| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 开发背景及研究现状 | 第13-15页 |
| 1.2 主要工作 | 第15-16页 |
| 1.3 论文组织结构 | 第16-19页 |
| 第二章 相关技术介绍 | 第19-31页 |
| 2.1 资源管理 | 第19-23页 |
| 2.1.1 EGO（Enterprise Grid Orchestrator）资源管理系统 | 第19-21页 |
| 2.1.2 Yarn资源管理 | 第21-23页 |
| 2.2 Spark计算框架 | 第23-26页 |
| 2.2.1 Spark | 第23-24页 |
| 2.2.2 Spark部署模式 | 第24-25页 |
| 2.2.3 Spark核心技术—RDD | 第25-26页 |
| 2.3 GPU/CUDA概述 | 第26-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 系统需求分析 | 第31-37页 |
| 3.1 开发总体要求 | 第31页 |
| 3.2 开发平台要求 | 第31页 |
| 3.3 工程应用场景分析 | 第31-32页 |
| 3.4 系统用例图 | 第32-33页 |
| 3.5 功能需求 | 第33-35页 |
| 3.5.1 GPU应用运行环境构建 | 第33页 |
| 3.5.2 资源调度策略调整 | 第33-34页 |
| 3.5.3 UI设计需求 | 第34页 |
| 3.5.4 系统日志设计需求 | 第34-35页 |
| 3.6 非功能需求 | 第35-36页 |
| 3.7 需求说明 | 第36页 |
| 3.8 本章小结 | 第36-37页 |
| 第四章 Spark功能模块设计剖析 | 第37-49页 |
| 4.1 Spark任务调度概述 | 第37-40页 |
| 4.2 Spark中的调度算法 | 第40-42页 |
| 4.3 改进的Spark资源调度与分配 | 第42-44页 |
| 4.4 Spark Master模块优化 | 第44-46页 |
| 4.5 改进的Spark信息传递 | 第46-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 GPU程序调度及运行过程实现 | 第49-63页 |
| 5.1 GPU程序运行流程 | 第49-52页 |
| 5.2 GPU应用程序运行环境的构建过程以及任务调度 | 第52-56页 |
| 5.2.1 创建拥有GPU特性的RDD | 第52-54页 |
| 5.2.2 GPU应用运行时环境设置 | 第54-56页 |
| 5.3 分类资源调度方案设计 | 第56-59页 |
| 5.3.1 资源调度过程 | 第56-57页 |
| 5.3.2 资源抢占与回收 | 第57-59页 |
| 5.4 任务及资源匹配方案设计 | 第59-61页 |
| 5.5 本章小结 | 第61-63页 |
| 第六章 测试与评估 | 第63-77页 |
| 6.1 测试环境 | 第63-67页 |
| 6.2 测试方案及结果 | 第67-76页 |
| 6.2.1 集群环境信息 | 第67页 |
| 6.2.2 测试用例 | 第67-69页 |
| 6.2.3 系统原有功能测试 | 第69-71页 |
| 6.2.4 核心功能GPU任务运行测试 | 第71-75页 |
| 6.2.5 测试结果及问题分析 | 第75-76页 |
| 6.3 本章小结 | 第76-77页 |
| 第七章 总结与展望 | 第77-81页 |
| 7.1 工作总结 | 第77-78页 |
| 7.2 功能展望与应用前景 | 第78-81页 |
| 参考文献 | 第81-83页 |
| 致谢 | 第83-85页 |
| 作者简介 | 第85-86页 |