面向MapReduce数据本地化的调度方法研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 云计算时代的来临 | 第10页 |
| 1.1.2 云计算技术简介 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 MapReduce分布式计算框架 | 第12-14页 |
| 1.2.2 GFS分布式文件系统 | 第14-15页 |
| 1.3 问题与挑战 | 第15-17页 |
| 1.3.1 数据本地化 | 第15-16页 |
| 1.3.2 非本地任务的执行 | 第16-17页 |
| 1.3.3 数据副本与任务调度 | 第17页 |
| 1.4 论文的研究工作 | 第17-18页 |
| 1.5 论文的组织结构 | 第18-20页 |
| 第二章 相关研究 | 第20-29页 |
| 2.1 Hadoop系统基本架构 | 第20-22页 |
| 2.1.1 Hadoop分布式文件系统 | 第20-21页 |
| 2.1.2 Hadoop MapReduce框架 | 第21页 |
| 2.1.3 Hadoop其他子项目 | 第21-22页 |
| 2.2 MapReduce调度机制分析 | 第22-29页 |
| 2.2.1 FIFO调度器 | 第22-23页 |
| 2.2.2 公平调度器 | 第23-24页 |
| 2.2.3 容量调度器 | 第24-25页 |
| 2.2.4 LATE调度器 | 第25-26页 |
| 2.2.5 其他调度器 | 第26-29页 |
| 第三章 基于节点负载的任务调度方法 | 第29-41页 |
| 3.1 引言 | 第29-30页 |
| 3.2 MapReduce任务调度策略分析 | 第30-32页 |
| 3.2.1 任务调度简介 | 第30-31页 |
| 3.2.2 当前调度策略分析 | 第31-32页 |
| 3.3 节点负载评价方法 | 第32-34页 |
| 3.3.1 节点负载情况分析 | 第32-33页 |
| 3.3.2 负载评价机制 | 第33-34页 |
| 3.4 基于负载的任务调度 | 第34-38页 |
| 3.4.1 基于负载的任务选择策略 | 第34-37页 |
| 3.4.2 基于负载的任务调度过程 | 第37页 |
| 3.4.3 算法优化 | 第37-38页 |
| 3.5 实验结果 | 第38-41页 |
| 第四章 基于重叠调度的数据预取技术 | 第41-52页 |
| 4.1 引言 | 第41-42页 |
| 4.2 MapReduce作业状态监控 | 第42-44页 |
| 4.2.1 运行信息的维护 | 第42-43页 |
| 4.2.2 节点间通信 | 第43-44页 |
| 4.3 重叠调度策略 | 第44-47页 |
| 4.3.1 任务调度时机分析 | 第44-45页 |
| 4.3.2 重叠调度过程 | 第45-47页 |
| 4.4 数据预取过程 | 第47页 |
| 4.5 容错及同步机制 | 第47-49页 |
| 4.6 实验结果 | 第49-52页 |
| 第五章 基于多副本的任务调度机制 | 第52-60页 |
| 5.1 引言 | 第52页 |
| 5.2 HDFS的冗余机制 | 第52-53页 |
| 5.3 MapReduce任务分配策略 | 第53-54页 |
| 5.4 多副本任务调度算法 | 第54-58页 |
| 5.4.1 节点进度评价 | 第54-55页 |
| 5.4.2 面向任务稀疏的副本调度 | 第55-57页 |
| 5.4.3 面向节点稀疏的副本调度 | 第57-58页 |
| 5.5 实验结果 | 第58-60页 |
| 第六章 结束语 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者在学期间取得的学术成果 | 第67页 |
