| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 引言 | 第11-17页 |
| 1.1 研究背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 云计算和Hadoop国内外发展现状 | 第11-12页 |
| 1.2.2 Hadoop资源管理的国内外研究现状 | 第12-13页 |
| 1.3 研究目的及意义 | 第13-14页 |
| 1.4 论文主要工作 | 第14-15页 |
| 1.5 论文章节组织结构 | 第15页 |
| 1.6 本章小结 | 第15-17页 |
| 第2章 相关研究基础 | 第17-27页 |
| 2.1 Hadoop与MapReduce | 第17-22页 |
| 2.1.1 Hadoop平台框架及特点 | 第17-18页 |
| 2.1.2 MapReduce作业处理 | 第18-21页 |
| 2.1.3 Hadoop任务推测执行机制 | 第21-22页 |
| 2.2 Hadoop资源管理 | 第22-25页 |
| 2.2.1 资源管理单位 | 第22-23页 |
| 2.2.2 资源调度算法 | 第23-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 多MAPREDUCE作业动态资源分配方法 | 第27-37页 |
| 3.1 研究动机 | 第27-29页 |
| 3.2 多MapReduce作业动态资源分配框架 | 第29-32页 |
| 3.2.1 Master节点JobTracker结构 | 第31-32页 |
| 3.2.2 Slave节点TaskTracker结构 | 第32页 |
| 3.3 多MapReduce作业动态资源分配框架的执行机制 | 第32-34页 |
| 3.4 需要解决的关键问题 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 多MAPREDUCE作业资源初始分配算法 | 第37-47页 |
| 4.1 多MapReduce作业资源初始分配过程 | 第37-38页 |
| 4.2 多MapReduce作业资源分配模型 | 第38-43页 |
| 4.2.1 MapReduce作业资源需求估计 | 第38-41页 |
| 4.2.2 多MapReduce作业初始资源分配量的计算 | 第41-43页 |
| 4.3 多MapReduce作业资源初始分配算法 | 第43-45页 |
| 4.3.1 基本思想 | 第43页 |
| 4.3.2 算法描述 | 第43-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 基于作业资源需求变化事件的资源重分配算法 | 第47-57页 |
| 5.1 多MapReduce作业动态资源重分配过程 | 第47-49页 |
| 5.2 作业资源需求变化事件的生成方法 | 第49-52页 |
| 5.2.1 基于任务剩余执行时间的可预测事件生成方法 | 第49-51页 |
| 5.2.2 新作业提交事件的感知 | 第51-52页 |
| 5.3 基于作业资源需求变化事件的资源重分配算法 | 第52-56页 |
| 5.3.1 基本思想 | 第52-53页 |
| 5.3.2 算法描述 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 实验对比与分析 | 第57-65页 |
| 6.1 实验环境 | 第57-59页 |
| 6.1.1 实验硬件环境 | 第57-58页 |
| 6.1.2 作业选取 | 第58-59页 |
| 6.2 实验方案 | 第59页 |
| 6.3 实验结果对比与分析 | 第59-64页 |
| 6.3.1 基于宽松的作业完成时间对比资源利用率 | 第60-63页 |
| 6.3.2 基于紧张的完成时间目标对比作业完成时间 | 第63-64页 |
| 6.4 本章小结 | 第64-65页 |
| 第7章 总结与展望 | 第65-69页 |
| 7.1 论文工作总结 | 第65-66页 |
| 7.2 下一步工作展望 | 第66-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |
