如今，Hadoop已成为云计算平台的关键部件，并获得了越来越多的支持，不少学者着手 研究和优化Hadoop平台现有技术。分布式系统拥有多处理机，其作业执行的高效性在于任务 的并行执行效率，所以，把作业中不同的任务合理地分配到各个节点上计算可以有效提升并 行度和效率。任务的分配涉及到任务分配算法，此问题是在复杂空间下的搜索问题，也是 NP-complete问题。而近年学者们感兴趣的遗传算法[2]（Genetic Algorithm，简称GA）是一类 常见并有效的随机搜索算法，该算法借鉴于自然界中生物的繁殖进化过程，可以较好地计算 出此问题下的近似最佳解，正好适用于Hadoop平台中的任务分配。本文提出了基于遗传算法 的Hadoop平台任务调度策略，经实验验证，此策略能较好地完成作业任务的分配与执行。 1。2 国内外研究现状

传统的Hadoop调度器最初是FIFO的批处理调度器，后由Facebook开发了适用于多用户的 FairScheduler，可以保证各作业基本能公平共享集群的资源；雅虎公司也开发了一种适用于多 用户的CapacityScheduler，它可以看作FIFOScheduler的多队列变形，限制了相同用户提交的 作业所占的资源量，以此提高整个集群的吞吐量[4]。上述调度器都是现在的Hadoop中内置的 三种调度器，用户可自行配置。

近年来，对传统的调度器改进和开发层出不穷。HOD（Hadoop On Demand）调度器适用 于异构负载的环境，它使用Torque资源管理器来分配节点和提交作业；Matei Zaharia,Andy Konwin-ski等提出的LATE调度器[5]同样适用于异构集群，它可以重新执行进展较慢的任务， 以此使这些任务的完成时间减小，而文献6结合Hadoop平台集群的异构性提出了改进的LATE 调度算法[6]，用于解决在分配节点上执行那些落后任务的备份任务时的不足。遗传算法作为常见的启发式优化算法，其研究与应用广泛，文献7提出了此算法下的车间 作业计划仿真的研究[7]，而文献8中展示了此算法在计算机辅助药物分子设计中的应用[8]，另 外还有在电气工程，机械工程和控制工程等领域各有应用。常见启发式三种算法：模拟退火， 遗传算法，蚁群算法，国内各自都提出了基于这三种的Hadoop调度算法。例如，文献9中提 到了基于模拟退火算法的调度策略实现[9]；任萱萱提出了基于遗传算法的Hadoop调度策略[10]； 此外，在文献11中提到了基于蚁群算法的调度策略实现[11]。三种算法中，遗传算法和蚁群算 法较之模拟退火算法求解质量高，收敛速度较快，三者各有其优缺点。除上述外，还有很多 相关的改进算法，这些新型调度策略针对特定的作业任务在仿真下有较好的表现。

1。3 论文研究内容

本文研究了 Hadoop 平台的 MapReduce 框架，Hadoop 的任务调度策略和模型以及基础遗 传算法的模型和实现，设计并实现了基于遗传算法的 Hadoop 任务分配算法，同时对其进行 验证，得到验证结果。

1。4 论文结构

本文一共五章，各章的内容如下： 第一章，简要分析了云计算的相关概念和大数据处理平台 Hadoop 的相关研究背景，尤其

是任务调度模块，还介绍了本文的研究工作和本文的结构设置。 第二章，总的概括了本文相关的 Hadoop 平台知识。首先是对此平台的简单说明，分析了

存储管理模块及 MapReduce 计算框架；然后介绍了此平台的作业调度系统，包括其相关概念， 插件式调度框架和经典的调度器的介绍。

第三章，介绍了基于遗传算法的任务分配的模型。先简明介绍遗传算法的原理，然后给 出了此算法的数学模型，第三节列举了若干个关键点，最后给出此算法的流程步骤。