| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究现状 | 第12页 |
| 1.4 研究的主要内容 | 第12-13页 |
| 1.5 论文的主要结构 | 第13页 |
| 1.6 本章小结 | 第13-14页 |
| 2 Hadoop YARN相关技术 | 第14-36页 |
| 2.1 云计算技术 | 第14-18页 |
| 2.1.1 云计算技术的定义 | 第14-15页 |
| 2.1.2 云计算体系结构 | 第15-16页 |
| 2.1.3 云计算关键技术 | 第16-18页 |
| 2.2 Hadoop技术 | 第18-27页 |
| 2.2.1 Hadoop分布式文件系统 | 第19-23页 |
| 2.2.2 MapReduce计算框架 | 第23-27页 |
| 2.3 Hadoop YARN平台分析 | 第27-35页 |
| 2.3.1 YARN基本概念 | 第27-29页 |
| 2.3.2 YARN基本组成结构 | 第29-32页 |
| 2.3.3 YARN通信协议及工作流程 | 第32-35页 |
| 2.4 本章小结 | 第35-36页 |
| 3 Hadoop YARN资源调度器研究 | 第36-52页 |
| 3.1 资源调度器源码研究 | 第36-38页 |
| 3.2 资源调度器模型研究 | 第38-41页 |
| 3.2.1 YARN资源调度器响应模型 | 第38-40页 |
| 3.2.2 YARN资源调度流程 | 第40-41页 |
| 3.3 资源调度器实现研究和算法分析 | 第41-51页 |
| 3.3.1 FIFO调度算法 | 第42-43页 |
| 3.3.2 Capacity Scheduler计算能力调度算法 | 第43-46页 |
| 3.3.3 Fair Scheduler公平调度算法 | 第46-50页 |
| 3.3.4 资源调度器算法不足 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 4 Hadoop YARN资源调度算法改进 | 第52-62页 |
| 4.1 产生背景 | 第52-53页 |
| 4.2 算法思想 | 第53-59页 |
| 4.2.1 问题建模 | 第53-54页 |
| 4.2.2 算法内容 | 第54-59页 |
| 4.3 算法实现 | 第59-61页 |
| 4.4 本章小结 | 第61-62页 |
| 5 实验结果与分析 | 第62-71页 |
| 5.1 实验环境搭建 | 第62-65页 |
| 5.2 评估方法 | 第65-66页 |
| 5.3 实验验证 | 第66-70页 |
| 5.4 本章小结 | 第70-71页 |
| 6 总结与展望 | 第71-73页 |
| 6.1 论文总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士期间的科研及学术论文 | 第77-79页 |