| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 论文主要内容 | 第14-15页 |
| 1.4 论文章节组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 研究基础 | 第17-29页 |
| 2.1 云计算概述 | 第17-19页 |
| 2.1.1 云计算特点 | 第17-19页 |
| 2.1.2 虚拟机性能互扰 | 第19页 |
| 2.2 神经网络简介 | 第19-20页 |
| 2.2.1 神经网络学习方式 | 第19-20页 |
| 2.2.2 BP神经网络 | 第20页 |
| 2.3 Hadoop的系统架构简介 | 第20-26页 |
| 2.3.1 HDFS简介 | 第21-23页 |
| 2.3.2 MapReduce模型概述 | 第23-25页 |
| 2.3.3 MapReduce调度算法概述 | 第25-26页 |
| 2.4 贪心算法 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 考虑虚拟机间性能互扰的MapReduce作业调度方法 | 第29-35页 |
| 3.1 研究动机以及问题分析 | 第29-31页 |
| 3.1.1 MapReduce作业调度中所面临的问题 | 第29-30页 |
| 3.1.2 问题求解的基本思路 | 第30-31页 |
| 3.2 考虑虚拟机间性能互扰的MapReduce作业调度方法 | 第31-33页 |
| 3.3 考虑虚拟机间性能互扰度量的MapReduce作业调度方法中的关键问题 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于BP神经网络的虚拟机间性能互扰度量方法 | 第35-45页 |
| 4.1 影响虚拟机间性能互扰度的因素 | 第35-36页 |
| 4.2 虚拟机间性能互扰度度量及预测的框架 | 第36-37页 |
| 4.3 基于BP神经网络的虚拟机间性能互扰模型构建 | 第37-42页 |
| 4.3.1 基于BP神经网络的虚拟机间性能互扰模型的建立 | 第38-41页 |
| 4.3.2 基于BP神经网络的性能互扰模型的训练和验证 | 第41-42页 |
| 4.4 基于相似度计算的性能互扰的模型生成 | 第42-44页 |
| 4.4.1 相似度模型 | 第42-43页 |
| 4.4.2 基本思想 | 第43页 |
| 4.4.3 算法描述 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 考虑虚拟机间性能互扰的MapReduce作业调度机制 | 第45-55页 |
| 5.1 问题描述及解决思路 | 第45-46页 |
| 5.1.1 问题描述 | 第45-46页 |
| 5.1.2 问题的解决思路 | 第46页 |
| 5.1.3 考虑虚拟机间性能互扰的MapReduce作业调度机制 | 第46页 |
| 5.2 基于任务剩余执行时间的MapReduce作业调度间隔计算算法 | 第46-50页 |
| 5.2.1 MapReduce作业调度心跳机制 | 第47页 |
| 5.2.2 基于任务执行进度的任务剩余执行时间估计 | 第47-48页 |
| 5.2.3 基于任务剩余执行时间的MapReduce作业调度间隔计算算法 | 第48-50页 |
| 5.3 MapReduce作业全局优化调度算法 | 第50-53页 |
| 5.3.1 算法的基本思想 | 第50-51页 |
| 5.3.2 算法执行流程描述 | 第51-52页 |
| 5.3.3 算法描述 | 第52-53页 |
| 5.4 本章小结 | 第53-55页 |
| 第6章 实验方案与实验结果对比 | 第55-63页 |
| 6.1 实验环境 | 第55-58页 |
| 6.2 虚拟机间性能互扰模型实验验证 | 第58-60页 |
| 6.3 考虑性能互扰的MapReduce作业全局最优化调度算法的实验结果分析 | 第60-61页 |
| 6.4 本章小结 | 第61-63页 |
| 第7章 总结与展望 | 第63-65页 |
| 7.1 论文工作总结 | 第63页 |
| 7.2 下一步研究工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
