| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 本文的选题背景和研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 集群计算技术研究现状 | 第13-15页 |
| 1.2.2 任务规划和调度技术研究现状 | 第15页 |
| 1.2.3 已有研究存在的问题 | 第15-16页 |
| 1.3 本文的研究内容和组织结构 | 第16-18页 |
| 1.3.1 本文的研究内容 | 第16-17页 |
| 1.3.2 本文的组织结构 | 第17-18页 |
| 第二章 基于Spark的地理计算调度框架研究 | 第18-29页 |
| 2.1 Spark技术与系统原理 | 第18-23页 |
| 2.1.1 Spark平台简介 | 第18-20页 |
| 2.1.2 Spark的计算模型 | 第20-22页 |
| 2.1.3 Spark的任务规划过程 | 第22-23页 |
| 2.2 基于Spark的地理计算调度框架结构 | 第23-27页 |
| 2.2.1 地理计算算法 | 第24页 |
| 2.2.2 算法注册器和管理器 | 第24页 |
| 2.2.3 并行计算平台 | 第24-25页 |
| 2.2.4 任务规划器 | 第25-26页 |
| 2.2.5 算法优化器和执行器 | 第26-27页 |
| 2.3 地理计算算法调度的代价模型 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 面向Spark集群的时空数据聚集算法 | 第29-38页 |
| 3.1 时空立方体模型概念 | 第29-30页 |
| 3.2 面向Spark集群的时空数据聚集算法 | 第30-33页 |
| 3.2.1 时空数据聚集的原理 | 第30-32页 |
| 3.2.2 面向Spark集群的时空数据聚集算法 | 第32-33页 |
| 3.3 面向Spark集群的时空聚集算法实验 | 第33-37页 |
| 3.3.1 实验环境 | 第33-34页 |
| 3.3.2 实验方法 | 第34页 |
| 3.3.3 实验结果与分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于空间关系的Spark集群资源调度策略 | 第38-55页 |
| 4.1 Spark集群下的资源调度策略 | 第38-46页 |
| 4.1.1 Spark的任务调度模型 | 第38-39页 |
| 4.1.2 FIFO（先进先出）算法调度策略 | 第39-41页 |
| 4.1.3 Fair-Sharing（公平共享）算法调度策略 | 第41-42页 |
| 4.1.4 任务调度中的公平性 | 第42-43页 |
| 4.1.5 Scale-Fair Sharing（基于比例公平性的公平共享算法）调度策略 | 第43-46页 |
| 4.2 算法调度性能的优化 | 第46-48页 |
| 4.2.1 数据分区的重新划分 | 第46-47页 |
| 4.2.2 任务并行度对调度性能的影响 | 第47页 |
| 4.2.3 数据的序列化和数据压缩 | 第47-48页 |
| 4.3 不同调度策略下的调度实验 | 第48-54页 |
| 4.3.1 实验环境 | 第49页 |
| 4.3.2 实验方法 | 第49页 |
| 4.3.3 实验结果与分析 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 Spark集群和MPI集群在地理信息系统中的混合运行 | 第55-62页 |
| 5.1 Spark和MPI混合运行的实现原理 | 第55-58页 |
| 5.2 Spark集群和MPI集群混合运行的地理信息系统 | 第58-61页 |
| 5.2.1 混合系统的硬件架构 | 第58-60页 |
| 5.2.2 混合系统的软件架构 | 第60-61页 |
| 5.3 Spark集群和MPI集群混合运行后的调度效率 | 第61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 本文主要研究成果 | 第62-63页 |
| 6.2 研究中存在的不足 | 第63页 |
| 6.3 下一步工作展望 | 第63-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 作者在学期间取得的学术成果 | 第70-71页 |
| 作者在学期间参加的与本课题相关的科研项目 | 第71-72页 |
| 附录A 论文中提到的代码 | 第72-73页 |
