| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 研究内容 | 第14-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第2章 相关研究 | 第17-32页 |
| 2.1 云计算及其关键技术 | 第17-19页 |
| 2.2 MapReduce 编程模型 | 第19-21页 |
| 2.3 Hadoop 软件平台 | 第21-26页 |
| 2.3.1 Hadoop 中的 MapReduce 实现 | 第22-25页 |
| 2.3.2 Hadoop 分布式文件系统 | 第25-26页 |
| 2.4 MapReduce 任务调度算法研究现状 | 第26-30页 |
| 2.4.1 基于任务备份的调度算法 | 第27-28页 |
| 2.4.2 基于数据本地化的调度算法 | 第28-29页 |
| 2.4.3 基于资源感知和实时性的调度算法 | 第29-30页 |
| 2.5 小结 | 第30-32页 |
| 第3章 基于自适应策略的 MapReduce 任务调度算法 | 第32-44页 |
| 3.1 引言 | 第32-33页 |
| 3.2 Hadoop 任务推测执行机制 | 第33-34页 |
| 3.3 LATE 调度算法 | 第34-35页 |
| 3.4 自适应任务调度分析及算法设计 | 第35-43页 |
| 3.4.1 参数设定 | 第36页 |
| 3.4.2 自适应策略设计 | 第36-38页 |
| 3.4.3 落后任务判定方法 | 第38-40页 |
| 3.4.4 落后节点判定方法 | 第40页 |
| 3.4.5 K-means 聚类算法 | 第40-41页 |
| 3.4.6 SASE 算法实现 | 第41-43页 |
| 3.5 小结 | 第43-44页 |
| 第4章 基于资源预测的 MapReduce 动态任务调度算法 | 第44-52页 |
| 4.1 引言 | 第44-45页 |
| 4.2 MapReduce 数据处理与数据放置机制 | 第45-47页 |
| 4.2.1 MapReduce 计算框架的数据处理 | 第45页 |
| 4.2.2 Hadoop 的数据放置策略 | 第45-47页 |
| 4.3 基于资源预测的动态任务调度分析及算法设计 | 第47-51页 |
| 4.3.1 异构环境中的数据放置方法 | 第47-48页 |
| 4.3.2 异构环境下的资源预测方法 | 第48-50页 |
| 4.3.3 基于资源预测的动态调度算法 | 第50-51页 |
| 4.4 小结 | 第51-52页 |
| 第5章 实验验证与性能分析 | 第52-61页 |
| 5.1 引言 | 第52页 |
| 5.2 实验平台和配置 | 第52页 |
| 5.3 自适应任务调度算法实验评估 | 第52-56页 |
| 5.3.1 SASE 性能评估 | 第53-54页 |
| 5.3.2 任务进度比例评估 | 第54页 |
| 5.3.3 最优参数设定 | 第54-56页 |
| 5.4 基于资源预测的动态任务调度算法实验评估 | 第56-59页 |
| 5.4.1 数据本地性 | 第56-58页 |
| 5.4.2 MapReduce 作业执行情况 | 第58-59页 |
| 5.5 小结 | 第59-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录A（攻读硕士期间发表的论文） | 第68-69页 |
| 附录B（攻读硕士期间参与的项目列表） | 第69页 |
