面向过程感知的云作业资源调度
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 1 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-11页 |
| ·大数据处理云平台研究现状 | 第11-16页 |
| ·国外研究现状 | 第12-15页 |
| ·国内研究现状 | 第15-16页 |
| ·本文的工作与组织结构 | 第16-17页 |
| 2 云计算相关技术介绍 | 第17-25页 |
| ·云计算服务类型模型 | 第17-19页 |
| ·基础设施即服务(IaaS) | 第17页 |
| ·平台即服务(PaaS) | 第17-18页 |
| ·软件即服务(SaaS) | 第18-19页 |
| ·云计算资源管理与调度原则 | 第19页 |
| ·MapReduce概述 | 第19-22页 |
| ·Spark平台 | 第22-23页 |
| ·Hadoop与Spark的对比 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 Hadoop云平台的任务调度技术研究与分析 | 第25-40页 |
| ·Hadoop云平台 | 第25-31页 |
| ·分布式文件系统HDFS | 第25-26页 |
| ·MapReduce开源实现 | 第26-30页 |
| ·下一代Hadoop | 第30-31页 |
| ·FIFO调度算法 | 第31页 |
| ·算法思想 | 第31页 |
| ·算法分析 | 第31页 |
| ·计算能力调度算法 | 第31-34页 |
| ·算法思想及实现 | 第32-33页 |
| ·算法分析 | 第33-34页 |
| ·公平调度算法 | 第34-36页 |
| ·算法思想及实现 | 第34-36页 |
| ·算法分析 | 第36页 |
| ·LATE调度算法 | 第36-38页 |
| ·算法思想 | 第36-37页 |
| ·算法分析 | 第37-38页 |
| ·异构集群的调度问题研究 | 第38页 |
| ·本章小结 | 第38-40页 |
| 4 面向过程感知的云作业调度算法设计与实现 | 第40-52页 |
| ·产生背景 | 第40-42页 |
| ·过程感知算法的设计目标 | 第42-43页 |
| ·IOAware算法原理 | 第43-48页 |
| ·异构集群与参数的定义 | 第43页 |
| ·异构集群中MapReduce任务的假设 | 第43-44页 |
| ·计算节点性能评估 | 第44-45页 |
| ·作业的分类 | 第45-47页 |
| ·任务的阻塞 | 第47-48页 |
| ·调度策略 | 第48-49页 |
| ·IOAware调度算法实现 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 5 实验与分析 | 第52-65页 |
| ·试验环境搭建 | 第52-56页 |
| ·SSH安装和JDK安装 | 第53-54页 |
| ·分布式安装与配置 | 第54-56页 |
| ·Ganglia安装与配置 | 第56页 |
| ·实验用例 | 第56-57页 |
| ·实验结果与数据分析 | 第57-64页 |
| ·参数的选择 | 第57-58页 |
| ·响应时间 | 第58-59页 |
| ·数据本地化 | 第59-60页 |
| ·系统吞吐率与资源利用率 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| ·本文成果 | 第65-66页 |
| ·下一步工作 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72页 |
