| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究背景及意义 | 第10-13页 |
| 1.1.1 地理分布式云概述 | 第10-11页 |
| 1.1.2 工作流应用的特点 | 第11-12页 |
| 1.1.3 地理分布式云环境下工作流应用调度面临的问题 | 第12-13页 |
| 1.2 国内外研究现状分析 | 第13-16页 |
| 1.2.1 地理分布式云中工作流作业调度研究现状 | 第13-15页 |
| 1.2.2 地理分布式云中工作流任务调度研究现状 | 第15-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 基于负载均衡的工作流作业调度方法 | 第19-31页 |
| 2.1 地理分布式云中工作流作业调度问题分析 | 第19-20页 |
| 2.2 基于Logistic回归的作业执行时间预测 | 第20-22页 |
| 2.3 基于负载均衡的工作流作业调度模型 | 第22-28页 |
| 2.3.1 地理分布式云通信模型 | 第22页 |
| 2.3.2 基于M/M/C排队论的作业排队 | 第22-25页 |
| 2.3.3 基于线性等式约束非线性规划的作业排队 | 第25-28页 |
| 2.4 基于负载均衡的工作流作业调度算法描述 | 第28-30页 |
| 2.4.1 基于负载均衡的作业调度算法 | 第28-30页 |
| 2.4.2 算法复杂度分析 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于最短路径算法的的工作流任务调度方法 | 第31-46页 |
| 3.1 地理分布式云中工作流任务调度问题分析 | 第31页 |
| 3.2 工作流任务调度相关定义 | 第31-33页 |
| 3.2.1 工作流模型 | 第31-33页 |
| 3.2.2 地理分布式云的能耗模型 | 第33页 |
| 3.3 基于超图的工作流应用划分方法 | 第33-39页 |
| 3.3.1 工作流应用调度模型和问题描述 | 第33-35页 |
| 3.3.2 工作流划分 | 第35-39页 |
| 3.4 基于最短路径算法的工作流任务调度方法 | 第39-43页 |
| 3.4.1 地理分布式云中工作流任务调度目标函数 | 第39-40页 |
| 3.4.2 基于最短路径的工作流任务调度算法 | 第40-43页 |
| 3.5 基于最短路径的工作流任务调度算法描述 | 第43-45页 |
| 3.5.1 基于最短路径的工作流任务调度方法 | 第43-44页 |
| 3.5.2 时间复杂度分析 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 实验与结果分析 | 第46-77页 |
| 4.1 实验平台介绍及环境搭建 | 第46-50页 |
| 4.1.1 实验平台介绍 | 第46-47页 |
| 4.1.2 实验环境搭建 | 第47-50页 |
| 4.2 实验基准测试数据 | 第50-52页 |
| 4.3 基于负载均衡的工作流作业调度算法实验验证 | 第52-65页 |
| 4.3.1 实验设计 | 第52-54页 |
| 4.3.2 性能指标 | 第54页 |
| 4.3.3 基于Logistic回归的作业执行时间预测实验验证 | 第54-56页 |
| 4.3.4 基于负载均衡的工作流作业调度实验验证 | 第56-64页 |
| 4.3.5 实验结论 | 第64-65页 |
| 4.4 基于最短路径的工作流任务调度方法实验验证 | 第65-76页 |
| 4.4.1 实验设计 | 第65-66页 |
| 4.4.2 性能指标 | 第66页 |
| 4.4.3 工作流任务划分中K值的确定 | 第66-67页 |
| 4.4.4 基于最短路径的任务调度方法实验验证 | 第67-76页 |
| 4.4.5 实验结论 | 第76页 |
| 4.5 本章小结 | 第76-77页 |
| 第5章 总结与展望 | 第77-79页 |
| 5.1 主要工作总结 | 第77-78页 |
| 5.2 研究展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读学位期间获得与学位论文相关的科研成果目录 | 第84页 |
