| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 主要符号对照表 | 第7-8页 |
| 第1章 引言 | 第8-17页 |
| 1.1 论文背景及意义 | 第8-13页 |
| 1.1.1 高性能云计算平台的发展 | 第8-9页 |
| 1.1.2 高性能云计算平台存储系统的配置 | 第9-11页 |
| 1.1.3 高性能云计算平台存储系统的性能评测 | 第11-13页 |
| 1.2 高性能云计算平台存储系统配置面临的关键问题 | 第13-15页 |
| 1.3 本文研究的主要内容和贡献 | 第15-17页 |
| 1.3.1 本文的研究内容 | 第15-16页 |
| 1.3.2 本文的主要贡献 | 第16-17页 |
| 第2章 相关工作 | 第17-24页 |
| 2.1 高性能云平台相关研究 | 第17-19页 |
| 2.2 存储系统管理相关研究 | 第19-20页 |
| 2.3 高性能存储系统性能评测相关研究 | 第20-21页 |
| 2.4 存储系统基准测试程序生成方法相关研究 | 第21-24页 |
| 第3章 高性能云计算平台存储系统的可配置性 | 第24-43页 |
| 3.1 高性能云计算平台：以亚马逊为例 | 第24-27页 |
| 3.2 高性能云计算平台的存储系统配置的探索空间 | 第27-35页 |
| 3.2.1 高性能云平台存储系统可配置栈 | 第27-31页 |
| 3.2.2 高性能程序存储行为分析 | 第31-33页 |
| 3.2.3 总探索空间的定义 | 第33-35页 |
| 3.3 探索可配置空间的必要性 | 第35-38页 |
| 3.4 探索空间参数重要性分析 | 第38-42页 |
| 3.5 小结 | 第42-43页 |
| 第4章 高性能云计算平台存储系统优化配置预测方法 | 第43-70页 |
| 4.1 系统框架 | 第43-46页 |
| 4.2 训练数据采集方法 | 第46-48页 |
| 4.3 优化配置预测模型 | 第48-55页 |
| 4.3.1 分类和回归的决策树模型 | 第49-53页 |
| 4.3.2 基于排名算法的预测模型 | 第53-55页 |
| 4.4 实验结果 | 第55-66页 |
| 4.4.1 应用程序 | 第56-57页 |
| 4.4.2 事实最优配置分析 | 第57-58页 |
| 4.4.3 预测结果评价 | 第58-62页 |
| 4.4.4 参数敏感性分析 | 第62-63页 |
| 4.4.5 成本分析 | 第63-66页 |
| 4.5 案例分析：与手动配置比较 | 第66-67页 |
| 4.6 小结 | 第67-70页 |
| 第5章 高性能云计算平台存储系统快速评测技术 | 第70-84页 |
| 5.1 高性能云平台存储系统评测方法 | 第70-72页 |
| 5.2 基于程序切片的测试程序自动生成方法 | 第72-79页 |
| 5.2.1 方法介绍 | 第72-73页 |
| 5.2.2 举例介绍 | 第73-76页 |
| 5.2.3 设计和实现 | 第76-78页 |
| 5.2.4 评测程序源代码生成 | 第78-79页 |
| 5.3 切片效果分析 | 第79-82页 |
| 5.3.1 实验环境 | 第79-80页 |
| 5.3.2 初步实验结果 | 第80-82页 |
| 5.4 小结 | 第82-84页 |
| 第6章 总结与展望 | 第84-88页 |
| 6.1 本文解决的问题和解决方法 | 第84-86页 |
| 6.2 进一步工作：挑战和机遇并存 | 第86-88页 |
| 参考文献 | 第88-95页 |
| 致谢 | 第95-97页 |
| 附录A 性能预测模型采用的决策树 | 第97-98页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第98-99页 |