面向云环境数据中心的高效资源调度机制研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-12页 |
| 图表目录 | 第12-14页 |
| 第一章 绪论 | 第14-26页 |
| ·研究背景及意义 | 第14-20页 |
| ·数据中心与云计算 | 第14-17页 |
| ·面向云环境的下一代数据中心 | 第17-18页 |
| ·面向云环境数据中心面临的重要问题 | 第18-20页 |
| ·主要研究内容 | 第20-21页 |
| ·论文的主要贡献和创新 | 第21-23页 |
| ·论文组织结构 | 第23-24页 |
| 参考文献 | 第24-26页 |
| 第二章 相关研究工作 | 第26-42页 |
| ·云计算系统的资源管理现状 | 第26-30页 |
| ·Amazon弹性计算云 | 第26页 |
| ·IBM蓝云 | 第26-27页 |
| ·VMWare vSphere | 第27-28页 |
| ·OpenNebula | 第28-29页 |
| ·Mesos | 第29-30页 |
| ·服务器聚合调度算法 | 第30-33页 |
| ·单维聚合的资源调度算法 | 第30-31页 |
| ·多维约束的聚合调度算法 | 第31-32页 |
| ·多维联合的聚合调度算法 | 第32-33页 |
| ·网络资源调度算法 | 第33-35页 |
| ·虚拟机迁移策略 | 第35-38页 |
| ·静态迁移和热迁移 | 第36-37页 |
| ·面向单一虚拟机热迁移的延迟优化 | 第37-38页 |
| ·面向并发序列的虚拟机迁移优化 | 第38页 |
| ·本章小结 | 第38页 |
| 参考文献 | 第38-42页 |
| 第三章 基于多维协同聚合的虚拟机调度机制 | 第42-66页 |
| ·研究背景及动机 | 第42-44页 |
| ·多维资源聚合数学模型 | 第44-46页 |
| ·基于多维协同聚合的调度算法 | 第46-56页 |
| ·分组基因编码及评估 | 第47-49页 |
| ·基于模糊逻辑的多维协同适应度函数 | 第49-51页 |
| ·选择算子机理 | 第51-52页 |
| ·交叉算子机理 | 第52-55页 |
| ·变异算子机理 | 第55-56页 |
| ·MCCA调度算法整体流程 | 第56页 |
| ·实验与分析 | 第56-62页 |
| ·实验环境与设置 | 第56-60页 |
| ·实验结果分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 第四章 通信关联感知的多层应用映射策略 | 第66-88页 |
| ·研究背景及动机 | 第66-69页 |
| ·问题描述和建模 | 第69-73页 |
| ·通信关联感知的多层应用映射模型描述 | 第69-72页 |
| ·C2VMPP模型的强NP-hard证明 | 第72-73页 |
| ·通信关联感知的双阶段优化映射算法 | 第73-78页 |
| ·算法总体设计 | 第73-75页 |
| ·第一阶段：初始可行解的生成 | 第75-76页 |
| ·第二阶段：局部优化调整算子 | 第76-78页 |
| ·实验与分析 | 第78-85页 |
| ·实验环境与设置 | 第78-80页 |
| ·实验结果分析 | 第80-85页 |
| ·本章小结 | 第85页 |
| 参考文献 | 第85-88页 |
| 第五章 面向并发序列的虚拟机迁移机制 | 第88-108页 |
| ·研究背景及动机 | 第88-90页 |
| ·问题描述和建模 | 第90-95页 |
| ·单虚拟机的pre-copy模型描述 | 第90-94页 |
| ·面向虚拟机并发迁移操作的系统模型描述 | 第94-95页 |
| ·面向并发序列的虚拟机迁移调度算法 | 第95-100页 |
| ·算法基本思想 | 第95-96页 |
| ·面向并发序列的虚拟机自适应迁移调度算法 | 第96-100页 |
| ·实验与分析 | 第100-106页 |
| ·实验环境与设置 | 第100页 |
| ·实验结果分析 | 第100-106页 |
| ·本章小结 | 第106页 |
| 参考文献 | 第106-108页 |
| 第六章 总结与展望 | 第108-112页 |
| ·本文工作总结 | 第108-109页 |
| ·研究展望 | 第109-112页 |
| 缩略语 | 第112-114页 |
| 致谢 | 第114-116页 |
| 攻读学位期间发表的学术著作 | 第116-118页 |
| 攻读学位期间参与科研工作 | 第118页 |
