| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.1.1 大数据处理技术发展背景 | 第10页 |
| 1.1.2 大数据离线处理平台-Hadoop | 第10-11页 |
| 1.1.3 Hadoop平台性能建模和优化 | 第11-12页 |
| 1.2 国内外研究现状 | 第12页 |
| 1.3 本文主要贡献 | 第12-13页 |
| 1.4 本文的组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第2章 相关工作 | 第14-18页 |
| 2.1 Hadoop性能优化相关工作 | 第14-16页 |
| 2.1.1 基于数据的优化 | 第14页 |
| 2.1.2 基于任务的优化 | 第14-15页 |
| 2.1.3 基于应用的优化 | 第15页 |
| 2.1.4 基于Hadoop运行环境配置参数的优化 | 第15-16页 |
| 2.2 Hadoop性能建模相关研究 | 第16页 |
| 2.3 系统层性能模型 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 问题描述与分析 | 第18-22页 |
| 3.1 问题描述 | 第18-20页 |
| 3.1.1 Hadoop平台性能模型构建 | 第18-19页 |
| 3.1.2 配置参数与性能模型的映射 | 第19-20页 |
| 3.2 技术路线 | 第20-21页 |
| 3.2.1 基于Roofline模型的Hadoop性能模型 | 第20-21页 |
| 3.2.2 基于参数分类的平台性能与系统映射关系的表达 | 第21页 |
| 3.3 本章小结 | 第21-22页 |
| 第4章 H-Roofline模型 | 第22-36页 |
| 4.1 Roofline模型 | 第22-26页 |
| 4.1.1 Roofline模型介绍 | 第22-25页 |
| 4.1.2 Roofline模型在Hadoop系统应用的局限性 | 第25-26页 |
| 4.2 H-Roofline的设计思想 | 第26-28页 |
| 4.3 H-Roofline模型实现 | 第28-35页 |
| 4.3.1 H-Roofline的变量定义 | 第29页 |
| 4.3.2 H-Roofline的公式定义 | 第29-30页 |
| 4.3.3 H-Roofline的视图构建 | 第30-31页 |
| 4.3.4 H-Roofline性能指标获取 | 第31-32页 |
| 4.3.5 H-Roofline视图的应用 | 第32-33页 |
| 4.3.6 H-Roofline模型的应用 | 第33-35页 |
| 4.4 本章小结 | 第35-36页 |
| 第5章 基于H-Roofline性能优化 | 第36-42页 |
| 5.1 优化方法概述 | 第36-38页 |
| 5.1.1 传统Roofline的优化方式 | 第36-37页 |
| 5.1.2 H-Roofline的优化方式 | 第37-38页 |
| 5.2 H-Roofline性能优化流程 | 第38-41页 |
| 5.2.1 负载计算特征的量化 | 第38-39页 |
| 5.2.2 分类方法学设计 | 第39-40页 |
| 5.2.3 参数与性能天花板映射关系的构建 | 第40-41页 |
| 5.3 本章小结 | 第41-42页 |
| 第6章 实验评估 | 第42-52页 |
| 6.1 环境设置 | 第42-44页 |
| 6.1.1 测试平台 | 第42页 |
| 6.1.2 集群设置 | 第42-43页 |
| 6.1.3 负载设置 | 第43页 |
| 6.1.4 评价指标 | 第43-44页 |
| 6.2 参数说明 | 第44-45页 |
| 6.3 实验方案 | 第45-47页 |
| 6.3.1 参数调整策略 | 第45-46页 |
| 6.3.2 实验数据处理 | 第46页 |
| 6.3.3 实验方法 | 第46-47页 |
| 6.4 实验结果 | 第47-50页 |
| 6.5 本章小结 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间所发表的学术论文 | 第58-60页 |
| 致谢 | 第60页 |
