| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背景与意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 课题目标与任务 | 第16页 |
| 1.4 课题创新点 | 第16-17页 |
| 1.5 论文结构 | 第17-19页 |
| 第二章 Hadoop相关知识 | 第19-31页 |
| 2.1 Hadoop平台概述 | 第19-20页 |
| 2.2 Hadoop分布式计算框架MapReduce | 第20-21页 |
| 2.3 Hadoop的分布式文件系统HDFS | 第21-23页 |
| 2.4 Hadoop的资源管理方式 | 第23-27页 |
| 2.4.1 资源管理器(Resouce Manager, RM) | 第25-26页 |
| 2.4.2 应用管理器(Application Master,AM) | 第26-27页 |
| 2.4.3 节点管理器(Node Manager,NM) | 第27页 |
| 2.5 Hadoop现有的作业调度算法 | 第27-30页 |
| 2.5.1 FIFO调度算法 | 第27-28页 |
| 2.5.2 Capacity调度算法 | 第28-29页 |
| 2.5.3 Fair调度算法 | 第29-30页 |
| 2.6 Hadoop常用调度算法的不足 | 第30-31页 |
| 第三章 混合遗传布谷鸟算法 | 第31-43页 |
| 3.1 资源调度与群智能算法 | 第31-32页 |
| 3.2 布谷鸟算法 | 第32-33页 |
| 3.2.1 莱维飞行(levy flight) | 第32-33页 |
| 3.2.2 布谷鸟算法的数学原理 | 第33页 |
| 3.3 遗传算法 | 第33-36页 |
| 3.3.1 遗传算法的原理 | 第34-35页 |
| 3.3.2 遗传算法的特点 | 第35-36页 |
| 3.4 混合遗传布谷鸟算法(GCS) | 第36-39页 |
| 3.4.1 混合遗传布谷鸟算法模型 | 第36页 |
| 3.4.2 混合遗传布谷鸟算法的实现 | 第36-39页 |
| 3.5 算法性能测试与分析 | 第39-42页 |
| 3.5.1 实验测试设计 | 第39-40页 |
| 3.5.2 实验结果及分析 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于GCS的Hadoop作业调度算法的研究与实现 | 第43-53页 |
| 4.1 Hadoop资源管理 | 第43-46页 |
| 4.1.1 合理调度分配资源的重要性 | 第43页 |
| 4.1.2 资源调度存在的问题 | 第43-45页 |
| 4.1.3 Hadoop资源调度过程介绍 | 第45-46页 |
| 4.2 基于GCS的资源调度算法设计 | 第46-50页 |
| 4.2.1 异构Hadoop集群资源调度模型分析 | 第46-47页 |
| 4.2.2 基于GCS的资源调度算法的设计说明 | 第47-50页 |
| 4.3 基于GCS的资源调度算法实现 | 第50-51页 |
| 4.3.1 主要数据结构介绍 | 第50页 |
| 4.3.2 关键接口的实现 | 第50-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第五章 系统测试 | 第53-61页 |
| 5.1 测试环境及参数设置 | 第53-54页 |
| 5.2 测试结果及分析 | 第54-58页 |
| 5.3 问题与改进 | 第58页 |
| 5.4 本章小结 | 第58-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 本文总结 | 第61页 |
| 6.2 研究展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间取得的研究成果 | 第69页 |
