摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第11-19页 |
1.1 研究背景 | 第11-13页 |
1.2 研究现状 | 第13-15页 |
1.3 研究内容与目标 | 第15-17页 |
1.4 论文结构及章节安排 | 第17-19页 |
第2章 集群资源管理系统中调度模块和大数据处理框架简介 | 第19-29页 |
2.1 集群资源管理系统中的调度模块概述 | 第19-21页 |
2.1.1 资源度量方式的关键作用 | 第20-21页 |
2.2 大数据处理计算框架简介 | 第21-24页 |
2.2.1 基于内存的分布式计算框架Spark | 第21-22页 |
2.2.2 大数据基准程序测试集HiBench | 第22-24页 |
2.3 集群管理系统Mesos简介 | 第24-27页 |
2.3.1 软件架构 | 第24-25页 |
2.3.2 资源邀约 | 第25-26页 |
2.3.3 任务运行 | 第26-27页 |
2.4 现有技术不足 | 第27-28页 |
2.5 本章小结 | 第28-29页 |
第3章 SMHC云资源度量方式 | 第29-39页 |
3.1 粗粒度资源度量方式的缺点 | 第29-30页 |
3.2 粗细粒度混合的云资源度量方式 | 第30-37页 |
3.2.1 实验环境准备 | 第30-32页 |
3.2.2 重要的细粒度硬件资源 | 第32-35页 |
3.2.3 SMHC:粗细粒度混合的云资源度量方式 | 第35-37页 |
3.3 本章小结 | 第37-39页 |
第4章 基于SMHC的任务调度策略设计与实现 | 第39-53页 |
4.1 Actor消息通信模型 | 第39-41页 |
4.2 细粒度资源收集模块 | 第41-43页 |
4.3 基于SMHC的任务调度策略 | 第43-52页 |
4.3.1 基于SMHC的任务调度过程设计 | 第43-46页 |
4.3.2 DRF调度算法 | 第46-47页 |
4.3.3 实验评估 | 第47-52页 |
4.4 本章小结 | 第52-53页 |
第5章 总结与展望 | 第53-55页 |
5.1 工作总结 | 第53-54页 |
5.2 研究展望 | 第54-55页 |
参考文献 | 第55-59页 |
作者简历及攻读学位期间发表的学术论文与研究成果 | 第59-61页 |
致谢 | 第61页 |