| 摘要 | 第1-7页 |
| ABSTRACT | 第7-15页 |
| 第一章 绪论 | 第15-33页 |
| ·研究背景与意义 | 第15-17页 |
| ·数据中心的分类及能耗分布 | 第17-19页 |
| ·不同层次的节能技术研究 | 第19-29页 |
| ·数据中心级的节能技术研究 | 第19-24页 |
| ·系统级的节能技术研究 | 第24-27页 |
| ·组件级的节能技术研究 | 第27-29页 |
| ·本文的主要工作 | 第29-33页 |
| ·本文的贡献 | 第29-30页 |
| ·论文结构及主要研究内容 | 第30-33页 |
| 第二章 网络物理系统与虚拟化数据中心 | 第33-43页 |
| ·虚拟化技术概述 | 第33-38页 |
| ·虚拟机系统的核心技术介绍 | 第34-35页 |
| ·主流虚拟机系统介绍 | 第35-38页 |
| ·网络物理系统概述 | 第38-41页 |
| ·网络物理系统定义 | 第38-39页 |
| ·网络物理系统与物联网的关系 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第三章 基于加强学习算法的热量感知负载调度 | 第43-61页 |
| ·引言 | 第43-45页 |
| ·热量感知的物联网系统架构 | 第45-49页 |
| ·数据中心的布局 | 第45-47页 |
| ·网络—物理系统的架构 | 第47-49页 |
| ·基于强化学习模型的核心算法设计与实现 | 第49-51页 |
| ·强化学习模型背景介绍 | 第49-50页 |
| ·强化学习模型在数据中心节能管理中的应用 | 第50-51页 |
| ·强化学习模型的算法实现 | 第51-54页 |
| ·神经网络预测模型 | 第52-53页 |
| ·算法实现 | 第53-54页 |
| ·实验验证 | 第54-58页 |
| ·工作站的能耗属性验证 | 第55-56页 |
| ·神经网络模型的验证 | 第56-57页 |
| ·强化学习模型的验证及系统性能分析 | 第57-58页 |
| ·本章小节 | 第58-61页 |
| 第四章 基于比例积分控制器的能效感知服务器调度 | 第61-81页 |
| ·引言 | 第61-62页 |
| ·研究背景与动机 | 第62-67页 |
| ·刀片工作站结构介绍 | 第62-63页 |
| ·三相交流电供应背景 | 第63-65页 |
| ·研究动机 | 第65-67页 |
| ·基于电流平衡的控制模型 | 第67-71页 |
| ·目标函数与限制条件 | 第67-68页 |
| ·测量参数与制动器 | 第68-69页 |
| ·控制器 | 第69页 |
| ·比例积分控制模型 | 第69-71页 |
| ·基于电流平衡的计算资源管理 | 第71-74页 |
| ·虚拟机资源分配策略与算法 | 第71-74页 |
| ·周期性资源调整策略与算法 | 第74页 |
| ·实验验证 | 第74-80页 |
| ·实验系统环境 | 第74-76页 |
| ·推理假设验证 | 第76-77页 |
| ·控制模型验证 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 第五章 基于网络物理系统的数据中心应用性能与能量管理 | 第81-107页 |
| ·引言 | 第81-84页 |
| ·相关研究 | 第84-85页 |
| ·基于网络控制的IT资源分配管理 | 第85-90页 |
| ·网络控制系统架构概述 | 第86-88页 |
| ·基于主动控制的应用系统配置管理 | 第88-89页 |
| ·基于反馈控制的节点资源分配管理 | 第89-90页 |
| ·基于物理位置控制的负载调度管理 | 第90-91页 |
| ·改进的基于电流平衡的负载调度算法 | 第90-91页 |
| ·基于网络物理系统的协作IT资源管理系统 | 第91-98页 |
| ·基于收支平衡模型的能量感知网络物理系统 | 第92-95页 |
| ·系统实现 | 第95-98页 |
| ·实验验证 | 第98-105页 |
| ·基于网络控制的应用性能评测 | 第99-100页 |
| ·基于物理控制的系统能效评测 | 第100-102页 |
| ·协作网络物理系统性能评测 | 第102-105页 |
| ·本章小结 | 第105-107页 |
| 第六章 总结与展望 | 第107-109页 |
| 参考文献 | 第109-115页 |
| 致谢 | 第115-117页 |
| 攻读学位期间发表的学术论文目录 | 第117-118页 |