| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景 | 第9-10页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 课题的研究目的与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文的主要工作 | 第14页 |
| 1.4 本文的主要结构 | 第14-16页 |
| 第2章 弹性云服务 | 第16-23页 |
| 2.1 弹性云服务的概念 | 第16-19页 |
| 2.1.1 弹性的定义 | 第16-18页 |
| 2.1.2 弹性云服务的概念 | 第18-19页 |
| 2.2 AEOAS算法的基本思想 | 第19-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 改进的动态SARIMA-BPNN在线预测算法 | 第23-37页 |
| 3.1 SARIMA-BPNN预测算法设计思想 | 第23-24页 |
| 3.2 基于改进的动态SARIMA-BPNN在线负载预测算法 | 第24-32页 |
| 3.2.1 ARIMA预测模型 | 第24-26页 |
| 3.2.2 带有季节信息的SARIMA预测模型 | 第26-27页 |
| 3.2.3 BPNN模型 | 第27-29页 |
| 3.2.4 SARIMA-BPNN模型 | 第29-32页 |
| 3.3 实验结果及分析 | 第32-35页 |
| 3.3.1 负载数据准备 | 第32-33页 |
| 3.3.2 预测结果分析 | 第33-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 基于Cloud Stack平台的AEOAS弹性调度 | 第37-48页 |
| 4.1 基于Cloud Stack的资源弹性调度器的设计 | 第37-40页 |
| 4.1.1 弹性云服务管理流程-MAPE循环 | 第37-38页 |
| 4.1.2 基于Cloud Stack的弹性资源调度管理 | 第38-39页 |
| 4.1.3 基于Cloud Stack的TPC-W弹性应用部署 | 第39-40页 |
| 4.2 弹性调度算法AEOAS的设计与实现 | 第40-46页 |
| 4.2.1 基于补偿的二级ARIMA在线预测算法 | 第40-42页 |
| 4.2.2 资源分配 | 第42-45页 |
| 4.2.3 AEOAS算法详述 | 第45-46页 |
| 4.3 测试原理与测试流程 | 第46-47页 |
| 4.3.1 被测系统工作原理 | 第46-47页 |
| 4.3.2 测试工作的流程 | 第47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 实验结果与分析 | 第48-62页 |
| 5.1 实验环境 | 第48-49页 |
| 5.2 实验相关数据 | 第49-53页 |
| 5.2.1 评测指标 | 第49页 |
| 5.2.2 资源服务能力 | 第49-51页 |
| 5.2.3 资源计费标准 | 第51页 |
| 5.2.4 负载设计 | 第51-53页 |
| 5.3 实验结果与分析 | 第53-60页 |
| 5.3.1 简单波形负载 | 第53-54页 |
| 5.3.2 复杂突发型负载 | 第54-60页 |
| 5.4 本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 主要参考文献 | 第64-73页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第73-75页 |
| 致谢 | 第75-76页 |
