| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题来源 | 第10页 |
| 1.1.1 课题背景 | 第10页 |
| 1.1.2 课题来源介绍 | 第10页 |
| 1.2 课题研究的目的和意义 | 第10-11页 |
| 1.3 研究现状 | 第11-14页 |
| 1.3.1 国内外研究现状 | 第11-14页 |
| 1.3.2 国内外研究现状总结 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 云平台多任务并发调度策略推荐关键技术 | 第16-23页 |
| 2.1 Paa S云平台的任务调度和资源分配 | 第16-17页 |
| 2.1.1 Mesos的资源管理 | 第16-17页 |
| 2.1.2 C hronos任务调度 | 第17页 |
| 2.2 轻量级虚拟化的Docker | 第17-19页 |
| 2.2.1 Docker软件架构 | 第18页 |
| 2.2.2 Docker底层原理 | 第18-19页 |
| 2.2.3 Docker镜像和容器 | 第19页 |
| 2.2.4 Docker的API(Application Programming Interface) | 第19页 |
| 2.3 任务调度和资源分配相关算法 | 第19-22页 |
| 2.3.1 蚁群算法 | 第20-21页 |
| 2.3.2 极小极小（Min-Min）算法 | 第21-22页 |
| 2.4 误差修正方法 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 云平台多任务并发调度策略推荐系统设计 | 第23-42页 |
| 3.1 系统需求分析与设计目标 | 第23-25页 |
| 3.2 系统整体设计 | 第25-30页 |
| 3.2.1 系统功能结构设计 | 第25-26页 |
| 3.2.2 系统架构设计 | 第26-27页 |
| 3.2.3 系统整体数据交互设计 | 第27-28页 |
| 3.2.4 系统数据库设计 | 第28-30页 |
| 3.3 系统功能模块详细设计 | 第30-40页 |
| 3.3.1 任务管理模块设计 | 第30-31页 |
| 3.3.2 镜像配置和监测模块设计 | 第31-33页 |
| 3.3.3 资源监测模块设计 | 第33-34页 |
| 3.3.4 任务资源测评模块设计 | 第34-36页 |
| 3.3.5 云平台多任务并发调度策略推荐模块设计 | 第36-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 云平台多任务并发调度策略推荐系统实现 | 第42-64页 |
| 4.1 任务管理模块的具体实现 | 第42-46页 |
| 4.1.1 功能的数据描述 | 第42-43页 |
| 4.1.2 任务管理功能模块实现 | 第43-46页 |
| 4.2 镜像配置和监测模块实现 | 第46-51页 |
| 4.2.1 数据描述 | 第47-48页 |
| 4.2.2 功能流程 | 第48-51页 |
| 4.3 资源监测模块实现 | 第51-53页 |
| 4.3.1 数据描述 | 第51-52页 |
| 4.3.2 功能流程 | 第52-53页 |
| 4.4 任务资源测评模块实现 | 第53-58页 |
| 4.4.1 数据描述 | 第53-54页 |
| 4.4.2 功能流程 | 第54-58页 |
| 4.5 云平台多任务并发调度策略推荐模块实现 | 第58-62页 |
| 4.5.1 数据描述 | 第58页 |
| 4.5.2 功能流程 | 第58-62页 |
| 4.6 本章小结 | 第62-64页 |
| 第5章 云平台多任务并发调度策略推荐系统测试 | 第64-77页 |
| 5.1 系统测试环境 | 第64页 |
| 5.2 系统功能测试 | 第64-74页 |
| 5.2.1 任务管理功能测试 | 第65-67页 |
| 5.2.2 镜像配置和监测功能测试 | 第67-69页 |
| 5.2.3 资源监测功能测试 | 第69-72页 |
| 5.2.4 任务资源测评功能测试 | 第72页 |
| 5.2.5 任务并发调度策略推荐功能测试 | 第72-74页 |
| 5.3 系统性能测试 | 第74-76页 |
| 5.3.1 基于机器学习的任务执行时间预测误差修正精度测试 | 第74-75页 |
| 5.3.2 蚁群算法和极小极小算法任务调度测试 | 第75-76页 |
| 5.4 本章小结 | 第76-77页 |
| 结论 | 第77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83页 |