面向web应用的云资源自适应配置方法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究目的与研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 面向Web应用的云资源自适应配置及其建模 | 第15-21页 |
| 2.1 问题描述 | 第15-17页 |
| 2.2 面向Web应用的云资源自适应配置模型 | 第17-20页 |
| 2.2.1 变量定义及模型假设 | 第17-18页 |
| 2.2.2 模型的建立 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 面向Web应用的云资源自适应算法 | 第21-34页 |
| 3.1 请求量负载数据预处理和特征提取 | 第21-23页 |
| 3.2 请求量负载的预测算法 | 第23-27页 |
| 3.3 虚拟机动态供应算法 | 第27-29页 |
| 3.4 虚拟机物理映射算法 | 第29-33页 |
| 3.4.1 剩余资源空间合理度衡量方法 | 第29-31页 |
| 3.4.2 虚拟机物理映射的启发式算法 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 实验结果与分析 | 第34-44页 |
| 4.1 实验环境与实验数据 | 第34-35页 |
| 4.2 参数和模块组件分析 | 第35-40页 |
| 4.2.1 参数分析 | 第35-37页 |
| 4.2.2 模块组件分析 | 第37-40页 |
| 4.3 算法比较 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 结论与展望 | 第44-45页 |
| 5.1 研究结论 | 第44页 |
| 5.2 未来研究方向 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 作者简介 | 第49页 |
