多媒体云计算中的资源管理研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文研究内容与组织结构 | 第13-14页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 论文组织结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 多媒体云资源管理基础 | 第15-26页 |
| 2.1 多媒体云计算 | 第15-16页 |
| 2.1.1 云计算资源构成 | 第15页 |
| 2.1.2 基于云的多媒体服务体系 | 第15-16页 |
| 2.2 多媒体云资源管理 | 第16-19页 |
| 2.2.1 资源管理系统结构 | 第16-18页 |
| 2.2.2 多媒体云资源管理目标 | 第18-19页 |
| 2.3 虚拟机放置问题 | 第19-20页 |
| 2.3.1 装箱问题 | 第19-20页 |
| 2.3.2 多目标优化问题 | 第20页 |
| 2.4 云媒体资源监控 | 第20-22页 |
| 2.4.1 监控体系结构 | 第21页 |
| 2.4.2 不同监控体系的性能 | 第21-22页 |
| 2.5 CloudSim平台介绍 | 第22-25页 |
| 2.5.1 CloudSim概述 | 第22-23页 |
| 2.5.2 CloudSim体系结构 | 第23-24页 |
| 2.5.3 CloudSim仿真流程与步骤 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 多媒体云服务中任务调度和资源分配的优化 | 第26-47页 |
| 3.1 多媒体云服务框架设计与分析 | 第26-29页 |
| 3.1.1 多媒体云会议构成 | 第26-27页 |
| 3.1.2 多媒体云会议服务流程 | 第27-28页 |
| 3.1.3 多媒体云服务架构 | 第28-29页 |
| 3.2 多媒体云服务任务与资源 | 第29-33页 |
| 3.2.1 多媒体计算任务 | 第29-31页 |
| 3.2.2 任务的可调度性 | 第31-32页 |
| 3.2.3 资源动态配置 | 第32-33页 |
| 3.3 任务管理算法设计 | 第33-36页 |
| 3.3.1 任务管理的框架设计与分析 | 第33-35页 |
| 3.3.2 任务周期及执行流程 | 第35-36页 |
| 3.4 任务调度与资源分配算法 | 第36-41页 |
| 3.4.1 相关概念和定义 | 第36-37页 |
| 3.4.2 任务模型中的各项指标 | 第37-38页 |
| 3.4.3 算法实现 | 第38-41页 |
| 3.5 算法分析与优化 | 第41-42页 |
| 3.5.1 状态转移概率公式的改进 | 第41页 |
| 3.5.2 信息素更新的改进 | 第41-42页 |
| 3.5.3 基于媒体资源可扩展的蚁群调度算法 | 第42页 |
| 3.6 实验设计与仿真 | 第42-46页 |
| 3.6.1 实验设计 | 第43页 |
| 3.6.2 实验结果与分析 | 第43-46页 |
| 3.7 本章小结 | 第46-47页 |
| 第四章 基于QoS约束的虚拟机放置算法 | 第47-64页 |
| 4.1 引言 | 第47-50页 |
| 4.1.1 虚拟机放置与迁移 | 第47-49页 |
| 4.1.2 VMP问题的解决思路 | 第49-50页 |
| 4.1.3 多媒体云服务中VM管理模型 | 第50页 |
| 4.2 问题模型和描述 | 第50-56页 |
| 4.2.1 VMP的目标规划模型 | 第50-51页 |
| 4.2.2 多媒体云服务的QoS效用函数 | 第51-53页 |
| 4.2.3 资源相似性和相关系数 | 第53-54页 |
| 4.2.4 亲和度模型 | 第54-56页 |
| 4.3 基于相似性的成对VM放置算法 | 第56-57页 |
| 4.4 基于亲和度的VM放置算法 | 第57页 |
| 4.5 性能评估 | 第57-63页 |
| 4.5.1 实验设计 | 第58-59页 |
| 4.5.2 基于相似性的虚拟机放置算法实验分析 | 第59-61页 |
| 4.5.3 基于亲和度的虚拟机放置算法实验分析 | 第61-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 资源的自适应监控方法研究 | 第64-77页 |
| 5.1 云资源监控 | 第64-65页 |
| 5.1.1 多媒体云资源的监控需求分析 | 第64页 |
| 5.1.2 面临的问题和解决方案 | 第64-65页 |
| 5.2 监控数据的采集与传输 | 第65-67页 |
| 5.2.1 Pull和Push模式 | 第65-66页 |
| 5.2.2 混合模式 | 第66-67页 |
| 5.3 基于非等间距灰度预测的监控策略 | 第67-71页 |
| 5.3.1 灰度预测GM(1,1)模型 | 第67-68页 |
| 5.3.2 非等间距预测模型 | 第68-69页 |
| 5.3.3 动态更改轮询时间 | 第69-70页 |
| 5.3.4 Push和Pull模式智能切换 | 第70-71页 |
| 5.4 实验设计与分析 | 第71-76页 |
| 5.4.1 算法衡量指标 | 第71-72页 |
| 5.4.2 实验设计 | 第72-73页 |
| 5.4.3 实验结果及分析 | 第73-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 附录 攻读硕士学位期间撰写的论文 | 第85-86页 |
| 致谢 | 第86页 |
