| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究意义 | 第11页 |
| 1.2 研究背景 | 第11-12页 |
| 1.3 研究目的 | 第12-13页 |
| 1.4 研究内容 | 第13页 |
| 1.5 国内外研究现状 | 第13-17页 |
| 2 相关技术 | 第17-23页 |
| 2.1 云计算技术 | 第17-19页 |
| 2.1.1 云计算的五大特征 | 第17-18页 |
| 2.1.2 云计算的四大部署模式 | 第18页 |
| 2.1.3 广义云计算 | 第18-19页 |
| 2.2 虚拟机迁移技术 | 第19-20页 |
| 2.3 OpenStack云平台技术 | 第20-23页 |
| 2.3.1 计算组件Nova介绍 | 第21-22页 |
| 2.3.2 对象存储组件Swift介绍 | 第22页 |
| 2.3.3 身份认证服务组件Keystone介绍 | 第22页 |
| 2.3.4 镜像组件Glance介绍 | 第22-23页 |
| 3 云资源的动态伸缩方案 | 第23-32页 |
| 3.1 云资源管理基本机制 | 第23-25页 |
| 3.2 云资源的动态伸缩 | 第25-32页 |
| 3.2.1 阈值的设定 | 第27页 |
| 3.2.2 资源监控策略制定 | 第27-29页 |
| 3.2.3 虚拟机负载的预测 | 第29-30页 |
| 3.2.4 虚拟机资源的扩展方案和收缩方案 | 第30-32页 |
| 4 多目标蚁群优化算法的热迁移技术 | 第32-43页 |
| 4.1 虚拟机的自动化迁移 | 第32页 |
| 4.2 源虚拟机的选择 | 第32-34页 |
| 4.3 蚁群算法与虚拟机的迁移 | 第34-43页 |
| 4.3.1 虚拟机放置问题概述 | 第34-35页 |
| 4.3.2 蚁群算法 | 第35-36页 |
| 4.3.3 多目标进化算法 | 第36-37页 |
| 4.3.4 放置性能的研究 | 第37-39页 |
| 4.3.5 多目标蚁群优化算法 | 第39-43页 |
| 5 实验与结果分析 | 第43-52页 |
| 5.1 资源伸缩方案的验证 | 第43-45页 |
| 5.2 多目标的蚁群优化算法和多目标的遗传算法的性能对比 | 第45-49页 |
| 5.3 多目标蚁群优化算法与单目标算法以及FFD算法的性能对比 | 第49-50页 |
| 5.4 大量虚拟机下多目标的蚁群优化算法的性能测试 | 第50-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
