hadoop平臺(tái)下海量日志數(shù)據(jù)處理模型的研究及改進(jìn)

1、浙江理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明 本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究 工作及取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外， 論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲 得浙江理工大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與 我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明 確的說明并表示謝意。 學(xué)位論文作者簽名： 髻刪 簽字日期： 矽弓年琴月7 占日浙江理工大學(xué)碩士學(xué)位論文H a d o

2、 o p 平臺(tái)下海量日志數(shù)據(jù)處理模型的研究及改進(jìn) 摘要 隨著計(jì)算機(jī)技術(shù)以及互聯(lián)網(wǎng)高速地運(yùn)用到人類社會(huì)生產(chǎn)生活的各個(gè)方面，數(shù)據(jù)量呈現(xiàn) 出爆發(fā)性的增長(zhǎng)。為滿足海量數(shù)據(jù)應(yīng)用的處理要求，基于大規(guī)模計(jì)算機(jī)集群的并行計(jì)算成 為了主要途徑，而M a p R e d u c e 就是一個(gè)最初由谷歌設(shè)計(jì)用來在大型集群上執(zhí)行并行計(jì)算 的框架。它能夠減少開發(fā)人員在進(jìn)行并發(fā)編程時(shí)的復(fù)雜性，使得開發(fā)人員在不了解分布式 底層細(xì)節(jié)的情況下開發(fā)分布式程序。 H a d

3、 o o p 是一個(gè)實(shí)現(xiàn)M a p R e d u c e 的開放源代碼的集群平臺(tái)。目前，H a d o o p 在很多互 聯(lián)網(wǎng)公司里都已經(jīng)得到了應(yīng)用，可以說是應(yīng)用最為廣泛的開源云計(jì)算軟件平臺(tái)。但是， H a d o o p 還是一個(gè)發(fā)展時(shí)間較短的平臺(tái)，在許多地方還需要提高和改進(jìn)。本文主要研究工 作和貢獻(xiàn)如下： 1 ) 本文對(duì)H a d o o p 平臺(tái)的架構(gòu)及其核心技術(shù)進(jìn)行了深入的研究；闡述了H a d o o p 平臺(tái) 下現(xiàn)有的調(diào)度

4、算法F I F O 、計(jì)算能力調(diào)度算法以及公平調(diào)度算法的設(shè)計(jì)思路、實(shí)現(xiàn)過程以 及算法優(yōu)缺點(diǎn)。針對(duì)F I F O 調(diào)度策略單一、容易造成大作業(yè)長(zhǎng)時(shí)間等待、集群C P U 利用 率低的問題，提出了基于紅黑樹的分層調(diào)度算法( H S B R B ) ，并將其引入H a d o o p 平臺(tái)。 2 ) H S B R B 調(diào)度算法引入了紅黑樹作為存儲(chǔ)作業(yè)信息的數(shù)據(jù)結(jié)構(gòu)。紅黑樹是一種效 率非常高的不完全平衡二叉樹，隨著結(jié)點(diǎn)個(gè)數(shù)的增加，紅黑樹會(huì)獲得

5、高速的數(shù)據(jù)插入、刪 除速度，從而提高整個(gè)集群的C P U 利用率。同時(shí)，H S B R B 調(diào)度算法采用了層次調(diào)度模型 來調(diào)度作業(yè)。當(dāng)多用戶共享集群平臺(tái)時(shí)，每個(gè)用戶對(duì)應(yīng)一個(gè)池，每個(gè)池里存放多個(gè)作業(yè)， 從而解決了F I F 0 只針對(duì)單用戶提交作業(yè)的不足導(dǎo)致的集群資源利用率低的問題。 3 ) 海量日志數(shù)據(jù)的處理。本文的海量日志數(shù)據(jù)均來自于N B E R 的專利數(shù)據(jù)集。為獲 得不同引用頻率的專利數(shù)目，搭建了一個(gè)小型的H a d o o p

6、集群平臺(tái)，并在該平臺(tái)上開發(fā)分 布式并行程序，結(jié)果保存到指定的目錄文件中。 4 ) 為驗(yàn)證H S B R B 算法的性能，本文設(shè)計(jì)了兩個(gè)不同的實(shí)驗(yàn)場(chǎng)景對(duì)H a d o o p 現(xiàn)有的 調(diào)度算法F I F O 、F a i r S c h e d u l e r 以及本課題的H S B R B 算法進(jìn)行了實(shí)驗(yàn)對(duì)比。實(shí)驗(yàn)結(jié)果驗(yàn) 證了H S B R B 算法的合理性以及有效性，而且相對(duì)于現(xiàn)有的調(diào)度算法，H S B R B 算法能夠 更好地減少作