| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 负载预测研究现状 | 第11-12页 |
| 1.2.2 容器调度研究现状 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第二章 基于GRU神经网络的负载预测方法 | 第15-26页 |
| 2.1 问题描述 | 第15页 |
| 2.2 模型设计 | 第15-18页 |
| 2.2.1 负载模型 | 第16页 |
| 2.2.2 循环神经网络结构 | 第16-18页 |
| 2.3 基于GRU神经网络的负载预测算法 | 第18-21页 |
| 2.3.1 神经网络训练 | 第19-20页 |
| 2.3.2 基于GRU神经网络模型的负载预测算法设计 | 第20-21页 |
| 2.4 实验结果分析 | 第21-25页 |
| 2.4.1 模型参数选取 | 第22-23页 |
| 2.4.2 结果分析 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于邻域划分的容器调度方法 | 第26-42页 |
| 3.1 问题描述 | 第26-27页 |
| 3.2 基于邻域划分的容器调度算法相关模型设计 | 第27-31页 |
| 3.2.1 微服务中docker容器模型 | 第28页 |
| 3.2.2 容器依赖模型 | 第28-29页 |
| 3.2.3 负载不均衡模型 | 第29-30页 |
| 3.2.4 容器距离模型 | 第30-31页 |
| 3.3 基于邻域划分的容器调度算法 | 第31-36页 |
| 3.3.1 邻域划分算法 | 第31-32页 |
| 3.3.2 改进粒子群算法设计 | 第32-35页 |
| 3.3.3 基于邻域划分的容器调度算法整合 | 第35-36页 |
| 3.4 实验设置和结果分析 | 第36-41页 |
| 3.4.1 实验设置 | 第36-37页 |
| 3.4.2 参数分析 | 第37-39页 |
| 3.4.3 算法测试 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 微服务环境中容器调度系统实现 | 第42-52页 |
| 4.1 微服务环境中容器调度系统整体框架 | 第42-43页 |
| 4.2 系统设计 | 第43-48页 |
| 4.2.1 调度模块设计 | 第43-45页 |
| 4.2.2 商城框架设计 | 第45-47页 |
| 4.2.3 商城微服务架构设计 | 第47-48页 |
| 4.3 系统实现与测试 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结及展望 | 第52-54页 |
| 5.1 主要工作总结 | 第52页 |
| 5.2 研究展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 作者攻读学位期间发表的学术论文目录 | 第58页 |