弥散云资源感知与调度方法研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-21页 |
| ·研究背景及意义 | 第10-13页 |
| ·研究背景 | 第10-13页 |
| ·研究意义 | 第13页 |
| ·国内外研究现状及发展动态分析 | 第13-15页 |
| ·国内外研究现状 | 第13-14页 |
| ·国内外发展动态分析 | 第14-15页 |
| ·研究平台及计算框架 | 第15-18页 |
| ·IaaS弹性云平台 | 第15-16页 |
| ·Hadoop-MapReduce | 第16-18页 |
| ·研究内容 | 第18-19页 |
| ·基于MA感知的弥散云资源调度 | 第18-19页 |
| ·基于云资源弥散性感知的公平调度DACR_FS | 第19页 |
| ·论文创新点 | 第19-20页 |
| ·论文结构 | 第20-21页 |
| 2 基于MA感知的弥散云资源调度 | 第21-37页 |
| ·IaaS_MA系统架构 | 第21-30页 |
| ·“价值云资源”抽取 | 第23-27页 |
| ·MA_RS执行架构 | 第27-30页 |
| ·MA_RS方法 | 第30-35页 |
| ·模拟器设置 | 第30-31页 |
| ·多阶段迭代决策 | 第31页 |
| ·决策区间自适应调整 | 第31-33页 |
| ·弹性决策方法 | 第33-35页 |
| ·搜索算法 | 第35页 |
| ·本章总结 | 第35-37页 |
| 3 基于云资源弥散性感知的公平调度 | 第37-51页 |
| ·MapReduce_MA分布式计算框架 | 第37-43页 |
| ·Master_MA | 第38-40页 |
| ·Slaver_MA | 第40-43页 |
| ·DACR_FS调度方法 | 第43-50页 |
| ·共享进度份额 | 第44-47页 |
| ·任务选择 | 第47-48页 |
| ·资源匹配 | 第48-49页 |
| ·DACR_FS算法 | 第49-50页 |
| ·本章总结 | 第50-51页 |
| 4 方法评估及实例验证 | 第51-63页 |
| ·实验环境设置 | 第51-52页 |
| ·方法评估 | 第52-58页 |
| ·作业完成分布预测评估 | 第52-55页 |
| ·MA_RS方法有效性评估 | 第55-57页 |
| ·DACR_FS算法有效性评估 | 第57-58页 |
| ·实例验证 | 第58-62页 |
| ·在线剩余时间的预测 | 第58-60页 |
| ·资源分配和集群调整 | 第60-61页 |
| ·作业偏好和共享进度份额 | 第61-62页 |
| ·本章总结 | 第62-63页 |
| 5 结论和下一步研究方向 | 第63-67页 |
| ·基于MA感知的资源调度 | 第63-64页 |
| ·基于云资源弥散性感知的公平调度 | 第64页 |
| ·下一步研究方向 | 第64-66页 |
| ·跨数据中心异构资源聚合调度 | 第65页 |
| ·云计算的两个主体间合作调度 | 第65页 |
| ·大数据环境下的价值云资源抽取 | 第65-66页 |
| ·本章总结 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间取得的科研成果清单 | 第73页 |
