大数据处理平台能耗优化方法的研究 pdf下载

　　《大数据处理平台能耗优化方法的研究》阐述了笔者宋杰三年来在该领域所取得的研究成果，重点围绕大数据处理平台中“缩减节点的等待时间以减少空闲能耗”这一能耗优化方法。首先综述了大数据处理平台和能耗优化研究进展；随后从评价模型和核心技术两个层面展开论述。模型层面介绍如何建立大数据处理平台的能耗模型和求解*小能耗值，以及主流NosQL数据库系统的能耗基准测试方法和测试结果。技术层面介绍：通过优化资源分配和任务调度策略，消除资源瓶颈，减少资源等待；或通过优化数据布局策略，提高节点并行性，减少节点间等待；*终降低平台能耗。《大数据处理平台能耗优化方法的研究》*后探讨了大数据处理平台能耗优化的进一步思路，及面向大数据处理算法的能耗优化。

　　宋杰，男，博士，副教授，留法博士后，东北大学引进人才，东软集团博士后。从事高能效计算、大数据存储与管理研究。近5年，发表论文22篇，其中SCI检索期刊7篇，计算机学报5篇，软件学报5篇；申请专利6项，软件著作权3项，维护开源项目3项；主持包括国家自然科学基金青年、面上、重大（子项）项目等各类纵向科研项目10项，以及横向项目若干；牵头制定国家云计算相关标准一项。是中国计算机学会（CCF）高级会员。

第1章 绪论

第2章 大数据处理平台
2．1 平台描述
2．1．1 Hadoop
2．1．2 GridGain
2．1．3 Mars
2．1．4 Phoenix
2．1．5 Disco
2．1．6 Twister
2．1．7 Haloop
2．1．8 iMapReduce
2．1．9 iHadoop
2．1．10 PrIter
2．1．11 Dryad
2．1．12 Spark
2．2 平台对比
2．3 本章小结

第3章 能耗优化研究进展
3．1 能耗研究的层次
3．2 能耗优化方法
3．3 集群环境下的能耗优化方法
3．4 数据库系统能耗优化方法
3．5 研究现状分析
3．6 本章小结

第4章 大数据处理平台的能效度量模型
4．1 引言
4．2 相关工作
4．3 能效模型
4．4 能效测量和计算方法
4．4．1 测量方法
4．4．2 计算方法
4．4．3 能效极值分析
4．5 实验分析
4．5．1 单机实验
4．5．2 集群环境实验
4．6 本章小结

第5章 大数据处理平台的能耗基准测试与分析
5．1 引言
5．2 相关工作
5．3 基准测试方法
5．3．1 数据模型
5．3．2 测试用例
5．3．3 能耗模型
5．3．4 能耗分析方法
5．3．5 能耗测量方法
5．4 实验分析
5．4．1 实验环境
5．4．2 基准能耗比较
5．4．3 等待能耗分析
5．4．4 优化方法
5．5 本章小结

第6章 优化大数据处理平台的资源比模型
6．1 引言
6．2 相关工作
6．3 普适的资源和能效模型
……
第7章 优化大数据处理平台能耗的任务分发算法
第8章 优化大数据处理平台能耗的数据布局算法
第9章 大数据处理算法能耗优化研究展望
参考文献
后记

　　大数据时代的到来将使处理数据所用的计算机数量快速增长，日益普及的大数据系统所导致的大量能耗问题已引起政府和业界的重视。大数据处理平台是大数据系统中最重要的一类，但现有绿色计算的研究成果尚不能完全有效地适用于大数据处理平台，尚缺少有针对性的基于中间件的能耗优化方法。本书阐述了笔者三年来在该领域所取得的研究成果，重点围绕大数据处理平台中“缩减节点的等待时间以减少空闲能耗”这一能耗优化方法。首先综述了大数据处理平台和能耗优化研究进展；随后从评价模型和核心技术两个层面展开论述。模型层面介绍如何建立大数据处理平台的能耗模型和求解最小能耗值，以及主流NoSQL数据库系统的能耗基准测试方法和测试结果。技术层面介绍：通过优化资源分配和任务调度策略，消除资源瓶颈，减少资源等待；或通过优化数据布局策略，提高节点并行性，减少节点间等待；最终降低平台能耗。本书最后探讨了大数据处理平台能耗优化的进一步思路，及面向大数据处理算法的能耗优化。
　　通过阅读本书，读者能够更加深入理解大数据处理平台的核心技术和能耗优化的学术前沿，帮助读者更加有效地构建平台，或对现有平台进行改进，以及开展大数据和绿色计算领域的交叉研究。本书所述内容有利于研发大数据处理平台，推动大数据技术的应用，具有重要的科学意义和广泛的应用前景。