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)應運而生。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)在各個領(lǐng)域的廣泛應用。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)模集群處理任務的速度和集群的功耗問題無疑將會面臨更加嚴峻的挑戰(zhàn)。
　　Hadoop包含兩個核心部分：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)的適應性調(diào)整，而對于MapReduce性能優(yōu)化的研究主要體現(xiàn)在三個方面：應用程序優(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)點負載不均衡和對于動態(tài)負載協(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)點從而減少主節(jié)點負載的構(gòu)想，并給出了設(shè)計

3、流程圖。在關(guān)于判定集群負載指標的問題上，對于一些傳統(tǒng)的參數(shù)進行了分析，認為使用單一參數(shù)來判定節(jié)點負載狀況存在著不小的弊端，并提出了通過當前節(jié)點最大并行任務數(shù)，節(jié)點隊列長度，和CPU利用率等節(jié)點參數(shù)來推算出一下個時間戳下集群可能出現(xiàn)的負載狀況。接著給出了利用預測負載狀況來推斷節(jié)點下一個時間戳節(jié)點的負載狀況，然后根據(jù)預測結(jié)果來做出調(diào)整的策略。
　　接著在本文的實驗部分使用CloudSim仿真軟件來模擬 Hadoop集群。對Hadoop