| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| CHAPTER 1 INTRODUCTION | 第13-22页 |
| 1.1 Introduction | 第13-14页 |
| 1.2 Background | 第14-19页 |
| 1.2.1 Cloud computing | 第14-16页 |
| 1.2.2 Scientific workflows | 第16-19页 |
| 1.3 Problem definition | 第19页 |
| 1.4 Motivation | 第19页 |
| 1.5 Thesis contributions | 第19-20页 |
| 1.6 Thesis overview | 第20-22页 |
| CHAPTER 2 WORKFLOW SCHEDULING IN THE CLOUD | 第22-38页 |
| 2.1 Introduction | 第22-24页 |
| 2.2 Scientific workflow scheduling problem in cloud | 第24-27页 |
| 2.3 Taxonomies of cloud workflow scheduling problem and techniques | 第27-35页 |
| 2.3.1 Computing Environment | 第28-29页 |
| 2.3.2 Application model | 第29-30页 |
| 2.3.3 Scheduling technique | 第30页 |
| 2.3.4 Scheduling objective | 第30-31页 |
| 2.3.5 Optimization criteria | 第31-32页 |
| 2.3.6 Optimization method | 第32-33页 |
| 2.3.7 Workload type | 第33页 |
| 2.3.8 Resource provisioning | 第33-34页 |
| 2.3.9 Pricing model | 第34-35页 |
| 2.4 Analysis of the workflow scheduling schemes in the cloud | 第35-36页 |
| 2.5 Conclusion | 第36-38页 |
| CHAPTER 3 SCIENTIFIC WORKFLOW SCHEDULING UNDER DEADLINE CONSTRAINTS | 第38-66页 |
| 3.1 Introduction | 第38-40页 |
| 3.2 Related work | 第40-41页 |
| 3.3 System model | 第41-45页 |
| 3.3.1 Scientific workflow application model | 第41-44页 |
| 3.3.2 Cloud resource model | 第44页 |
| 3.3.3 Workflow execution model | 第44-45页 |
| 3.4 The proposed DSB workflow scheduling algorithm | 第45-58页 |
| 3.4.1 Assumptions | 第45-46页 |
| 3.4.2 Problem statement | 第46页 |
| 3.4.3 Basic definitions | 第46-49页 |
| 3.4.4 Proposed algorithm | 第49-58页 |
| 3.4.5 Computational complexity | 第58页 |
| 3.5 Performance analysis and discussion | 第58-65页 |
| 3.5.1 Experiment environment | 第58-59页 |
| 3.5.2 Performance metric | 第59-60页 |
| 3.5.3 Evaluation results | 第60-63页 |
| 3.5.4 Sensitivity of overheads, VM performance variations and task failures | 第63-64页 |
| 3.5.5 Analysis of Variance (ANOVA) test | 第64-65页 |
| 3.6 Conclusions | 第65-66页 |
| CHAPTER 4 HYBRID METAHEURISTIC FOR MULTI-OBJECTIVE WORKFLOW SCHEDULING | 第66-91页 |
| 4.1 Introduction | 第66-67页 |
| 4.2 Related work | 第67-69页 |
| 4.3 Problem description for the proposed methodology | 第69-75页 |
| 4.3.1 System model | 第70-71页 |
| 4.3.2 Assumptions | 第71-72页 |
| 4.3.3 Multi-objective optimization | 第72-73页 |
| 4.3.4 Problem formulation | 第73-75页 |
| 4.4 Proposed work | 第75-81页 |
| 4.4.1 Initialization | 第76-77页 |
| 4.4.2 Fitness evaluation | 第77页 |
| 4.4.3 Optimization | 第77-78页 |
| 4.4.4 Selection of best fit solutions | 第78-79页 |
| 4.4.5 Termination condition | 第79-81页 |
| 4.5 Performance evaluation | 第81-90页 |
| 4.5.1 Experimental setup | 第81-83页 |
| 4.5.2 Evaluation metrics | 第83-84页 |
| 4.5.3 Simulation results | 第84-89页 |
| 4.5.4 Analysis of Variance (ANOVA) test | 第89-90页 |
| 4.6 Conclusions and future work | 第90-91页 |
| CHAPTER 5 Structure-aware and budget-aware workflow scheduling | 第91-104页 |
| 5.1 Introduction | 第91页 |
| 5.2 Related work | 第91-93页 |
| 5.3 Models and problem definition | 第93-95页 |
| 5.3.1 Application model | 第93页 |
| 5.3.2 Cloud model | 第93-94页 |
| 5.3.3 Definitions | 第94-95页 |
| 5.3.4 Problem formulation | 第95页 |
| 5.4 Proposed algorithm | 第95-100页 |
| 5.4.1 Task ranking | 第96页 |
| 5.4.2 DAG Partitioning | 第96页 |
| 5.4.3 Task grouping | 第96-98页 |
| 5.4.4 Budget propagation | 第98-99页 |
| 5.4.5 Dynamic resource provisioning and scheduling | 第99-100页 |
| 5.5 Performance evaluation | 第100-102页 |
| 5.5.1 Experimental setup | 第100-102页 |
| 5.5.2 Performance metric | 第102页 |
| 5.6 Evaluation results | 第102页 |
| 5.7 Conclusion | 第102-104页 |
| CONCLUSIONS AND FUTURE WORK | 第104-107页 |
| Conclusions | 第104-106页 |
| Future work | 第106-107页 |
| REFERENCES | 第107-119页 |
| 攻读博士学位期间取得的研究成果 | 第119-121页 |
| ACKNOWLEDGEMENTS | 第121-122页 |
| 附件 | 第122页 |
