面向数据中心的资源调度算法仿真分析研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 云计算数据中心 | 第10-11页 |
| 1.1.2 数据中心能源消耗问题 | 第11页 |
| 1.1.3 数据中心资源调度 | 第11-12页 |
| 1.2 研究目的及意义 | 第12-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 数据中心资源调度算法相关研究概述 | 第16-26页 |
| 2.1 数据中心能耗评估方法 | 第16-18页 |
| 2.1.1 基于直接测量的能耗评估方法 | 第16页 |
| 2.1.2 面向真实物理集群的能耗估算方法 | 第16-18页 |
| 2.1.3 云计算仿真平台内置能耗评估方法 | 第18页 |
| 2.2 基于虚拟机放置的资源调度算法 | 第18-21页 |
| 2.2.1 虚拟机放置问题定义 | 第18-19页 |
| 2.2.2 虚拟机放置算法研究现状 | 第19-21页 |
| 2.2.3 虚拟机放置算法的能耗优化 | 第21页 |
| 2.3 基于任务分配的资源调度算法 | 第21-24页 |
| 2.3.1 任务分配问题定义 | 第21-22页 |
| 2.3.2 任务分配算法研究现状 | 第22-24页 |
| 2.3.3 任务分配算法的能耗优化 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 基于仿真技术的数据中心能耗评估方法 | 第26-35页 |
| 3.1 CloudSim 仿真平台 | 第26-27页 |
| 3.2 数据中心能耗建模原理 | 第27-28页 |
| 3.3 计算节点数据收集 | 第28-29页 |
| 3.4 数据中心能耗建模 | 第29-31页 |
| 3.4.1 多元线性回归能耗模型 | 第29-30页 |
| 3.4.2 多元非线性回归能耗模型 | 第30-31页 |
| 3.5 实验结果与分析 | 第31-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 基于虚拟机放置的资源调度算法 | 第35-48页 |
| 4.1 虚拟机放置模型及优化目标 | 第35-36页 |
| 4.2 改进的BFD虚拟机放置算法 | 第36-37页 |
| 4.3 蚁群算法在虚拟机放置中的应用 | 第37-42页 |
| 4.3.1 蚁群算法简介 | 第37-39页 |
| 4.3.2 信息素与启发信息 | 第39页 |
| 4.3.3 状态转移规则 | 第39-40页 |
| 4.3.4 信息素更新规则 | 第40-42页 |
| 4.4 BFD与蚁群算法结合的虚拟机放置算法 | 第42-44页 |
| 4.5 Cloudsim 仿真实验 | 第44-47页 |
| 4.5.1 实验设计及参数设置 | 第44-46页 |
| 4.5.2 实验结果分析 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 基于任务分配的资源调度算法 | 第48-59页 |
| 5.1 独立任务调度模型及优化目标 | 第48-50页 |
| 5.2 基于 Max-Min 的混合遗传算法 | 第50-54页 |
| 5.2.1 遗传算法简介 | 第50页 |
| 5.2.2 染色体编码映射 | 第50-51页 |
| 5.2.3 Max-Min 算法生成初代种群 | 第51-52页 |
| 5.2.4 适应度函数设计 | 第52-53页 |
| 5.2.5 遗传算子设计 | 第53-54页 |
| 5.3 Cloudsim 仿真实验与结果分析 | 第54-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-62页 |
| 6.1 全文总结 | 第59-60页 |
| 6.2 研究展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间的研究成果 | 第68页 |
