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

基于NSGA2的云环境中资源节能调度技术研究

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第11-19页
    1.1 研究背景与意义第11-13页
    1.2 云计算节能研究现状第13-14页
    1.3 研究内容与创新点第14-16页
        1.3.1 研究内容第14-16页
        1.3.2 课题创新点第16页
    1.4 论文结构第16-19页
第二章 相关技术研究第19-27页
    2.1 云计算技术第19-20页
    2.2 虚拟化技术第20-21页
    2.3 虚拟机迁移第21-23页
    2.4 SDN网络架构第23-25页
    2.5 基于线性回归的预测算法第25-26页
    2.6 遗传算法第26页
    2.7 本章小结第26-27页
第三章 基于NSGA2的云环境节能架构设计第27-39页
    3.1 云环境能耗模型设计第27-29页
        3.1.1 计算资源与能耗的关系模型第27-28页
        3.1.2 网络资源与能耗的关系模型第28-29页
    3.2 云环境节能整体架构第29-31页
        3.2.1 云计算平台第30页
        3.2.2 资源调度控制器第30-31页
    3.3 云环境虚拟机迁移条件设计第31-33页
        3.3.1 高负载判断第32页
        3.3.2 低负载判断第32-33页
    3.4 虚拟机放置策略第33-34页
    3.5 云环境虚拟机迁移影响因素分析第34-37页
        3.5.1 虚拟机迁移失败第35页
        3.5.2 虚拟机迁移过程中产生的能耗第35页
        3.5.3 二次迁移第35-36页
        3.5.4 对网络传输的影响第36-37页
    3.6 本章小结第37-39页
第四章 基于NSGA2的云环境节能技术的具体实现第39-53页
    4.1 数据收集与预测第39-43页
        4.1.1 数据收集第39-42页
        4.1.2 负载预测第42-43页
    4.2 待迁移目标的选取策略第43-45页
        4.2.1 高负载计算节点中待迁移虚拟机的选取第43-44页
        4.2.2 数据中心中低负载计算节点的选取第44页
        4.2.3 可迁移计算节点集合的选取第44-45页
    4.3 虚拟机放置策略种群设计第45-47页
        4.3.1 遗传种群个体设计第45-46页
        4.3.2 个体适应度计算第46页
        4.3.3 个体拥挤度计算第46-47页
        4.3.4 遗传初始种群设计第47页
    4.4 虚拟机放置策略执行流程第47-50页
        4.4.1 基因操作第48-49页
        4.4.2 快速非支配排序第49-50页
        4.4.3 放置方式的选择第50页
    4.5 基于共享存储的虚拟机迁移实现第50-52页
    4.6 本章小结第52-53页
第五章 实验结果第53-61页
    5.1 仿真环境性能测试第53-57页
        5.1.1 仿真实验环境第53-54页
        5.1.2 仿真测试结果与分析第54-57页
    5.2 真实环境部署可行性验证第57-60页
        5.2.1 部署环境第57页
        5.2.2 验证过程第57-60页
    5.3 本章小结第60-61页
第六章 总结与展望第61-63页
    6.1 总结第61-62页
    6.2 展望第62-63页
参考文献第63-65页
致谢第65-67页
作者攻读学位期间发表的学术论文目录第67-68页
作者攻读学位期间参与完成的项目第68页

论文共68页,点击 下载论文
上一篇:基于PU学习的分布式移动互联网流量分析与预测
下一篇:基于Web日志分析的安全审计系统的研究与设计