第1章集群資源調(diào)度的嬗變

1.1概述

1.2高能計算集>

1.3高可靠集>

1.4負載平衡集>

1.5面向大數(shù)據(jù)和云計算的集>

1.6結(jié)束語

第2章面向大數(shù)據(jù)和云計算的異構(gòu)結(jié)構(gòu)集群資源管理概述

2.1概述

2.2面向大數(shù)據(jù)和云計算的集群資源管理的特征

2.3面向大數(shù)據(jù)和云計算的集群資源管理需求及調(diào)度策略

2.4面向大數(shù)據(jù)和云計算的集群資源調(diào)度框架的對比

2.5結(jié)束語

第3章面向大數(shù)據(jù)和云計算的異構(gòu)集群集中式資源調(diào)度框架

3.1概述

3.2集中式調(diào)度框架的問題

3.3異構(gòu)集群集中式調(diào)度框架體流程

3.4異構(gòu)集群的細粒度資源分配算法

3.5系統(tǒng)評價

3.6結(jié)束語

第4章集中式資源調(diào)度框架的負載平衡和優(yōu)化

4.1異構(gòu)集群上的負載平衡策略

4.2異構(gòu)集群上集中式調(diào)度的可擴展優(yōu)化

4.3結(jié)束語

第5章 面向大數(shù)據(jù)和云計算的導(dǎo)物結(jié)構(gòu)生程分布式資源調(diào)度框架

5.1概述

5.2相關(guān)工作

5.3設(shè)計目標

5.4并行作業(yè)的二階段調(diào)度

5.5 調(diào)度策略及約束

5.6 系統(tǒng)實現(xiàn)

5.7能評價

5.8結(jié)束語

第6章面向大數(shù)據(jù)的異構(gòu)集群混合式資源調(diào)度框架

6.1概述

6.2相關(guān)研展

6.3系統(tǒng)需求

6.4 HRM系統(tǒng)模型

6.5 隊列管理器.

6.6基于隊列狀態(tài)的分布式資源調(diào)度

6.7結(jié)束語

第7章 面向大數(shù)據(jù)和云計算的GPU集群共享調(diào)度算法

7.1概述

7.2GPU集群研究現(xiàn)狀

7.3計算模型

7.4 基于GPU數(shù)量的共享調(diào)度策略

7.5基于小代價大任務(wù)數(shù)的調(diào)度

7.6實驗設(shè)計

7.7結(jié)束語

第8章面向大數(shù)據(jù)和云計算的異構(gòu)結(jié)構(gòu)集群能監(jiān)控

8.1概述

8.2HRM能監(jiān)控系統(tǒng)的需求分析

8.3HRM能監(jiān)控系統(tǒng)的設(shè)計

HRM能監(jiān)控系統(tǒng)的實現(xiàn)

結(jié)束語

第9章 面向異構(gòu)結(jié)構(gòu)集群的分布式機器學(xué)源調(diào)度框架研究

9.1概述

9.2分布式機器學(xué)源調(diào)度框架

9.3調(diào)度算法的實現(xiàn)

9.4實驗評價

結(jié)束語

第10章基于數(shù)據(jù)流的大圖中頻繁模式挖掘算法研究

10.1概述

10.2相關(guān)的工作介紹

10.3問題描述

10.4基于數(shù)據(jù)流的頻繁模式挖掘模型

10.5基于數(shù)據(jù)流的頻繁模式挖掘算法的能優(yōu)化

10.6算法的能評價

10.7結(jié)束語

第11章大圖中極大團的并行挖掘算法研究

11.1概述

11.2問題描述

11.3大圖中的極大團的計算方法

11.4極大團并行挖掘算法的優(yōu)化

11.5極大團并行挖掘算法的實現(xiàn)

11.6實驗評價

11.7結(jié)束語

參考文獻