现第49-67页
    5.1 Master高可用特性的总体流程概述第49-50页
    5.2 Master进程重启及Leader Master选举过程的设计与实现第50-51页
        5.2.1 Master进程的启动第50页
        5.2.2 故障恢复策略的选择第50-51页
        5.2.3 元数据信息的存储和Leader Master的选举第51页
    5.3 数据获取过程的设计与实现第51-56页
        5.3.1 元数据信息的获取第52页
        5.3.2 Ego端资源信息的获取第52-54页
        5.3.3 Driver端信息的获取第54-56页
    5.4 数据同步过程的设计与实现第56-64页
        5.4.1 Master端类的结构第57-59页
        5.4.2 元数据信息获取后的同步过程第59-60页
        5.4.3 Ego端资源信息获取后的同步过程第60-61页
        5.4.4 Driver端任务调度信息获取后的同步过程第61-64页
    5.5 Master高可用特性总体流程的设计与实现第64-67页
第六章 测试第67-79页
    6.1 项目功能描述第67页
    6.2 测试环境第67页
    6.3 测试用例第67-79页
        6.3.1 ZOOKEEPER模式相关的测试用例第67-71页
        6.3.2 FILESYSTEM模式相关的测试用例第71-75页
        6.3.3 配置参数相关的测试用例第75-77页
        6.3.4 极端情况测试用例第77-79页
第七章 结束语第79-81页
    7.1 总结第79页
    7.2 展望第79-81页
附录第81-83页
参考文献第83-87页
致谢第87-89页
作者简介第89页

论文共89页,点击 下载论文
上一篇:基于水平集方法的多材料结构拓扑优化问题研究
下一篇:安卓平台下基于改进的OneCut算法的目标抠取与应用研究