声明
摘要
1 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状及发展动态分析
1.2.1 国内外研究现状
1.2.2 国内外发展动态分析
1.3 研究平台及计算框架
1.3.1 IaaS弹性云平台
1.3.2 Hadoop-MapReduce
1.4 研究内容
1.4.1 基于MA感知的弥散云资源调度
1.4.2 基于云资源弥散性感知的公平调度DACR_FS
1.5 论文创新点
1.6 论文结构
2 基于MA感知的弥散云资源调度
2.1 IaaS_MA系统架构
2.1.1 “价值云资源”抽取
2.1.2 MA_RS执行架构
2.2 MA_RS方法
2.2.1 模拟器设置
2.2.2 多阶段迭代决策
2.2.3 决策区间自适应调整
2.2.4 弹性决策方法
2.2.5 搜索算法
2.3 本章总结
3 基于云资源弥散性感知的公平调度
3.1 MapReduce_MA分布式计算框架
3.1.1 Master_MA
3.1.2 Slaver_MA
3.2 DACR _FS调度方法
3.2.1 共享进度份额
3.2.2 任务选择
3.2.3 资源匹配
3.2.4 DACR_FS算法
3.3 本章总结
4 方法评估及实例验证
4.1 实验环境设置
4.2 方法评估
4.2.1 作业完成分布预测评估
4.2.2 MA_RS方法有效性评估
4.2.3 DACR_FS算法有效性评估
4.3 实例验证
4.3.1 在线剩余时间的预测
4.3.2 资源分配和集群调整
4.3.3 作业偏好和共享进度份额
4.4 本章总结
5 结论和下一步研究方向
5.1 基于MA感知的资源调度
5.2 基于云资源弥散性感知的公平调度
5.3 下一步研究方向
5.3.1 跨数据中心异构资源聚合调度
5.3.2 云计算的两个主体间合作调度
5.3.3 大数据环境下的价值云资源抽取
5.4 本章总结
参考文献
致谢
攻读学位期间取得的科研成果清单