| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 论文的主要工作 | 第12-13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 第2章 Hadoop平台及其相关技术 | 第15-27页 |
| 2.1 云平台Hadoop概述 | 第15-17页 |
| 2.1.1 Hadoop体系结构 | 第15-16页 |
| 2.1.2 Hadoop生态系统 | 第16-17页 |
| 2.2 MapReduce计算框架 | 第17-18页 |
| 2.2.1 MapReduce计算流程 | 第17-18页 |
| 2.2.2 MRv1计算框架的局限性 | 第18页 |
| 2.3 资源管理YARN | 第18-22页 |
| 2.3.1 YARN组织架构 | 第18-20页 |
| 2.3.2 调度器的基本架构 | 第20-22页 |
| 2.4 资源调度算法研究 | 第22-25页 |
| 2.4.1 FIFO先进先出调度算法 | 第22页 |
| 2.4.2 Capacity Sheduler容量调度算法 | 第22-23页 |
| 2.4.3 Fair Scheduler公平调度算法 | 第23-24页 |
| 2.4.4 调度算法评价的标准 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 动态标签匹配调度算法的设计 | 第27-37页 |
| 3.1 调度算法的基本思想 | 第27-28页 |
| 3.2 辅助功能模块设计 | 第28-33页 |
| 3.2.1 节点初始分类设计 | 第28-29页 |
| 3.2.2 作业属性设计 | 第29页 |
| 3.2.3 作业分类设计 | 第29-31页 |
| 3.2.4 多级优先级队列设计 | 第31-32页 |
| 3.2.5 节点标签自检测设计 | 第32-33页 |
| 3.2.6 数据本地性设计 | 第33页 |
| 3.3 动态标签匹配调度算法设计 | 第33-36页 |
| 3.3.1 YARN资源调度器的调度过程 | 第33-34页 |
| 3.3.2 动态标签匹配调度过程分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 动态标签匹配调度算法的实现 | 第37-47页 |
| 4.1 作业执行整体架构流程 | 第37-38页 |
| 4.2 辅助功能模块实现 | 第38-44页 |
| 4.2.1 Map进程运行信息提取模块实现 | 第38-39页 |
| 4.2.2 参数值获取模块实现 | 第39-40页 |
| 4.2.3 节点自检测模块实现 | 第40-41页 |
| 4.2.4 RPC模块增加接口实现 | 第41-42页 |
| 4.2.5 作业分类模块实现 | 第42-43页 |
| 4.2.6 数据本地性模块实现 | 第43-44页 |
| 4.3 动态标签匹配调度算法实现 | 第44-45页 |
| 4.3.1 算法的相关类方法 | 第44-45页 |
| 4.3.2 算法相关类的实现 | 第45页 |
| 4.4 本章小结 | 第45-47页 |
| 第5章 实验及结果分析 | 第47-57页 |
| 5.1 实验平台及配置 | 第47-50页 |
| 5.1.1 实验环境 | 第47-49页 |
| 5.1.2 源码编译 | 第49页 |
| 5.1.3 节点初始标签分类 | 第49-50页 |
| 5.2 实验及结果分析 | 第50-55页 |
| 5.2.1 实验方案设计 | 第50页 |
| 5.2.2 实验及结果分析 | 第50-55页 |
| 5.3 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63-65页 |
| 致谢 | 第65页 |