基于云计算平台的资源调度关键技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 云计算的概述及其特点 | 第13-15页 |
| 1.1.1 云计算的概念 | 第13-14页 |
| 1.1.2 云计算与网格计算的区别 | 第14-15页 |
| 1.1.3 云计算的发展现状 | 第15页 |
| 1.2 云计算中的资源调度研究现状 | 第15-17页 |
| 1.2.1 云计算中的数据存储机制 | 第15-16页 |
| 1.2.2 云计算可靠性评估方法 | 第16-17页 |
| 1.2.3 云计算任务调度研究的发展 | 第17页 |
| 1.3 研究的意义和方向 | 第17页 |
| 1.3.1 资源调度机制研究的意义 | 第17页 |
| 1.3.2 本论文的研究方向 | 第17页 |
| 1.4 本文的主要研究内容 | 第17-19页 |
| 第二章 云计算可靠性评估方法 | 第19-31页 |
| 2.1 研究背景 | 第19页 |
| 2.2 传统可靠性评估方法 | 第19-21页 |
| 2.2.1 枚举法 | 第19-20页 |
| 2.2.2 最小割集方法 | 第20页 |
| 2.2.3 Monte Carlo方法 | 第20-21页 |
| 2.3 云服务可靠性评估方法 | 第21-29页 |
| 2.3.1 故障独立 | 第22-24页 |
| 2.3.2 故障相关 | 第24-26页 |
| 2.3.3 整体网络的可靠性估计 | 第26-27页 |
| 2.3.4 仿真实验 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于混沌蚁群算法的云计算任务调度算法 | 第31-41页 |
| 3.1 云计算任务调度 | 第31-32页 |
| 3.2 问题描述 | 第32-35页 |
| 3.2.1 Makespan和Flowtime | 第32-34页 |
| 3.2.2 可靠性分析 | 第34-35页 |
| 3.2.3 多目标模型 | 第35页 |
| 3.3 算法设计 | 第35-38页 |
| 3.3.1 混沌蚁群算法 | 第35-36页 |
| 3.3.2 操作因子 | 第36-37页 |
| 3.3.3 CAS解决调度问题的过程 | 第37-38页 |
| 3.4 仿真结果 | 第38-40页 |
| 3.4.1 与其他算法比较 | 第38-39页 |
| 3.4.2 混沌蚁群算法的性能 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 Hadoop的关键技术 | 第41-51页 |
| 4.1 分布式文件系统HDFS | 第41-43页 |
| 4.2 MapReduce编程模型 | 第43-44页 |
| 4.3 MapReduce作业的执行过程 | 第44-49页 |
| 4.3.1 作业的提交与初始化 | 第44-46页 |
| 4.3.2 任务调度器 | 第46-47页 |
| 4.3.3 心跳机制 | 第47-48页 |
| 4.3.4 序列化 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 基于资源感知的Hadoop任务调度器 | 第51-67页 |
| 5.1 容量调度 | 第51-56页 |
| 5.1.1 配置属性 | 第52-53页 |
| 5.1.2 调度流程 | 第53-54页 |
| 5.1.3 技术细节 | 第54-56页 |
| 5.2 公平调度器 | 第56-61页 |
| 5.2.1 调度算法 | 第56-58页 |
| 5.2.2 技术细节 | 第58-61页 |
| 5.3 基于资源感知的Hadoop任务调度器 | 第61-64页 |
| 5.3.1 资源感知 | 第62-64页 |
| 5.3.2 任务调度 | 第64页 |
| 5.4 本章小结 | 第64-67页 |
| 第六章 全文总结 | 第67-69页 |
| 6.1 全文工作总结 | 第67-68页 |
| 6.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间相关专利及论文 | 第75页 |
