| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 基于心跳策略的故障检测方法 | 第12-14页 |
| 1.2.2 基于性能数据的故障检测方法 | 第14-15页 |
| 1.2.3 存在问题 | 第15-16页 |
| 1.3 研究内容 | 第16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 相关技术 | 第18-26页 |
| 2.1 分层检测模型 | 第18页 |
| 2.2 云环境下Hadoop技术介绍 | 第18-22页 |
| 2.2.1 Hadoop分布式存储系统HDFS | 第19-20页 |
| 2.2.2 Hadoop的分布式计算框架MapReduce | 第20-22页 |
| 2.3 kNN算法 | 第22-23页 |
| 2.3.1 传统kNN算法 | 第22-23页 |
| 2.3.2 模糊kNN算法 | 第23页 |
| 2.4 数据采集工具—Sysstat | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 云环境下故障模型构建 | 第26-36页 |
| 3.1 云计算体系结构 | 第26-27页 |
| 3.2 IaaS层故障模型 | 第27-30页 |
| 3.2.1 IaaS层体系架构 | 第27-28页 |
| 3.2.2 IaaS层故障分析 | 第28-30页 |
| 3.3 PaaS层故障模型 | 第30-32页 |
| 3.3.1 PaaS层体系架构 | 第30-31页 |
| 3.3.2 PaaS层故障分析 | 第31-32页 |
| 3.4 SaaS层故障模型 | 第32-34页 |
| 3.4.1 SaaS层体系架构 | 第32-33页 |
| 3.4.2 SaaS层故障分析 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 基于改进模糊kNN的云计算故障检测方法 | 第36-52页 |
| 4.1 基于紧密度的模糊加权kNN算法 | 第36-40页 |
| 4.1.1 隶属度计算 | 第36-38页 |
| 4.1.2 特征权重计算 | 第38-39页 |
| 4.1.3 待分类样本类别确定 | 第39-40页 |
| 4.2 AFkNN算法有效性验证实验 | 第40-43页 |
| 4.2.1 实验数据集 | 第40页 |
| 4.2.2 实验及结果分析 | 第40-43页 |
| 4.3 使用改进模糊kNN检测云计算故障 | 第43-50页 |
| 4.3.1 云计算故障数据预处理 | 第44-46页 |
| 4.3.2 云计算故障特征加权 | 第46-48页 |
| 4.3.3 确定待检测云计算数据的近邻训练样本 | 第48-49页 |
| 4.3.4 确定待检测云计算数据检测结果 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 云计算故障检测原型系统实现与实验 | 第52-62页 |
| 5.1 云计算故障检测原型系统的体系架构 | 第52-56页 |
| 5.1.1 故障数据预处理模块 | 第52-54页 |
| 5.1.2 检测结果显示模块 | 第54-56页 |
| 5.2 实验 | 第56-61页 |
| 5.2.1 实验环境 | 第56-58页 |
| 5.2.2 实验及结果分析 | 第58-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 工作总结： | 第62页 |
| 6.2 下一步工作 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 附录 A 攻读学位期间科研成果及参与课题项目目录 | 第72页 |