摘要 | 第6-7页 |
Abstract | 第7页 |
第一章 引言 | 第8-11页 |
1.1 研究背景 | 第8页 |
1.2 本文工作 | 第8-10页 |
1.3 全文结构 | 第10-11页 |
第二章 MapReduce编程模型概述 | 第11-16页 |
2.1 MapReduce编程模型 | 第12页 |
2.2 MapReduce的主要实现 | 第12-13页 |
2.2.1 Google MapReduce与Hadoop | 第12页 |
2.2.2 Phoenix | 第12-13页 |
2.2.3 Twister | 第13页 |
2.3 相关工作 | 第13-16页 |
2.3.1 分布式系统上的相关工作 | 第13-14页 |
2.3.2 共享内存系统上的相关工作 | 第14页 |
2.3.3 其他系统上的相关工作 | 第14-16页 |
第三章 Hadoop系统的设计与实现 | 第16-20页 |
3.1 Hadoop分布式文件系统 | 第16页 |
3.2 Hadoop架构 | 第16-17页 |
3.3 Hadoop的潜在问题及优化机会 | 第17-20页 |
3.3.1 细粒度数据局部性和计算并行性 | 第17-18页 |
3.3.2 MapReduce作业间可复用数据的局部性 | 第18-20页 |
第四章 Ostrich系统的设计与实现 | 第20-25页 |
4.1 分块MapReduce模型(Tiled-MapReduce) | 第20-23页 |
4.1.1 分块MapReduce模型的基本思想 | 第20页 |
4.1.2 分块MapReduce模型的主要过程 | 第20-22页 |
4.1.3 分块MapReduce模型的软件流水线技术 | 第22-23页 |
4.2 Ostrich原型系统 | 第23-25页 |
第五章 层次化MapReduce编程模型 | 第25-30页 |
5.1 现有MapReduce编程模型的局限性 | 第25-26页 |
5.1.1 Hadoop系统特点及其局限性 | 第25-26页 |
5.1.2 Ostrich系统特点及其局限性 | 第26页 |
5.2 层次化MapReduce编程模型 | 第26-30页 |
5.2.1 多层次的数据局部性和计算并行性 | 第26-27页 |
5.2.2 现有系统的数据局部性和计算并行性 | 第27-28页 |
5.2.3 层次化MapReduce编程模型 | 第28-30页 |
第六章 原型系统Azwraith的设计与实现 | 第30-45页 |
6.1 Azwrai th系统架构 | 第30-33页 |
6.1.1 整体架构介绍 | 第30-31页 |
6.1.2 主要控制部分 | 第31-32页 |
6.1.3 作业客户端 | 第32-33页 |
6.2 用Ostrich实现Hadoop任务执行器 | 第33-36页 |
6.3 Azwraith的细粒度优化 | 第36-38页 |
6.3.1 并行执行CPU密集和I/O密集过程 | 第36-37页 |
6.3.2 高速缓存和内存数据局部性 | 第37-38页 |
6.4 Azwraith的应用程序接口(API) | 第38-40页 |
6.5 缓存系统 | 第40-45页 |
6.5.1 缓存系统设计 | 第40-42页 |
6.5.2 缓存系统的实现 | 第42-43页 |
6.5.3 支持缓存系统的扩展调度机制 | 第43-45页 |
第七章 Azwraith性能评测 | 第45-54页 |
7.1 实验环境 | 第45页 |
7.2 用于实验的应用程序 | 第45-47页 |
7.2.1 WordCount(WC) | 第45-46页 |
7.2.2 LinearRegression(LR) | 第46页 |
7.2.3 GigaSort(GS) | 第46页 |
7.2.4 K-Means(KM) | 第46-47页 |
7.2.5 小结 | 第47页 |
7.3 几种不同并行方式的比较 | 第47-49页 |
7.4 整体性能分析 | 第49-50页 |
7.5 缓存系统的有效性 | 第50-52页 |
7.6 系统资源利用率 | 第52-53页 |
7.7 Azwraith性能趋势分析 | 第53-54页 |
第八章 总结与展望 | 第54-56页 |
8.1 创新与贡献 | 第54页 |
8.2 进一步研究设想 | 第54-56页 |
参考文献 | 第56-58页 |
致谢 | 第58-59页 |