在大数据处理过程中，当一个新任务到达，但是没有足够资源的时候常用的策略有两个：一是“等”；二是“抢”。任务的资源需求量、吞吐量、时效性、优先级别等因素都不同，“等”和“抢”都不是好的策略。本书以此为出发点，深入浅出地介绍了面向大数据和云计算的异构结构集群资源调度框架和应用，内容包含大数据和云计算环境下资源调度框架的特点和适应的应用，并以图文并茂的形式给出了多种CPU－GPU资源分配的策略和实施过程。为了让读者进一步理解资源调度框架的实质，针对批处理和流处理作业，介绍了两种大规模图数据挖掘的示范应用。
本书可以为大数据和云计算相关领域的程序员、架构师、运维人员和产品经理提供技术参考和培训资源，也可以作为大中专院校相关课程的教材。

第1章 集群资源调度的嬗变
1.1 概述
1.2 高性能计算集群
1.3 高可靠集群
1.4 负载平衡集群
1.5 面向大数据和云计算的集群
1.6 结束语
第2章 面向大数据和云计算的异构结构集群资源管理概述
2.1 概述
2.2 面向大数据和云计算的集群资源管理的特征
2.3 面向大数据和云计算的集群资源管理需求及调度策略
2.4 面向大数据和云计算的集群资源调度框架的对比
2.5 结束语
第3章 面向大数据和云计算的异构集群集中式资源调度框架
3.1 概述
3.2 集中式调度框架的问题
3.3 异构集群集中式调度框架的总体流程
3.4 异构集群的细粒度资源分配算法
3.5 系统评价
3.6 结束语
第4章 集中式资源调度框架的负载平衡和优化
4.1 异构集群上的负载平衡策略
4.2 异构集群上集中式调度的可扩展性优化
4.3 结束语
第5章 面向大数据和云计算的异构结构集群分布式资源调度框架
5.1 概述
5.2 相关工作
5.3 设计目标
5.4 并行作业的二阶段调度
5.5 调度策略及约束
5.6 系统实现
5.7 性能评价
5.8 结束语
第6章 面向大数据的异构集群混合式资源调度框架
6.1 概述
6.2 相关研究进展
6.3 系统需求
6.4 HRM系统模型
6.5 队列管理器
6.6 基于队列状态的分布式资源调度
6.7 结束语
第7章 面向大数据和云计算的GPU集群共享调度算法
7.1 概述
7.2 GPU集群研究现状
7.3 计算模型
7.4 基于GPU数量的共享调度策略
7.5 基于最小代价最大任务数的调度
7.6 实验设计
7.7 结束语
第8章 面向大数据和云计算的异构结构集群性能监控
8.1 概述
8.2 HRM性能监控系统的需求分析
8.3 HRM性能监控系统的设计
8.4 HRM性能监控系统的实现
8.5 结束语
第9章 面向异构结构集群的分布式机器学习的资源调度框架研究
9.1 概述
9.2 分布式机器学习的资源调度框架
9.3 调度算法的实现
9.4 实验评价
9.5 结束语
第10章 基于数据流的大图中频繁模式挖掘算法研究
10.1 概述
10.2 相关的工作介绍
10.3 问题描述
10.4 基于数据流的频繁模式挖掘模型
10.5 基于数据流的频繁模式挖掘算法的性能优化
10.6 算法的性能评价
10.7 结束语
第11章 大图中全部极大团的并行挖掘算法研究
11.1 概述
11.2 问题描述
11.3 大图中的极大团的计算方法
11.4 极大团并行挖掘算法的优化
11.5 极大团并行挖掘算法的实现
11.6 实验评价
11.7 结束语
参考文献