

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、“云計算”被Google、Amazon的公司提出之后,得到了工業(yè)界、學術界的廣泛關注。近年來,云計算技術在工業(yè)界、學術界聯(lián)合推動下獲得了巨大的發(fā)展,大量的云計算系統(tǒng)被投入使用,其中有很大一部分基于Hadoop平臺。Hadoop平臺是一個開放源代碼云計算框架,最大的優(yōu)勢是實現(xiàn)了并行化對開發(fā)者的透明性,使開發(fā)者開發(fā)云計算應用系統(tǒng)時不必關心并行性細節(jié),這些細節(jié)則由Hadoop框架在底層完成。作業(yè)調度是Hadoop平臺的核心之一,其主要功能是控
2、制集群中作業(yè)的執(zhí)行順序以及分配計算資源,這直接關系到Hadoop平臺的整體性能和系統(tǒng)資源的利用率。論文基于Hadoop1.2.1平臺,首先對Hadoop作業(yè)調度機制進行了詳細的研究,在此基礎上提出了一種新的Hadoop作業(yè)調度算法。論文的主要貢獻如下:
1.提出了一種基于多級反饋隊列(Multi-level Feedback Queue簡稱MLFQ)的作業(yè)調度算法。該算法最先應用在操作系統(tǒng)中對進程進行調度并取得了很好的效果,論
3、文將算法改造后應用到Hadoop的作業(yè)調度中,解決了集群中小作業(yè)公平性的問題,并有效提升了平臺的整體性能。
2.為了解決嚴格遵循MLFQ算法思想遇到的兩個問題作業(yè)本地性差、Reduce槽囤積,論文提出了MLFQ算法的兩種優(yōu)化方案Map任務延遲調度算法、Reduce任務延遲調度算法分別解決這兩個問題。
3.搭建了Hadoop平臺,對基于MLFQ的Hadoop作業(yè)調度算法及兩種改進算法進行了多組實驗,并對所得實驗數據進行
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Hadoop平臺的作業(yè)調度算法優(yōu)化研究.pdf
- Hadoop作業(yè)調度算法分析與優(yōu)化.pdf
- 基于Hadoop平臺的作業(yè)調度算法研究與改進.pdf
- 基于Hadoop集群的作業(yè)調度算法的研究.pdf
- 基于Hadoop的作業(yè)調度負載均衡算法研究.pdf
- Hadoop平臺作業(yè)調度算法研究.pdf
- Hadoop平臺作業(yè)調度算法研究與改進.pdf
- 基于任務特征與公平策略的Hadoop作業(yè)調度算法研究.pdf
- Hadoop平臺的作業(yè)調度算法研究與改進.pdf
- 基于Hadoop的作業(yè)調度算法的研究和改進.pdf
- 基于預測的Hadoop任務調度算法優(yōu)化.pdf
- 基于Hadoop的車聯(lián)網作業(yè)調度優(yōu)化問題研究.pdf
- 基于Hadoop作業(yè)內計算任務調度優(yōu)化的研究.pdf
- 基于SDN帶寬感知的Hadoop調度算法優(yōu)化與實現(xiàn).pdf
- Hadoop作業(yè)調度本地性的研究與優(yōu)化.pdf
- 基于Hadoop的調度算法研究與實現(xiàn).pdf
- 基于遺傳算法的Hadoop平臺作業(yè)調度算法改進.pdf
- 基于Hadoop的作業(yè)調度策略研究.pdf
- Hadoop平臺下的作業(yè)調度算法的研究.pdf
- 基于Hadoop的作業(yè)調度方案研究.pdf
評論
0/150
提交評論