| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.3 本文的研究内容 | 第18-19页 |
| 1.4 本文的章节安排 | 第19-20页 |
| 第2章 Hadoop平台介绍 | 第20-30页 |
| 2.1 Hadoop平台背景 | 第20-21页 |
| 2.2 Hadoop基本框架 | 第21-29页 |
| 2.2.1 HDFS基本框架 | 第21-26页 |
| 2.2.2 MapReduce体系结构 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 Hadoop运行参数自动优化研究 | 第30-39页 |
| 3.1 Hadoop的运行参数 | 第30-31页 |
| 3.2 Hadoop运行参数优化 | 第31-32页 |
| 3.3 Hadoop运行参数优化建模 | 第32页 |
| 3.4 Hadoop参数优化方法 | 第32-35页 |
| 3.4.1 蛮力搜索 | 第32页 |
| 3.4.2 Late-Binding | 第32-33页 |
| 3.4.3 基本成本计算的参数优化 | 第33页 |
| 3.4.4 启发式优化方法 | 第33页 |
| 3.4.5 基于遗传算法的Hadoop参数优化方法 | 第33-35页 |
| 3.5 基于函数调用监控反馈的参数自动优化模型 | 第35-38页 |
| 3.5.1 Profiler | 第36页 |
| 3.5.2 随机抽样算法 | 第36页 |
| 3.5.3 基于函数调用监控反馈的启发式参数优化 | 第36-37页 |
| 3.5.4 反馈信息的收集 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 Hadoop函数调用机制 | 第39-46页 |
| 4.1 作业Job的提交过程中的函数调用机制 | 第39-40页 |
| 4.2 作业初始化过程中的函数调用机制 | 第40页 |
| 4.3 任务调度过程中的函数调用机制 | 第40-41页 |
| 4.4 任务执行过程中的函数调用机制 | 第41-44页 |
| 4.4.1 MAP任务运行过程中的函数调用机制 | 第41-43页 |
| 4.4.2 REDUCE任务运行过程中的函数调用机制 | 第43-44页 |
| 4.5 任务提交过程中的函数调用机制 | 第44页 |
| 4.6 任务失败 | 第44页 |
| 4.7 任务状态的更新 | 第44页 |
| 4.8 Hadoop任务阶段的划分 | 第44-45页 |
| 4.9 本章小结 | 第45-46页 |
| 第5章 面向切面的编程Aspectj | 第46-51页 |
| 5.1 面向切面的编程AOP | 第46-48页 |
| 5.2 AOP基本概念 | 第48-49页 |
| 5.3 AspectJ | 第49-50页 |
| 5.4 将Aspectj用于Hadoop函数调用信息监控的方法 | 第50页 |
| 5.5 本章小结 | 第50-51页 |
| 第6章 Hadoop参数优化实验 | 第51-57页 |
| 6.1 实验环境 | 第51页 |
| 6.2 Hadoop运行参数优化实验 | 第51-56页 |
| 6.2.1 io.sort.mb | 第51-53页 |
| 6.2.2 io.sort.record.percent | 第53-55页 |
| 6.2.3 Jvm重用 | 第55-56页 |
| 6.2.4 其它运行参数 | 第56页 |
| 6.3 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第61-62页 |
| 致谢 | 第62页 |
