Hadoop YARN资源调度优化研究-李媛祯硕士论文

需积分: 48 25 下载量 65 浏览量 更新于2024-08-09 收藏 1.54MB PDF 举报
"获“科技创新先进个人”荣誉-uml参考手册" 这篇摘要介绍的是关于研究生李媛祯的研究工作,她在2015年获得了“科技创新先进个人”的荣誉,其研究领域聚焦于Hadoop YARN的资源分配与调度。李媛祯的硕士学位论文主题是“Hadoop YARN资源分配与调度的研究”,属于计算机科学与技术专业的并行计算方向,由杨群副教授指导,完成于南京航空航天大学。 Hadoop是一个广泛应用于云计算环境的分布式存储和计算框架,其特点包括高可靠性、高扩展性和高容错性。YARN(Yet Another Resource Negotiator)作为Hadoop的资源管理系统,内置了多种调度器来管理集群资源。然而,随着应用的复杂性和需求的增长,这些内置调度器可能无法满足所有用户的需求。因此,李媛祯的研究着重于如何优化资源分配和调度策略,以提高系统资源的利用率,减少计算时间,进而提升整体系统性能并降低运行成本。 论文深入探讨了Hadoop YARN的资源分配和调度机制,从作业调度和任务调度两个层面进行分析。作业调度关注的是如何将作业有效地分配到集群的不同节点上,而任务调度则关注如何在节点内部合理地分配任务,确保计算效率。同时,李媛祯还研究了Hadoop的推测执行机制,这是一种用于提高系统效率的技术,通过预测和补偿潜在的慢速任务来加速整体计算进程。 通过对这些机制的深入理解和改进,李媛祯的工作为Hadoop YARN提供了可能的优化方案,这不仅对Hadoop生态系统有直接的贡献,也对并行计算领域的理论研究和技术发展有着积极的推动作用。此外,这样的研究对于解决大数据处理中的效率问题,以及应对日益增长的计算需求,都具有重要的实践价值。