| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 课题研究背景 | 第8-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 数据并行作业预调度的研究现状 | 第13-14页 |
| 1.2.2 数据并行作业子任务指派的研究现状 | 第14-15页 |
| 1.2.3 Hadoop作业调度器的研究现状 | 第15-16页 |
| 1.2.4 研究现状总结 | 第16-17页 |
| 1.3 论文研究目标与意义 | 第17页 |
| 1.4 论文研究内容 | 第17-18页 |
| 1.5 本文章节安排 | 第18-20页 |
| 第2章 基于截止时间优先的MR作业预调度方法 | 第20-31页 |
| 2.1 作业执行流程 | 第20-23页 |
| 2.1.1 Yarn简介 | 第20-22页 |
| 2.1.2 作业执行流程 | 第22-23页 |
| 2.2 调度问题基本定义 | 第23-25页 |
| 2.3 MCF算法整体框架 | 第25-26页 |
| 2.4 MR作业预调度方法 | 第26-29页 |
| 2.5 小结 | 第29-31页 |
| 第3章 基于最小费用最大流的MR作业子任务指派算法 | 第31-43页 |
| 3.1 基于数据随机放置的子任务组 | 第31-34页 |
| 3.2 子任务周转时间(代价)模型 | 第34-38页 |
| 3.2.1 子任务等待时间(代价)模型 | 第34-36页 |
| 3.2.2 子任务执行时间(代价)模型 | 第36-38页 |
| 3.3 基于最小费用最大流的子任务指派算法 | 第38-42页 |
| 3.3.1 最小费用最大流简介 | 第38-39页 |
| 3.3.2 子任务指派算法 | 第39-42页 |
| 3.4 小结 | 第42-43页 |
| 第4章 算法性能测试 | 第43-53页 |
| 4.1 实验系统架构 | 第43页 |
| 4.2 实验环境配置 | 第43-44页 |
| 4.2.1 硬件环境 | 第43-44页 |
| 4.2.2 软件环境 | 第44页 |
| 4.2.3 Hadoop配置 | 第44页 |
| 4.3 实验评估 | 第44-52页 |
| 4.3.1 实验作业集 | 第44-45页 |
| 4.3.2 作业预调度性能评估 | 第45-47页 |
| 4.3.3 子任务指派算法性能评估 | 第47-52页 |
| 4.4 小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 本文总结 | 第53-54页 |
| 5.2 研究展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录 | 第58-62页 |
| 附录A. Hadoop集群配置详情 | 第58-62页 |
| 作者简历 | 第62-63页 |
| 攻读硕士学位期间相关研究工作 | 第63页 |