| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与目的 | 第11-15页 |
| 1.1.1 课题研究的背景 | 第11-12页 |
| 1.1.2 数据中心 | 第12-14页 |
| 1.1.3 课题研究目的与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 预测技术研究 | 第15页 |
| 1.2.2 带宽分配策略研究 | 第15-17页 |
| 1.3 本文研究工作 | 第17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第2章 云计算管理平台项目介绍 | 第19-26页 |
| 2.1 Openstack简介 | 第19-21页 |
| 2.1.1 Openstack介绍 | 第19页 |
| 2.1.2 Openstack项目组成 | 第19-20页 |
| 2.1.3 Openstack项目架构 | 第20-21页 |
| 2.2 Openstack网络模型与技术 | 第21-25页 |
| 2.2.1 Nova-Network架构 | 第21-22页 |
| 2.2.2 Neutron架构 | 第22-24页 |
| 2.2.3 隧道技术 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 面向虚拟机流量特征的带宽优化方法 | 第26-43页 |
| 3.1 BP神经网络 | 第26-32页 |
| 3.1.1 人工神经网络模型 | 第26-28页 |
| 3.1.2 BP神经网络模型 | 第28-29页 |
| 3.1.3 BP神经网络算法 | 第29-31页 |
| 3.1.4 BP神经网络的优点及限制 | 第31-32页 |
| 3.2 面向遗传算法改进BP神经网络算法的预测机制 | 第32-41页 |
| 3.2.1 遗传算法基本特征及逻辑流程 | 第33-35页 |
| 3.2.2 遗传算法优化BP神经网络算法原理及流程 | 第35-36页 |
| 3.2.3 预测模型数据预处理 | 第36-37页 |
| 3.2.4 改进预测算法种群初始化与网络拓扑初始化 | 第37页 |
| 3.2.5 改进预测算法适应度函数与选择 | 第37-38页 |
| 3.2.6 改进预测算法交叉与变异 | 第38-41页 |
| 3.3 带宽动态调节算法优化与最小带宽保证机制 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 面向数据中心的虚拟机带宽优化系统设计与实现 | 第43-58页 |
| 4.1 系统简介 | 第43页 |
| 4.2 实验环境设计与实现 | 第43-49页 |
| 4.2.1 实验环境设计 | 第43-46页 |
| 4.2.2 实验平台实现 | 第46-49页 |
| 4.3 虚拟机带宽监测与控制模块设计与实现 | 第49-53页 |
| 4.3.1 Neutron网络模型 | 第49-50页 |
| 4.3.2 网络节点L3服务 | 第50-52页 |
| 4.3.3 虚拟机流量采集与带宽控制 | 第52-53页 |
| 4.4 虚拟机带宽优化策略系统的设计与实现 | 第53-57页 |
| 4.4.1 系统介绍 | 第53-54页 |
| 4.4.2 虚拟路由命名空间 | 第54-55页 |
| 4.4.3 虚拟机信息存取机制 | 第55页 |
| 4.4.4 虚拟机带宽预测模块 | 第55-56页 |
| 4.4.5 动态调节机制优化模块 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 实验及结果分析 | 第58-64页 |
| 5.1 带宽动态调节机制优化实验 | 第58-59页 |
| 5.2 虚拟机带宽优化策略实验与分析 | 第59-63页 |
| 5.2.1 实验介绍 | 第59页 |
| 5.2.2 虚拟机流量预测算法对比实验 | 第59-61页 |
| 5.2.3 虚拟机带宽优化策略对比实验 | 第61-63页 |
| 5.3 本章小结 | 第63-64页 |
| 结论与展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
