| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-16页 |
| 1.1.1 云计算、Hadoop 及 MapReduce | 第12-13页 |
| 1.1.2 工作流 | 第13-14页 |
| 1.1.3 工作流管理系统 | 第14-15页 |
| 1.1.4 云环境下的工作流 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 研究内容与主要工作 | 第18-19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第2章 工作流模型及 MapReduce 技术概述 | 第21-35页 |
| 2.1 工作流的模型设计 | 第21-27页 |
| 2.1.1 工作流模型设计取向 | 第21-22页 |
| 2.1.2 工作流描述语言 | 第22-24页 |
| 2.1.3 工作流过程建模 | 第24-26页 |
| 2.1.4 工作流模型的资源管理 | 第26-27页 |
| 2.2 工作流的相关技术 | 第27-30页 |
| 2.2.1 工作流的组织模型 | 第27页 |
| 2.2.2 工作流的验证 | 第27-28页 |
| 2.2.3 工作流的调度方法 | 第28-30页 |
| 2.3 Hadoop 技术 | 第30-33页 |
| 2.3.1 Hadoop 平台概述 | 第31-32页 |
| 2.3.2 Map/Reduce 编程 | 第32-33页 |
| 2.3.3 Hadoop 的 HDFS | 第33页 |
| 2.4 小结 | 第33-35页 |
| 第3章 MapReduce 工作流调度 Framework 模型 | 第35-49页 |
| 3.1 云工作流 Framework | 第35-40页 |
| 3.1.1 传统的工作流架构层 | 第37-38页 |
| 3.1.2 中间层 Proxy 结构 | 第38-40页 |
| 3.2 改善的集中式工作流引擎 | 第40-43页 |
| 3.2.1 工作流引擎总体组成 | 第40页 |
| 3.2.2 工作流监控模块 | 第40-41页 |
| 3.2.3 工作流调度模块 | 第41-43页 |
| 3.3 Hadoop 底层云环境的集成和部署 | 第43-45页 |
| 3.4 MapReduce 工作流调度模型 | 第45-47页 |
| 3.4.1 调度模型 | 第45-46页 |
| 3.4.2 调度环境 | 第46-47页 |
| 3.5 小结 | 第47-49页 |
| 第4章 MapReduce 工作流模型下的优化调度算法研究 | 第49-65页 |
| 4.1 优化的调度算法 | 第49-59页 |
| 4.1.1 基于优先级限制的 workflow 任务调度算法 | 第49-51页 |
| 4.1.2 异构环境下基于任务类型的 MapReduce 调度算法 | 第51-53页 |
| 4.1.3 MRWS 算法 | 第53-59页 |
| 4.2 实验分析 | 第59-63页 |
| 4.2.1 随机产生的 DAG | 第59-62页 |
| 4.2.2 实际应用中的 DAG | 第62-63页 |
| 4.4 小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 附录 A（攻读硕士学位期间所发表的学术论文目录） | 第73-74页 |
| 附录 B（攻读硕士学位期间所参与的学术科研活动） | 第74页 |
