云环境下基于非均匀粒度分类的任务调度算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要工作 | 第11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 第二章 云计算和粒计算概述 | 第13-24页 |
| 2.1 云计算概念 | 第13-14页 |
| 2.1.1 云计算定义 | 第13-14页 |
| 2.1.2 云计算特点 | 第14页 |
| 2.2 云计算体系结构 | 第14-15页 |
| 2.3 云计算服务类型 | 第15-16页 |
| 2.4 云计算关键技术 | 第16-18页 |
| 2.4.1 数据管理技术 | 第17页 |
| 2.4.2 数据存储技术 | 第17页 |
| 2.4.3 MapReduce编程模型 | 第17-18页 |
| 2.5 粒计算 | 第18-23页 |
| 2.5.1 粒计算定义 | 第18页 |
| 2.5.2 粒计算的基本概念 | 第18-19页 |
| 2.5.3 粒计算基本问题 | 第19-20页 |
| 2.5.4 粒计算模型 | 第20-21页 |
| 2.5.5 信息粒度 | 第21-22页 |
| 2.5.6 分类中的粒度原理 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 云环境下任务调度技术 | 第24-31页 |
| 3.1 任务调度模型 | 第24-25页 |
| 3.1.1 任务模型 | 第24-25页 |
| 3.1.2 资源模型 | 第25页 |
| 3.2 任务调度目标 | 第25-27页 |
| 3.3 任务调度算法 | 第27-30页 |
| 3.3.1 在线模式中的任务调度算法 | 第27-28页 |
| 3.3.2 批模式中的任务调度算法 | 第28-29页 |
| 3.3.3 启发式调度算法 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 云环境下基于非均匀粒度分类方法的调度策略 | 第31-42页 |
| 4.1 非均匀粒度分类方法 | 第31-33页 |
| 4.2 基于非均匀粒度分类的云任务调度算法 | 第33-41页 |
| 4.2.1 非均匀粒度方法对云资源分类的主要思想 | 第33-35页 |
| 4.2.2 TSNUGC算法主要思想 | 第35页 |
| 4.2.3 TSNUGC算法伪代码 | 第35-38页 |
| 4.2.4 算法流程图 | 第38-40页 |
| 4.2.5 算法性能分析 | 第40-41页 |
| 4.3 本章小节 | 第41-42页 |
| 第五章 仿真与结果分析 | 第42-53页 |
| 5.1 Cloudsim使用方法 | 第42-45页 |
| 5.1.1 Cloudsim环境配置 | 第42-43页 |
| 5.1.2 仿真流程 | 第43-45页 |
| 5.1.3 Cloudsim平台重新编译 | 第45页 |
| 5.2 云环境下TSNUGC任务调度算法的仿真 | 第45-52页 |
| 5.2.1 实验环境 | 第45-46页 |
| 5.2.2 实验结果与分析 | 第46-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 附录1攻读硕士学位期间撰写的论文 | 第58-59页 |
| 致谢 | 第59页 |
