基于改进Hadoop Yarn调度器的大数据支撑平台的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 研究内容及章节安排 | 第13-15页 |
| 第二章 HADOOP相关内容 | 第15-29页 |
| 2.1 HADOOP相关技术简介 | 第15-20页 |
| 2.1.1 MapReduce计算框架 | 第15-17页 |
| 2.1.2 Spark计算框架 | 第17-18页 |
| 2.1.3 分布式文件系统HDFS | 第18-20页 |
| 2.1.4 其他相关技术 | 第20页 |
| 2.2 常用的资源调度算法 | 第20-28页 |
| 2.2.1 资源调度器 | 第21-24页 |
| 2.2.2 FIFO调度算法 | 第24-25页 |
| 2.2.3 Capacity调度算法 | 第25-26页 |
| 2.2.4 Fair调度算法 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 IPAO算法 | 第29-39页 |
| 3.1 常用资源调度算法的不足 | 第29-31页 |
| 3.2 常用的学习型算法 | 第31-34页 |
| 3.2.1 粒子群算法 | 第31-33页 |
| 3.2.2 蚁群算法 | 第33-34页 |
| 3.3 IPAO算法 | 第34-38页 |
| 3.3.1 设计原理 | 第34-35页 |
| 3.3.2 算法详解 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于IPAO的调度器 | 第39-48页 |
| 4.1 资源调度模块 | 第39-44页 |
| 4.1.1 IPAO接口 | 第39-41页 |
| 4.1.2 IPAO的主要方法及相关功能 | 第41-42页 |
| 4.1.3 工作流程 | 第42-44页 |
| 4.2 队列调度模块 | 第44-46页 |
| 4.2.1 队列调度原理 | 第44-45页 |
| 4.2.2 队列调度实现 | 第45-46页 |
| 4.3 本章小结 | 第46-48页 |
| 第五章 大数据支撑平台 | 第48-62页 |
| 5.1 大数据支撑平台的架构 | 第48-50页 |
| 5.2 大数据支撑平台的业务流程 | 第50-51页 |
| 5.3 资源调度模块 | 第51-58页 |
| 5.3.1 Oozie | 第51-53页 |
| 5.3.2 Yarn | 第53-58页 |
| 5.4 其余各模块简介 | 第58-61页 |
| 5.4.1 数据采集模块 | 第58-59页 |
| 5.4.2 数据接入模块 | 第59页 |
| 5.4.3 并行计算模块 | 第59-60页 |
| 5.4.4 分布式存储模块 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 测试与实验 | 第62-69页 |
| 6.1 测试环境 | 第62-63页 |
| 6.2 测试方法 | 第63页 |
| 6.3 测试结果与分析 | 第63-68页 |
| 6.3.1 资源调度测试 | 第63-66页 |
| 6.3.2 队列均衡测试 | 第66-68页 |
| 6.4 本章小结 | 第68-69页 |
| 第七章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 附件 | 第76页 |
