基于Hadoop的车联网作业调度优化问题研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国内研究现状 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12页 |
| 1.4 论文结构 | 第12-15页 |
| 第2章 Hadoop作业调度相关技术 | 第15-27页 |
| 2.1 云计算技术 | 第15-17页 |
| 2.2 Hadoop核心技术 | 第17-24页 |
| 2.2.1 Hadoop云计算环境 | 第18-19页 |
| 2.2.2 Hadoop分布式文件系统 | 第19-22页 |
| 2.2.3 Hadoop资源管理系统 | 第22-24页 |
| 2.3 YARN作业调度关键技术 | 第24-26页 |
| 2.3.1 资源调度管理模型 | 第24-25页 |
| 2.3.2 YARN工作流程 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 车联网作业调度器研究与设计 | 第27-39页 |
| 3.1 车联网系统研究与分析 | 第27-29页 |
| 3.1.1 车联网系统基本架构 | 第27-28页 |
| 3.1.2 车联网系统作业调度分析 | 第28-29页 |
| 3.2 Hadoop现有作业调度器研究 | 第29-35页 |
| 3.3 内存感知实时作业调度器 | 第35-37页 |
| 3.3.1 设计目标 | 第35-36页 |
| 3.3.2 设计思路 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 内存感知实时作业调度器关键技术 | 第39-51页 |
| 4.1 资源分配中心 | 第39-43页 |
| 4.1.1 设计思想 | 第39-40页 |
| 4.1.2 可调度性判断 | 第40-41页 |
| 4.1.3 资源分配策略 | 第41-42页 |
| 4.1.4 作业管理模型 | 第42-43页 |
| 4.2 双层抢占策略 | 第43-44页 |
| 4.3 最小资源量评估模型 | 第44-47页 |
| 4.4 调度器在YARN中实现 | 第47-50页 |
| 4.4.1 抢占模型实现 | 第47-48页 |
| 4.4.2 调度策略实现 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 实验与数据分析 | 第51-59页 |
| 5.1 实验平台搭建 | 第51-52页 |
| 5.2 实验内容与数据分析 | 第52-57页 |
| 5.2.1 内存负载影响 | 第53-54页 |
| 5.2.2 实时性验证 | 第54-55页 |
| 5.2.3 抢占有效性验证 | 第55-56页 |
| 5.2.4 负载均衡有效性验证 | 第56-57页 |
| 5.3 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-67页 |
| 致谢 | 第67页 |
