首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--设计与性能分析论文

基于节能的虚拟机部署与虚拟机整合技术研究

摘要第5-6页
abstract第6-7页
第一章 绪论第11-18页
    1.1 研究工作的背景与意义第11-12页
    1.2 国内外研究现状第12-16页
        1.2.1 虚拟机部署问题研究现状第12-14页
        1.2.2 虚拟机整合问题研究现状第14-16页
    1.3 本文的主要工作第16-17页
    1.4 本文的结构安排第17-18页
第二章 相关技术概述第18-29页
    2.1 云计算概述第18-21页
        2.1.1 云计算概念第18页
        2.1.2 云计算服务模式第18-19页
        2.1.3 数据中心资源第19-20页
        2.1.4 数据中心虚拟机化技术第20-21页
    2.2 虚拟机部署技术第21-24页
        2.2.1 虚拟机部署技术概述第21页
        2.2.2 虚拟机部署问题第21-22页
        2.2.3 虚拟机部署问题解法第22-23页
        2.2.4 虚拟机数据存储方式第23-24页
    2.3 虚拟机整合技术第24-26页
        2.3.1 虚拟机迁移技术概述第24页
        2.3.2 虚拟机整合问题第24页
        2.3.3 虚拟机整合技术第24-26页
    2.4 粒子群算法第26-27页
    2.5 负载预测技术第27-28页
    2.6 本章小结第28-29页
第三章 一种考虑网络设备能耗的改进粒子群算法第29-43页
    3.1 虚拟机部署场景描述第29-30页
    3.2 问题建模第30-34页
        3.2.1 物理机能耗第30-31页
        3.2.2 网络设备能耗第31-32页
        3.2.3 问题方程第32-34页
    3.3 粒子群算法在虚拟机部署中的应用第34-37页
        3.3.1 传统粒子群算法第34-35页
        3.3.2 二维编码的粒子群算法第35-37页
    3.4 一种考虑网络设备能耗的粒子群算法第37-42页
        3.4.1 基于最小能耗的适应函数第38页
        3.4.2 局部位置更新策略第38-40页
        3.4.3 一种考虑网络设备能耗的粒子群算法第40-42页
    3.5 本章小结第42-43页
第四章 一种基于负载预测的虚拟机整合算法第43-54页
    4.1 虚拟机整合场景描述第43-44页
    4.2 马尔科夫模型第44-45页
        4.2.1 马尔科夫模型定义第44页
        4.2.2 马尔科夫过程的检验第44-45页
    4.3 基于马尔科夫模型的物理机负载预测第45-47页
        4.3.1 建模过程第45-46页
        4.3.2 马氏性检验第46页
        4.3.3 性能分析第46-47页
    4.4 一种基于负载预测的虚拟机整合算法第47-53页
        4.4.1 双阈值策略第47-48页
        4.4.2 物理机负载状态判定第48-49页
        4.4.3 虚拟机选择策略第49-50页
        4.4.4 虚拟机部署策略第50-52页
        4.4.5 基于负载预测的虚拟机整合算法第52-53页
    4.5 本章小结第53-54页
第五章 仿真实验第54-65页
    5.1 CloudSim仿真工具第54-56页
        5.1.1 CloudSim介绍第54页
        5.1.2 CloudSim的主要特点第54页
        5.1.3 CloudSim的模型介绍第54-56页
    5.2 CloudSim的配置和使用第56-57页
    5.3 改进粒子群算法的虚拟机部署实验第57-60页
        5.3.1 实验设置第57-58页
        5.3.2 实验结果及分析第58-60页
    5.4 基于负载预测的虚拟机整合实验第60-64页
        5.4.1 实验设置第60-61页
        5.4.2 实验结果及分析第61-64页
    5.5 本章小结第64-65页
第六章 总结与展望第65-67页
    6.1 全文总结第65-66页
    6.2 研究展望第66-67页
致谢第67-68页
参考文献第68-74页

论文共74页,点击 下载论文
上一篇:基于FPGA的卷积神经网络加速器设计
下一篇:智能家居网络中的干扰管理研究