云计算环境下的仿生自主监控系统和多指标均衡调度机制的研究
摘要 | 第5-7页 |
abstract | 第7-9页 |
第一章 绪论 | 第16-29页 |
1.1 研究背景 | 第16-23页 |
1.1.1 系统监控不可或缺 | 第16-18页 |
1.1.2 可靠计算备受关注 | 第18-20页 |
1.1.3 能耗问题日趋严重 | 第20-22页 |
1.1.4 调度管理面临挑战 | 第22-23页 |
1.2 课题来源 | 第23页 |
1.3 本文研究内容及创新点 | 第23-27页 |
1.3.1 研究内容 | 第23-25页 |
1.3.2 创新点 | 第25-27页 |
1.4 本文的章节组织结构 | 第27-29页 |
第二章 云计算环境下的仿生自主监控系统 | 第29-46页 |
2.1 引言 | 第29页 |
2.2 相关工作 | 第29-33页 |
2.2.1 监控系统研究综述 | 第29-31页 |
2.2.2 仿生自主神经系统 | 第31-33页 |
2.3 基于BANS的云资源监控 | 第33-41页 |
2.3.1 云监控B-CMS整体设计 | 第33-36页 |
2.3.2 B-CMS关键特性设计 | 第36-38页 |
2.3.3 B-CMS关键部分实现 | 第38-41页 |
2.4 实验分析 | 第41-45页 |
2.5 本章小结 | 第45-46页 |
第三章 云服务系统性靠度模型 | 第46-70页 |
3.1 引言 | 第46-47页 |
3.2 相关工作 | 第47-48页 |
3.3 云服务系统下可靠性分析 | 第48-54页 |
3.3.1 面向物理机失效的可靠性分析 | 第48-49页 |
3.3.2 面向虚拟机失效的可靠性分析 | 第49-52页 |
3.3.3 异构云资源池可靠性模型 | 第52-54页 |
3.4 云服务系统性能分析 | 第54-58页 |
3.4.1 用户请求到虚拟机的映射模式 | 第54-55页 |
3.4.2 一对一映射模式下的性能分析 | 第55-57页 |
3.4.3 一对多映射模式下的性能分析 | 第57-58页 |
3.5 云服务系统性靠度分析 | 第58-60页 |
3.5.1 性靠度的定义和计算方法 | 第58-60页 |
3.5.2 云服务系统下的性靠度分析 | 第60页 |
3.6 实验分析 | 第60-68页 |
3.7 小结 | 第68-70页 |
第四章 面向能耗的多维关联建模 | 第70-94页 |
4.1 引言 | 第70-71页 |
4.2 相关工作 | 第71-75页 |
4.2.1 能耗评估的相关研究 | 第71-72页 |
4.2.2 能耗建模的基本方法 | 第72-75页 |
4.3 云服务系统能耗模型 | 第75-82页 |
4.3.1 基于系统使用率的能耗建模 | 第75-78页 |
4.3.2 能耗及相关数据的采集 | 第78-80页 |
4.3.3 能耗相关数据的回归分析 | 第80-82页 |
4.4 关联能耗的多维关联模型 | 第82-87页 |
4.4.1 多维关联建模的层次模型 | 第82-85页 |
4.4.2 多维关联下的期望能耗 | 第85-87页 |
4.5 实验分析 | 第87-93页 |
4.5.1 基于系统使用率的能耗建模评估 | 第87-90页 |
4.5.2 多维关联的期望能耗模型评估 | 第90-93页 |
4.6 本章小结 | 第93-94页 |
第五章 基于关联模型的多指标均衡调度 | 第94-113页 |
5.1 引言 | 第94-95页 |
5.2 相关工作 | 第95-99页 |
5.2.1 云资源调度管理体系 | 第95-97页 |
5.2.2 能耗相关的调度策略 | 第97-98页 |
5.2.3 多目标优化研究 | 第98-99页 |
5.3 多指标均衡调度优化机制 | 第99-108页 |
5.3.1 分层调度优化机制MACS架构 | 第99-103页 |
5.3.2 本地代理LA的资源供给优化 | 第103-105页 |
5.3.3 全局代理GA的请求分发优化 | 第105-107页 |
5.3.4 基于反馈的动态自主优化 | 第107-108页 |
5.4 实验分析 | 第108-112页 |
5.5 本章小结 | 第112-113页 |
第六章 总结和展望 | 第113-117页 |
6.1 工作总结 | 第113-115页 |
6.2 未来展望 | 第115-117页 |
致谢 | 第117-119页 |
参考文献 | 第119-132页 |
攻博期间取得的研究成果 | 第132-133页 |