首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

云测试中资源调度的研究

摘要第5-6页
Abstract第6页
第1章 绪论第10-14页
    1.1 研究背景及意义第10-11页
    1.2 国内外研究现状第11-12页
        1.2.1 国外研究现状第11-12页
        1.2.2 国内研究现状第12页
    1.3 本文主要内容第12-13页
    1.4 本文组织结构第13-14页
第2章 云测试概述第14-20页
    2.1 自动化软件测试第14页
        2.1.1 自动化软件测试概念第14页
        2.1.2 自动化软件测试适用范围第14页
        2.1.3 自动化软件测试局限性第14页
    2.2 云计算第14-17页
        2.2.1 云计算基本架构第15页
        2.2.2 云计算服务层次第15-16页
        2.2.3 云计算相关技术第16页
        2.2.4 云计算特点第16-17页
    2.3 云测试第17-19页
        2.3.1 云测试服务第17-18页
        2.3.2 云测试流程第18-19页
        2.3.3 测试的优势与挑战第19页
    2.4 本章小结第19-20页
第3章 云测试中虚拟机资源调度第20-27页
    3.1 云测试资源相关概述第20页
    3.2 测试中虚拟机调度第20-22页
        3.2.1 虚拟机调度的描述第20-21页
        3.2.2 虚拟机调度的特点第21页
        3.2.3 虚拟机调度的目标第21-22页
    3.3 云测试中虚拟机调度策略分类第22-24页
    3.4 测试中常见的虚拟机调度算法第24页
        3.4.1 轮询调度算法(RR)第24页
        3.4.2 加权轮询调度算法(wRR)第24页
        3.4.3 Min-min算法第24页
        3.4.4 Max-min算法第24页
        3.4.5 遗传算法第24页
        3.4.6 蚁群算法第24页
    3.5 云计算仿真工具CloudSim第24-26页
        3.5.1 CloudSim简介第24-25页
        3.5.2 CloudSim体系结构第25页
        3.5.3 CloudSim仿真流程第25-26页
    3.6 本章小结第26-27页
第4章 云测试中基于蚁群算法的分析应用第27-40页
    4.1 蚁群算法概述第27-32页
        4.1.1 蚁群算法基本原理第27-28页
        4.1.2 蚁群算法基本模型第28-30页
        4.1.3 TSP模型与云测试中虚拟机调度模型的比较第30-31页
        4.1.4 蚁群算法优缺点第31-32页
    4.2 云测试中测试任务依赖关系描述第32-34页
    4.3 蚁群算法在云测试中的应用第34-37页
        4.3.1 信息素定义与修改第34-35页
        4.3.2 蚂蚁选择下一跳的规则第35-36页
        4.3.3 算法描述第36-37页
    4.4 实验参数选择及实验结果分析第37-39页
        4.4.1 实验参数选择第37-38页
        4.4.2 实验结果分析第38-39页
    4.5 本章小结第39-40页
第5章 自动化云测试平台设计研究第40-55页
    5.1 相关工具介绍第40-43页
        5.1.1 CloudStack第40-41页
        5.1.2 TestNG第41-42页
        5.1.3 Selenium第42页
        5.1.4 Struts2第42-43页
    5.2 测试平台设计第43-50页
        5.2.1 需求分析第44-45页
        5.2.2 总体架构设计第45-46页
        5.2.3 后台实现第46-48页
        5.2.4 数据库设计第48-50页
    5.3 云测试平台实现第50-54页
        5.3.1 整体架构第51-52页
        5.3.2 执行流程第52-54页
    5.4 本章小结第54-55页
第6章 总结与展望第55-57页
    6.1 本文的工作总结第55页
    6.2 未来工作方向第55-57页
参考文献第57-61页
致谢第61-62页
附录第62页

论文共62页,点击 下载论文
上一篇:基于事件的社交网络核心节点挖掘算法的研究与应用
下一篇:线性判别式的比较与优化方法研究