面向PaaS平台的资源动态调度研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题背景 | 第12-14页 |
| 1.1.1 云计算的服务模式 | 第12-14页 |
| 1.1.2 云计算的部署模型 | 第14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 课题研究的主要内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 Cloud Foundry架构与组件分析 | 第18-36页 |
| 2.1 Cloud Foundry的整体架构 | 第18-21页 |
| 2.2 Router组件 | 第21-22页 |
| 2.3 UAA组件 | 第22-23页 |
| 2.4 Cloud Controller组件 | 第23-25页 |
| 2.5 Health Manager组件 | 第25-26页 |
| 2.6 DEA与Warden组件 | 第26-34页 |
| 2.6.1 DEA的架构与设计 | 第27-29页 |
| 2.6.2 Warden的架构与设计 | 第29-34页 |
| 2.7 Service Broker组件 | 第34-35页 |
| 2.8 本章小结 | 第35-36页 |
| 第3章 云资源使用量预测模型及调度算法 | 第36-52页 |
| 3.1 ARIMA模型 | 第36-41页 |
| 3.1.1 ARIMA模型的特征演化 | 第36-38页 |
| 3.1.2 ARIMA模型建模过程 | 第38-41页 |
| 3.2 神经网络 | 第41-45页 |
| 3.2.1 神经网络的理论基础 | 第41-43页 |
| 3.2.2 BP网络和RBF网络 | 第43-45页 |
| 3.2.3 BP和RBF的选择 | 第45页 |
| 3.3 ARIMA与RBF的组合预测模型 | 第45-47页 |
| 3.3.1 ARIMA与RBF的组合模型 | 第46-47页 |
| 3.4 云资源动态调度算法设计 | 第47-51页 |
| 3.4.1 资源动态调度算法的应用场景 | 第47-48页 |
| 3.4.2 调度算法的具体设计 | 第48-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 支持资源调度的DEA设计与实现 | 第52-61页 |
| 4.1 Cloud Foundry的不足 | 第52-53页 |
| 4.2 新DEA组件的总体设计 | 第53-54页 |
| 4.3 新DEA组件的模块设计 | 第54-60页 |
| 4.3.1 监控模块 | 第54页 |
| 4.3.2 预测模块 | 第54-55页 |
| 4.3.3 资源动态调度模块 | 第55页 |
| 4.3.4 实例动态伸缩模块 | 第55-57页 |
| 4.3.5 应用定性模块 | 第57-58页 |
| 4.3.6 负载均衡模块 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 实验与结果分析 | 第61-84页 |
| 5.1 基于ARIMA与RBF组合模型的预测实验 | 第61-66页 |
| 5.1.1 数据集准备 | 第61-62页 |
| 5.1.2 实验设计 | 第62-63页 |
| 5.1.3 预测实验结果 | 第63-66页 |
| 5.2 新DEA的资源动态调度实验 | 第66-82页 |
| 5.2.1 资源调度实验一 | 第67-71页 |
| 5.2.2 资源调度实验二 | 第71-75页 |
| 5.2.3 资源调度实验三 | 第75-82页 |
| 5.3 新DEA的实例动态伸缩实验 | 第82-83页 |
| 5.3.1 测试应用的准备 | 第82页 |
| 5.3.2 实验结果 | 第82-83页 |
| 5.4 本章小结 | 第83-84页 |
| 第6章 总结与展望 | 第84-86页 |
| 6.1 工作总结 | 第84页 |
| 6.2 未来工作及展望 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 攻读硕士学位期间主要的研究成果 | 第90-91页 |
| 致谢 | 第91页 |
