网格中基于MapReduce应用的可视化系统的设计与实现

网格中基于MapReduce应用的可视化系统的设计与实现

论文摘要

随着网格计算在高性能计算领域中变得越来越重要,网格应用也开始蓬勃发展。在Google提出并大力推广MapReduce计算架构的时机,在网格环境中部署MapReduce应用可以提高网格的适用性。而随着技术的普及,网格产品开始被普通的中小型用户所广泛认知以及接受。但是如何使用复杂艰深的以命令行为基础的网格应用,一直是网格产品向大众普及的一个瓶颈。为解决这个问题,在网格环境中将MapReduce应用进行可视化的需求也就应运而生了。为了将一个具有复杂结构的计算框架展示给用户,本论文研究对比了现在流行的可视化界面框架之后,决定采用同时拥有强大组件库和良好用户体验的自有商用界面框架Common Widget。可视化系统的一个通病是其性能问题,本文为了减少后台数据转换到前台界面所消耗的资源,使用JNI和Ajax等新兴技术来提高整个系统的效率。将MapReduce应用和可视化系统手工部署到环境中去对普通用户来说相当困难,本文在调研了网格应用的用户群体之后,采用Linux下的64位平台作为部署环境,使用RPM打包技术帮助用户一步到位的将整个MapReduce解决方案部署完成。本论文将MapReduce应用的三种工作量Application、Job和Task的状态和功能分层次的展示在可视化系统上,不仅包含了MapReduce应用应有的功能,还创建了适合用户操作的个性化功能。另外本论文还设置了不同的界面访问权限使不同性质的用户专注于其功能点。MapReduce应用的可视化系统不仅能够帮助用户高效轻松的操作复杂的网格应用,从而降低公司成本,还能通过降低操作网格产品用户的专业水平的门槛,将产品更好的推广出去。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题背景及研究的目的和意义
  • 1.2 与本课题相关的国内外研究综述
  • 1.2.1 网格计算
  • 1.2.2 MapReduce计算架构
  • 1.2.3 可视化界面框架
  • 1.3 本论文的主要工作内容
  • 第2章 MapReduce应用可视化系统的需求分析
  • 2.1 MapReduce应用可视化系统的需求分析
  • 2.1.1 MapReduce应用可视化系统的需求提出
  • 2.1.2 MapReduce应用可视化系统的功能需求
  • 2.1.3 MapReduce应用可视化系统的非功能需求
  • 2.2 MapReduce应用可视化系统的相关技术研究
  • 2.2.1 交互式网络应用框架
  • 2.2.2 RPM打包技术
  • 2.3 系统开发平台
  • 2.4 本章小结
  • 第3章 MapReduce应用可视化系统的设计与实现
  • 3.1 MapReduce应用可视化系统的模块结构
  • 3.1.1 MapReduce应用可视化系统的模块划分
  • 3.1.2 MapReduce应用可视化系统的整体架构
  • 3.2 Installation模块的详细设计与实现
  • 3.2.1 MapReduce Package的详细设计与实现
  • 3.2.2 BIN Package的详细设计与实现
  • 3.2.3 DB Package的详细设计与实现
  • 3.3 Workload模块的详细设计与实现
  • 3.3.1 Application的详细设计与实现
  • 3.3.2 Job的详细设计与实现
  • 3.3.3 Task的详细设计与实现
  • 3.4 ACL模块的详细设计与实现
  • 3.4.1 ACL模块的详细设计与实现
  • 3.4.2 ACL模块数据库表的详细设计与实现
  • 3.5 本章小结
  • 第4章 MapReduce应用可视化系统的测试
  • 4.1 Installation模块的测试
  • 4.1.1 测试用例的优先级
  • 4.1.2 Installation模块的测试用例
  • 4.1.3 Installation模块的测试结果分析
  • 4.2 Workload模块的测试
  • 4.2.1 Application模块的测试用例和结果
  • 4.2.2 Job模块的测试用例和结果
  • 4.2.3 Task模块的测试用例和结果
  • 4.2.4 Workload模块的测试结果分析
  • 4.3 ACL模块的测试
  • 4.3.1 ACL模块的测试用例
  • 4.3.2 ACL模块的测试结果分析
  • 4.4 本章小结
  • 结论
  • 参考文献
  • 致谢
  • 个人简历
  • 相关论文文献

    • [1].一种基于MapReduce的局部相似自连接算法[J]. 计算机技术与发展 2020(02)
    • [2].基于MapReduce云计算的智能电网数据分析方法研究[J]. 电子设计工程 2020(13)
    • [3].基于MapReduce的液晶屏缺陷检测方法[J]. 计算机工程与应用 2017(05)
    • [4].MapReduce技术在日志分析中的研究应用[J]. 计算机时代 2017(06)
    • [5].基于MapReduce的数据流频繁项集挖掘算法[J]. 华中师范大学学报(自然科学版) 2017(04)
    • [6].大数据环境下基于MapReduce和并行数据库的混合模式探究[J]. 河南广播电视大学学报 2017(01)
    • [7].一种基于MapReduce的文本聚类方法研究[J]. 计算机科学 2016(01)
    • [8].基于MapReduce的频繁闭项集挖掘算法改进[J]. 微型机与应用 2015(24)
    • [9].基于MapReduce的故障诊断方法[J]. 中国新通信 2016(16)
    • [10].基于MapReduce框架的海量数据相似性连接研究进展[J]. 计算机科学 2015(01)
    • [11].基于MapReduce的频繁项集挖掘算法研究[J]. 物流技术 2015(08)
    • [12].MapReduce并行编程模型研究综述[J]. 计算机科学 2015(S1)
    • [13].脑机接口的MapReduce计算模型[J]. 福州大学学报(自然科学版) 2013(06)
    • [14].故障诊断算法在MapReduce中的优化实现[J]. 计算机测量与控制 2016(11)
    • [15].一种基于MapReduce的实体共指消解方法[J]. 齐鲁工业大学学报(自然科学版) 2016(06)
    • [16].面向多用户环境的MapReduce集群调度算法研究[J]. 高技术通讯 2017(04)
    • [17].浅谈MapReduce与关系型数据库技术的融合[J]. 河北软件职业技术学院学报 2017(03)
    • [18].应用MapReduce的多维小波变换模型[J]. 辽宁工程技术大学学报(自然科学版) 2016(01)
    • [19].一种基于MapReduce的频繁项集挖掘算法[J]. 软件导刊 2015(04)
    • [20].支持云计算环境的MapReduce模拟器设计[J]. 信阳师范学院学报(自然科学版) 2015(03)
    • [21].基于应用程序的MapReduce性能优化[J]. 计算机技术与发展 2015(07)
    • [22].基于MapReduce模型的排序算法优化研究[J]. 计算机科学与探索 2015(04)
    • [23].基于MapReduce的频繁项目集挖掘算法在煤炭销售系统中的研究[J]. 煤炭技术 2014(02)
    • [24].基于MapReduce的数据立方体分区优化算法研究[J]. 信息安全与技术 2014(04)
    • [25].基于MapReduce的多元线性回归预测模型[J]. 计算机应用 2014(07)
    • [26].基于MapReduce的蚁群优化算法实现方法[J]. 计算机科学 2014(07)
    • [27].一种基于MapReduce的频繁闭项集挖掘算法[J]. 模式识别与人工智能 2012(02)
    • [28].MapReduce并行编程模型研究综述[J]. 电子学报 2011(11)
    • [29].基于投影寻踪和MapReduce的并行案例推理模型[J]. 计算机应用研究 2017(02)
    • [30].MapReduce编程模型及其在图像处理中的应用研究综述[J]. 测绘与空间地理信息 2015(04)

    标签:;  ;  ;  ;  

    网格中基于MapReduce应用的可视化系统的设计与实现
    下载Doc文档

    猜你喜欢