| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 引言 | 第7-10页 |
| ·课题背景简介 | 第7页 |
| ·领域研究现状与本文相关工作 | 第7-9页 |
| ·段落结构 | 第9-10页 |
| 第2章 背景 | 第10-18页 |
| ·HADOOP 框架及 YARN 简介 | 第10-12页 |
| ·CUDA 并行架构及其编程模型简介 | 第12-14页 |
| ·CUDA 并行化实践 | 第14-17页 |
| ·本章小结 | 第17-18页 |
| 第3章 基于 YARN 的 GPU 资源调度 | 第18-29页 |
| ·YARN 基本架构 | 第18-20页 |
| ·资源表示模型 | 第20-21页 |
| ·资源调度模型 | 第21-26页 |
| ·资源调度算法 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 YARN 框架下的 CUDA 应用程序控制器 | 第29-38页 |
| ·CLIENT 和 APPLICATIONMASTER 概述 | 第29-31页 |
| ·CUDAAPPLICATIONMASTER 设计 | 第31-33页 |
| ·动态任务分配策略 | 第33-34页 |
| ·最优分割 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 基于 YARN 的 GPU 集群系统 | 第38-42页 |
| ·GPU 计算设备的动态绑定 | 第38-40页 |
| ·系统总体运行过程 | 第40-42页 |
| 第6章 实验结果与分析 | 第42-51页 |
| ·系统部署环境和 CUDA 程序样例 | 第42-44页 |
| ·扩展性实验 | 第44-48页 |
| ·DRF 有效性实验 | 第48-49页 |
| ·稳定性和容错性实验 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第7章 总结与展望 | 第51-53页 |
| ·文章总结 | 第51-52页 |
| ·工作展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 成果清单 | 第57页 |
