Hadoop云平台的一种新的任务调度和监控机制

被引:52
作者
许丞 [1 ]
刘洪 [1 ]
谭良 [1 ,2 ]
机构
[1] 四川师范大学计算机科学学院
[2] 中国科学院计算技术研究所
关键词
云计算; Hadoop; 任务监控; 任务调度; 资源管理; 增量更新算法;
D O I
暂无
中图分类号
TP309 [安全保密];
学科分类号
081201 ; 0839 ; 1402 ;
摘要
云平台任务监控与资源调度机制是云平台的核心功能之一。Hadoop云平台中任务监控和资源管理的任务是由JobTracker负责处理,并通过slave节点向其发送心跳消息来实现。这种方式导致JobTracker的负载过重,降低了Hadoop云平台的工作效率,限制了Hadoop云平台的规模。提出了一种新的任务监控方案,该方案将JobTracker的任务监控和资源管理功能分离,任务监控功能仍由JobTracker节点完成,资源管理功能由新增的资源管理节点完成,JobTracker通过增量更新的算法将任务调度所需的对象信息动态同步到资源管理节点上,资源管理节点根据心跳消息进行任务分配,并将分配结果返回给JobTracker节点。实验结果表明,本方案不仅通过监控节点实现了任务的监控,增加了监控的灵活性和鲁棒性,而且降低了Jobtracker节点的负担,可有效提高Hadoop云平台的工作效率和规模。
引用
收藏
页码:112 / 117
页数:6
相关论文
共 3 条
[1]   MapReduce并行编程模型研究综述 [J].
李建江 ;
崔健 ;
王聃 ;
严林 ;
黄义双 .
电子学报, 2011, 39 (11) :2635-2642
[2]   MapReduce Optimization Using Regulated Dynamic Prioritization [J].
Sandholm, Thomas ;
Lai, Kevin .
SIGMETRICS/PERFORMANCE'09, PROCEEDINGS OF THE 2009 JOINT INTERNATIONAL CONFERENCE ON MEASUREMENT AND MODELING OF COMPUTER SYSTEMS, 2009, 37 (01) :299-310
[3]  
发展开放平台技术 .2 孙凝晖. http://it.chinabyte.com/357/11520857.shtml . 2010