| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 研究内容及意义 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第二章 多个云环境下大数据工作流的调度机制分析 | 第18-25页 |
| 2.1 大数据工作流的概念 | 第18-19页 |
| 2.2 工作流调度简介 | 第19-24页 |
| 2.2.1 工作流调度问题的定义 | 第20-22页 |
| 2.2.2 静态工作流调度和动态工作流调度介绍 | 第22页 |
| 2.2.3 静态工作流调度和动态工作流调度问题研究及算法 | 第22-23页 |
| 2.2.4 云计算环境下工作流调度问题研究及算法 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 多个云环境下大数据工作流调度的数学模型和算法 | 第25-44页 |
| 3.1 多个云环境中的工作流的三层模型与参数说明 | 第25-29页 |
| 3.2 多个云环境中考虑可靠性约束的工作流映射问题的描述 | 第29-32页 |
| 3.2.1 时间成本模型 | 第29-30页 |
| 3.2.2 可靠性模型 | 第30-31页 |
| 3.2.3 预算成本模型 | 第31页 |
| 3.2.4 端对端延迟 | 第31页 |
| 3.2.5 问题定义与复杂性分析 | 第31-32页 |
| 3.2.6 问题的扩展与变形 | 第32页 |
| 3.3 端对端延迟优化算法的设计 | 第32-43页 |
| 3.3.1 RMWCM算法的设计与分析 | 第33-38页 |
| 3.3.2 针对扩展的多个云环境下考虑可靠性约束的工作流映射问题的EMCWM算法的设计与分析 | 第38-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 算法模拟实验与结果分析 | 第44-52页 |
| 4.1 模拟实验程序的基本框架 | 第44-45页 |
| 4.2 实验的环境与评价标准 | 第45-46页 |
| 4.2.1 实验的环境 | 第45页 |
| 4.2.2 实验的评价标准 | 第45-46页 |
| 4.3 算法实现和性能分析 | 第46-51页 |
| 4.3.1 RMCWM在不同情况下的性能改进 | 第46-48页 |
| 4.3.2 EMCWM的算法性能分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文要点总结和文中所存在的不足 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间取得的科研成果 | 第59页 |
