MapReduce編程模型在大規(guī)模并行化應(yīng)用的設(shè)計(jì)和開(kāi)發(fā)領(lǐng)域正在發(fā)揮越來(lái)越重要的作用.同時(shí),Hadoop又是現(xiàn)在被廣泛使用的云平臺(tái)中數(shù)據(jù)密集型應(yīng)用開(kāi)發(fā)的開(kāi)源MapReduce實(shí)現(xiàn)方式.眾所周知,在云計(jì)算中最小的計(jì)算單元就是虛擬機(jī),虛擬機(jī)有充分利用系統(tǒng)資源,使系統(tǒng)便于管理,提高系統(tǒng)可靠性和節(jié)省開(kāi)銷等多種優(yōu)點(diǎn).該文將通過(guò)一系列實(shí)驗(yàn)對(duì)不同虛擬化平臺(tái)上Hadoop應(yīng)用的I/O性能進(jìn)行評(píng)測(cè)分析,這些實(shí)驗(yàn)的結(jié)果可以作為將來(lái)選擇虛擬機(jī)類型的標(biāo)準(zhǔn),以便Hadoop應(yīng)用能夠在虛擬化平臺(tái)中獲得最好的I/O性能.

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
1 相關(guān)工作
    1.1 相關(guān)研究
    1.2 MapReduce/Hadoop
    1.3 虛擬化軟件
        1.3.1 虛擬化軟件分類
        1.3.2 虛擬化軟件I/O調(diào)度技術(shù)
2 評(píng)測(cè)方法
    2.1 測(cè)試方法和硬件配置
    2.2 測(cè)試負(fù)載
        2.2.1 Hadoop測(cè)試負(fù)載
        2.2.2 TPCW
    2.3 評(píng)測(cè)指標(biāo)
3 測(cè)試結(jié)果分析
    3.1 單機(jī)運(yùn)行
    3.2 完全分布式運(yùn)行環(huán)境
    3.3 混載分布式運(yùn)行環(huán)境
4 工作總結(jié)



本文編號(hào)：3876469