云环境下的任务负载特性分析及调度算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 任务调度研究现状 | 第14-15页 |
| 1.2.2 资源部署研究现状 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第2章 相关技术研究及分析 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 云计算技术 | 第19-22页 |
| 2.2.1 云计算的定义 | 第19-21页 |
| 2.2.2 云计算的基础架构 | 第21-22页 |
| 2.3 马尔科夫链建模理论 | 第22-24页 |
| 2.3.1 马尔科夫过程 | 第22页 |
| 2.3.2 马尔科夫链的定义与性质 | 第22-23页 |
| 2.3.3 马尔科夫链的平稳分布及遍历性 | 第23-24页 |
| 2.3.4 马尔科夫性验证定理 | 第24页 |
| 2.4 遗传算法介绍 | 第24-26页 |
| 2.4.1 遗传算法基本流程 | 第24-25页 |
| 2.4.2 遗传算法的特点 | 第25-26页 |
| 2.5 CloudSim仿真平台介绍 | 第26-28页 |
| 2.5.1 CloudSim体系架构 | 第26-27页 |
| 2.5.2 CloudSim的核心类 | 第27-28页 |
| 2.6 小结 | 第28-29页 |
| 第3章 基于负载感知的虚拟资源部署模型 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 负载特性提取动机 | 第29-32页 |
| 3.3 负载建模及特性定义 | 第32-37页 |
| 3.3.1 负载的马尔科夫建模 | 第33-35页 |
| 3.3.2 负载特性相关算子定义 | 第35-37页 |
| 3.4 负载感知的虚拟机簇预估模型 | 第37-41页 |
| 3.4.1 持续性与虚拟机服务簇的关系 | 第37-39页 |
| 3.4.2 重现时间与虚拟机服务簇的关系 | 第39-41页 |
| 3.4.3 负载感知模型 | 第41页 |
| 3.5 实验验证与分析 | 第41-45页 |
| 3.5.1 实验环境配置 | 第42页 |
| 3.5.2 实验结果分析 | 第42-45页 |
| 3.6 小结 | 第45-46页 |
| 第4章 基于遗传算法的双边优化任务调度机制 | 第46-61页 |
| 4.1 引言 | 第46页 |
| 4.2 双边优化的任务调度系统 | 第46-49页 |
| 4.2.1 设计目标和原则 | 第46-47页 |
| 4.2.2 双边优化的任务调度系统架构 | 第47-48页 |
| 4.2.3 系统架构组件介绍 | 第48-49页 |
| 4.3 基于遗传算法的双边优化任务调度 | 第49-54页 |
| 4.3.1 调度算法设计 | 第49-54页 |
| 4.3.2 算法流程 | 第54页 |
| 4.4 实验结果与分析 | 第54-60页 |
| 4.4.1 实验环境与设置 | 第54-55页 |
| 4.4.2 算法仿真实现 | 第55-56页 |
| 4.4.3 实验结果与分析 | 第56-60页 |
| 4.5 小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 附录 A 攻读硕士学位期间所发表的学术论文目录 | 第68-69页 |
| 附录 B 攻读硕士学位期间所参与的研究项目 | 第69-70页 |
| 致谢 | 第70页 |
