基于MapReduce性能優(yōu)化的研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，數(shù)據(jù)需求處理量的劇增，分布式數(shù)據(jù)處理技術(shù)應(yīng)運(yùn)而生。而Hadoop作為Apache基金會下的開源分布式系統(tǒng)基礎(chǔ)架構(gòu)，以其可擴(kuò)展、低成本、可靠和高效等眾多優(yōu)勢在發(fā)布之后就受到了各大互聯(lián)網(wǎng)企業(yè)在各個(gè)領(lǐng)域的廣泛應(yīng)用。隨著互聯(lián)網(wǎng)的普及以及客戶需求的不斷升高，處理的數(shù)據(jù)量不斷增加，大規(guī)模集群處理任務(wù)的速度和集群的功耗問題無疑將會面臨更加嚴(yán)峻的挑戰(zhàn)。
　　Hadoop包含兩個(gè)核心部分：HDFS（Hadoop Distubted

2、 File System）和MapReduce。分別是分布式文件系統(tǒng)和分布式并行計(jì)算的框架。對于HDFS的優(yōu)化主要是對讀寫方式與策略等傳統(tǒng)技術(shù)的適應(yīng)性調(diào)整，而對于MapReduce性能優(yōu)化的研究主要體現(xiàn)在三個(gè)方面：應(yīng)用程序優(yōu)化、配置參數(shù)優(yōu)化和調(diào)度算法優(yōu)化。
　　本文著重關(guān)注動態(tài)的問題為異構(gòu)情況下節(jié)點(diǎn)負(fù)載不均衡和對于動態(tài)負(fù)載協(xié)調(diào)性差的問題，于是本文提出了將集群監(jiān)控模塊和集群調(diào)度模塊移遷移到從節(jié)點(diǎn)從而減少主節(jié)點(diǎn)負(fù)載的構(gòu)想，并給出了設(shè)計(jì)

3、流程圖。在關(guān)于判定集群負(fù)載指標(biāo)的問題上，對于一些傳統(tǒng)的參數(shù)進(jìn)行了分析，認(rèn)為使用單一參數(shù)來判定節(jié)點(diǎn)負(fù)載狀況存在著不小的弊端，并提出了通過當(dāng)前節(jié)點(diǎn)最大并行任務(wù)數(shù)，節(jié)點(diǎn)隊(duì)列長度，和CPU利用率等節(jié)點(diǎn)參數(shù)來推算出一下個(gè)時(shí)間戳下集群可能出現(xiàn)的負(fù)載狀況。接著給出了利用預(yù)測負(fù)載狀況來推斷節(jié)點(diǎn)下一個(gè)時(shí)間戳節(jié)點(diǎn)的負(fù)載狀況，然后根據(jù)預(yù)測結(jié)果來做出調(diào)整的策略。
　　接著在本文的實(shí)驗(yàn)部分使用CloudSim仿真軟件來模擬 Hadoop集群。對Hadoop