摘要 | 第5-7页 |
Abstract | 第7-9页 |
第1章 引言 | 第13-23页 |
1.1 研究背景 | 第13-15页 |
1.2 问题提出 | 第15-18页 |
1.3 论文的主要研究内容 | 第18-20页 |
1.4 论文的组织结构 | 第20-23页 |
第2章 研究基础 | 第23-35页 |
2.1 SaaS模式与多租约SaaS应用架构 | 第23-26页 |
2.1.1 SaaS模式 | 第23-24页 |
2.1.2 多租约SaaS应用架构 | 第24-26页 |
2.2 软件老化 | 第26-28页 |
2.3 软件再生策略 | 第28-31页 |
2.4 模糊理论 | 第31-33页 |
2.5 本章小结 | 第33-35页 |
第3章 SaaS应用自适应性能保障机制 | 第35-59页 |
3.1 SaaS应用性能保障基本策略 | 第35-39页 |
3.2 SaaS应用自适应性能保障框架 | 第39-41页 |
3.3 SaaS应用性能保障决策基础 | 第41-45页 |
3.4 基于请求准入阈值的准入控制算法 | 第45-57页 |
3.4.1 请求准入控制背景 | 第45-46页 |
3.4.2 请求准入控制问题描述与相关定义 | 第46-47页 |
3.4.3 请求准入阈值更新算法过程分析 | 第47-53页 |
3.4.4 请求准入阈值更新算法及准入控制算法实现 | 第53-57页 |
3.5 本章小结 | 第57-59页 |
第4章 面向用户访问意图的SaaS应用老化趋势预测方法 | 第59-99页 |
4.1 面向用户访问意图的SaaS应用老化趋势预测过程 | 第59-61页 |
4.2 软件老化度量 | 第61-64页 |
4.2.1 软件老化衡量指标 | 第61-63页 |
4.2.2 页面老化损伤 | 第63-64页 |
4.3 用户访问行为模式的生成方法 | 第64-79页 |
4.3.1 用户访问行为模式的生成过程 | 第64-70页 |
4.3.2 基于IPWTA算法的用户访问序列模式挖掘 | 第70-79页 |
4.4 基于模式匹配的用户访问意图预测算法及软件老化趋势预测 | 第79-87页 |
4.4.1 当前访问序列的模式匹配算法选取 | 第79-81页 |
4.4.2 改进的KMP算法 | 第81-82页 |
4.4.3 多种匹配结果的选取策略 | 第82-85页 |
4.4.4 Web应用系统的老化趋势预测 | 第85-87页 |
4.5 实验分析 | 第87-97页 |
4.5.1 实验数据获取 | 第87-88页 |
4.5.2 用户访问意图预测实验 | 第88-93页 |
4.5.3 SaaS应用系统老化趋势预测实验 | 第93-97页 |
4.6 本章小结 | 第97-99页 |
第5章 分级再生策略 | 第99-139页 |
5.1 软件再生分级过程和主要任务 | 第99-105页 |
5.1.1 处理过程 | 第99-101页 |
5.1.2 状态信息采集 | 第101-102页 |
5.1.3 分级状态评估 | 第102-104页 |
5.1.4 再生等级选择 | 第104-105页 |
5.2 老化状态评估模型及再生等级选择算法 | 第105-115页 |
5.2.1 老化状态评估模型 | 第105-110页 |
5.2.2 基于多属性决策的再生等级选择算法 | 第110-115页 |
5.3 服务器级自适应请求调度算法 | 第115-120页 |
5.3.1 自适应请求调度问题描述及相关定义 | 第116-117页 |
5.3.2 服务器性能级别评价算法过程分析 | 第117-118页 |
5.3.3 服务器性能级别评价算法及自适应请求调度算法实现 | 第118-120页 |
5.4 组件级再生次序生成方法 | 第120-127页 |
5.4.1 基于组件耦合关系的再生关联组件集构建 | 第120-122页 |
5.4.2 关联组件集的再生优先权评价方法 | 第122-126页 |
5.4.3 基于关联组件集的组件再生次序生成方法 | 第126-127页 |
5.5 实验分析 | 第127-137页 |
5.5.1 实验方案 | 第127-129页 |
5.5.2 实验结果分析 | 第129-137页 |
5.6 本章小结 | 第137-139页 |
第6章 结论 | 第139-143页 |
6.1 本文工作总结 | 第139-140页 |
6.2 下一步的研究工作 | 第140-143页 |
参考文献 | 第143-153页 |
致谢 | 第153-155页 |
攻读博士学位期间的主要成果 | 第155-156页 |