| 摘要 | 第2-3页 |
| ABSTRACT | 第3页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 大数据云平台 | 第10-12页 |
| 1.2.4 资源管理系统研究现状 | 第12-13页 |
| 1.3 研究内容及意义 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 大数据云平台资源管理相关研究分析 | 第16-33页 |
| 2.1 云计算与云服务 | 第16-23页 |
| 2.1.1 云计算 | 第16-18页 |
| 2.1.2 传统虚拟化技术 | 第18-19页 |
| 2.1.3 基于容器的轻量级虚拟化技术 | 第19-21页 |
| 2.1.4 容器编排 | 第21-23页 |
| 2.2 大数据平台计算框架 | 第23-29页 |
| 2.2.1 MapReduce并行计算模型 | 第23-25页 |
| 2.2.2 Spark内存计算框架 | 第25-27页 |
| 2.2.3 流式计算框架 | 第27-29页 |
| 2.3 资源调度模型的发展历程 | 第29-32页 |
| 2.3.1 集中式资源调度模型 | 第29-30页 |
| 2.3.2 双层资源调度器模型 | 第30-31页 |
| 2.3.3 共享状态资源调度模型 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 资源管理系统中的调度机制研究 | 第33-43页 |
| 3.1 基于YARN的资源调度机制改进 | 第33-38页 |
| 3.1.1 YARN调度器工作机制 | 第33-35页 |
| 3.1.2 YARN常用调度算法不足分析 | 第35-37页 |
| 3.1.3 基于预约回填机制的YARN调度算法 | 第37-38页 |
| 3.2 基于Kubernetes的资源调度机制改进 | 第38-42页 |
| 3.2.1 Kubernetes调度器工作流程 | 第38-39页 |
| 3.2.2 Kubernetes现有调度算法 | 第39-41页 |
| 3.2.3 Kubernetes集群调度器算法改进 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 资源管理系统的设计与实现 | 第43-55页 |
| 4.1 系统设计 | 第43-44页 |
| 4.1.1 需求分析 | 第43页 |
| 4.1.2 系统架构 | 第43-44页 |
| 4.2 资源管理系统的实现 | 第44-45页 |
| 4.2.1 计算框架资源管理模块 | 第44-45页 |
| 4.2.2 容器化资源管理模块 | 第45页 |
| 4.3 大数据云平台的实现 | 第45-50页 |
| 4.3.1 总体框架 | 第45-47页 |
| 4.3.2 存储组件 | 第47-49页 |
| 4.3.3 计算框架 | 第49-50页 |
| 4.4 资源管理系统的高可用方案设计与实现 | 第50-54页 |
| 4.4.1 高可用机制 | 第50-52页 |
| 4.4.2 高可用的YARN调度器设计与实现 | 第52-53页 |
| 4.4.3 高可用的Kubernetes调度器设计与实现 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 实验与分析 | 第55-61页 |
| 5.1 平台部署 | 第55-56页 |
| 5.2 基于预约回填的YARN调度算法性能测试与分析 | 第56-58页 |
| 5.3 Kubernetes集群调度器补充算法测试与分析 | 第58-59页 |
| 5.4 调度器高可用测试 | 第59-60页 |
| 5.4.1 YARN集群调度器高可用测试 | 第59-60页 |
| 5.4.2 Kubernetes集群调度器高可用测试 | 第60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 在学期间发表的学术论文及取得的研究成果 | 第67页 |
