| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 综述 | 第12-18页 |
| 1.1 研究意义 | 第12-16页 |
| 1.1.1 云计算 | 第12-14页 |
| 1.1.2 负载均衡和负载预测 | 第14-16页 |
| 1.2 研究目标 | 第16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-18页 |
| 第二章 相关工作 | 第18-26页 |
| 2.1 云计算 | 第18-20页 |
| 2.2 基础特性 | 第20-21页 |
| 2.3 负载预测算法 | 第21-23页 |
| 2.3.1 自回归预测模型 | 第21-22页 |
| 2.3.2 可信任区间 | 第22页 |
| 2.3.3 峰值预测 | 第22页 |
| 2.3.4 动态预测模型 | 第22-23页 |
| 2.3.5 方法评估 | 第23页 |
| 2.4 其他研究 | 第23-24页 |
| 2.5 实验数据集 | 第24页 |
| 2.6 总结 | 第24-26页 |
| 第三章 系统分析 | 第26-30页 |
| 3.1 为什么需要负载预测算法？ | 第26-27页 |
| 3.2 为什么不使用“银色子弹”? | 第27-28页 |
| 3.3 为什么是面向云应用？和Web应用有什么区别？ | 第28-29页 |
| 3.4 总结 | 第29-30页 |
| 第四章 系统架构和关键技术 | 第30-46页 |
| 4.1 典型云环境 | 第30-31页 |
| 4.2 预测框架架构 | 第31-40页 |
| 4.2.1 监控模块 | 第32-34页 |
| 4.2.2 数据处理模块 | 第34-35页 |
| 4.2.3 数据库模块 | 第35-36页 |
| 4.2.4 数据维护模块 | 第36-37页 |
| 4.2.5 负载预测模块 | 第37-39页 |
| 4.2.6 资源分配器 | 第39-40页 |
| 4.3 工作流程 | 第40-41页 |
| 4.4 关键技术 | 第41-46页 |
| 4.4.1 面向大数据的数据库 | 第41-42页 |
| 4.4.2 请求强度 | 第42-43页 |
| 4.4.3 数据维护模块 | 第43-44页 |
| 4.4.4 算法接口 | 第44-46页 |
| 第五章 系统实现 | 第46-52页 |
| 5.1 监控模块 | 第46-48页 |
| 5.2 数据处理模块 | 第48页 |
| 5.3 数据库模块 | 第48-49页 |
| 5.4 数据维护模块 | 第49页 |
| 5.5 负载预测模块 | 第49-52页 |
| 第六章 模拟实验 | 第52-61页 |
| 6.1 实验目的 | 第52页 |
| 6.2 模拟请求 | 第52-53页 |
| 6.3 环境设定 | 第53-55页 |
| 6.3.1. 物理机上运行的服务 | 第53-54页 |
| 6.3.2. 虚拟机1上运行的服务 | 第54-55页 |
| 6.3.3. 虚拟机2运行任务： | 第55页 |
| 6.4 模拟结果 | 第55-61页 |
| 第七章 总结和展望 | 第61-64页 |
| 7.1 总结 | 第61-62页 |
| 7.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间已发表或录用的论文 | 第69-70页 |
| 上海交通大学硕士学位论文答辩决议书 | 第70-72页 |