| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 课题背景 | 第15-16页 |
| 1.2 研究意义 | 第16-18页 |
| 1.3 研究内容 | 第18-23页 |
| 1.3.1 云中心资源统一管理和综合调度 | 第18-19页 |
| 1.3.2 资源的层次化向量图模型 | 第19-20页 |
| 1.3.3 节点内多资源协同调度技术 | 第20页 |
| 1.3.4 多个并行节点组合调度技术 | 第20-21页 |
| 1.3.5 多资源消耗感知的网络流调度技术 | 第21-22页 |
| 1.3.6 大数据处理中的资源综合调度技术 | 第22-23页 |
| 1.4 论文结构 | 第23-27页 |
| 第二章 相关研究 | 第27-41页 |
| 2.1 云计算中心的资源管理与调度 | 第27-32页 |
| 2.1.1 资源管理与调度架构 | 第27-29页 |
| 2.1.2 资源容器与资源动态变化 | 第29页 |
| 2.1.3 多资源分配算法与策略 | 第29-32页 |
| 2.2 数据中心网络与网络资源调度 | 第32-37页 |
| 2.2.1 网络资源管理与调度 | 第32-34页 |
| 2.2.2 软件定义网络 | 第34-35页 |
| 2.2.3 DCN流调度与拥塞控制 | 第35-37页 |
| 2.3 大数据处理与资源调度 | 第37-41页 |
| 2.3.1 数据存储与处理技术 | 第37-38页 |
| 2.3.2 数据切分和调度技术 | 第38-39页 |
| 2.3.3 数据传输优化技术 | 第39-41页 |
| 第三章 云平台资源描述模型与综合调度框架 | 第41-55页 |
| 3.1 云计算平台的资源管理与服务 | 第41-44页 |
| 3.1.1 当前IaaS云平台资源服务模式与服务质量 | 第41-42页 |
| 3.1.2 计算机集群物理资源的管理 | 第42-44页 |
| 3.1.3 新型云平台资源管理系统的要求 | 第44页 |
| 3.2 集群资源综合调度系统IRS | 第44-49页 |
| 3.2.1 节点多项资源的协同调度 | 第46页 |
| 3.2.2 基于SDN的网络资源调度 | 第46-48页 |
| 3.2.3 基于SDS的存储资源调度 | 第48-49页 |
| 3.3 资源向量图模型 | 第49-53页 |
| 3.3.1 资源图模型 | 第49-50页 |
| 3.3.2 层次化向量模型 | 第50-52页 |
| 3.3.3 模型的应用 | 第52-53页 |
| 3.4 小结 | 第53-55页 |
| 第四章 基于资源向量降维排序的节点内多资源综合调度 | 第55-69页 |
| 4.1 云租户请求多维资源要求及其综合调度问题 | 第55-58页 |
| 4.1.1 单资源为主的调度方法 | 第55-56页 |
| 4.1.2 固定比例的多资源调度技术 | 第56-57页 |
| 4.1.3 灵活自适应的多资源调度技术 | 第57-58页 |
| 4.2 多资源节点向量表示模型 | 第58-61页 |
| 4.2.1 单节点多维向量 | 第58-59页 |
| 4.2.2 节点向量度量 | 第59-60页 |
| 4.2.3 资源向量特性 | 第60-61页 |
| 4.3 RVS资源快速调度算法 | 第61-65页 |
| 4.3.1 基于向量分割的多资源快速调度算法RVS主要思想 | 第61-62页 |
| 4.3.2 基于向量分解后排序的快速过滤 | 第62-64页 |
| 4.3.3 算法复杂性分析 | 第64-65页 |
| 4.4 性能测试 | 第65-68页 |
| 4.4.1 IaaS服务仿真测试 | 第65-66页 |
| 4.4.2 系统测试 | 第66-68页 |
| 4.5 小结 | 第68-69页 |
| 第五章 基于资源图粒子群算法的多节点协同调度 | 第69-83页 |
| 5.1 云平台的虚拟集群资源分配问题 | 第69-71页 |
| 5.2 VCE多节点协同调度技术 | 第71-77页 |
| 5.2.1 VCE资源图模型 | 第71-74页 |
| 5.2.2 VCE-PSO算法的基本思想 | 第74页 |
| 5.2.3 VCE-PSO算法详细过程 | 第74-77页 |
| 5.3 性能测试 | 第77-81页 |
| 5.3.1 单资源并行节点协同调度 | 第79页 |
| 5.3.2 多资源并行节点协同调度 | 第79-81页 |
| 5.4 小结 | 第81-83页 |
| 第六章 基于资源向量相似度的网络流速率控制技术 | 第83-99页 |
| 6.1 网络资源调度及拥塞问题 | 第83-86页 |
| 6.1.1 网络资源分配问题 | 第83-84页 |
| 6.1.2 网络流调度和拥塞控制 | 第84-86页 |
| 6.2 多资源消耗感知速率控制的主要思想 | 第86页 |
| 6.3 多资源消耗感知的流控技术 | 第86-94页 |
| 6.3.1 报文资源消耗向量模型 | 第87-90页 |
| 6.3.2 MRTCP系统设计 | 第90-94页 |
| 6.4 性能测试 | 第94-97页 |
| 6.4.1 MRTCP原型系统实现 | 第94-95页 |
| 6.4.2 性能测试 | 第95-96页 |
| 6.4.3 大规模仿真测试 | 第96-97页 |
| 6.5 小结 | 第97-99页 |
| 第七章 面向大数据处理的资源优化调度技术 | 第99-117页 |
| 7.1 大数据处理的资源调度问题 | 第99-102页 |
| 7.1.1 I/O带宽对性能的影响 | 第99-100页 |
| 7.1.2 网络链路对性能的影响 | 第100-102页 |
| 7.1.3 数据倾斜性对性能的影响 | 第102页 |
| 7.2 面向大数据处理的资源综合调度技术 | 第102-108页 |
| 7.2.1 基于I/O和链路带宽约束的节点选择技术 | 第103-106页 |
| 7.2.2 基于位置的数据块划分算法LBP | 第106-107页 |
| 7.2.3 数据倾斜性感知的数据切分算法LBP-SA | 第107-108页 |
| 7.3 原型系统与性能测试 | 第108-115页 |
| 7.3.1 Adaptive-Hadoop原型系统实现 | 第108-111页 |
| 7.3.2 性能测试 | 第111-115页 |
| 7.4 小结 | 第115-117页 |
| 第八章 总结与展望 | 第117-123页 |
| 8.1 主要研究工作 | 第117-119页 |
| 8.2 主要创新点 | 第119-120页 |
| 8.3 未来工作展望 | 第120-123页 |
| 致谢 | 第123-125页 |
| 参考文献 | 第125-135页 |
| 作者在学期间取得的学术成果 | 第135-137页 |
| 攻读博士学位期间主要参加的研究工作 | 第137页 |
