| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景及研究目的和意义 | 第9-11页 |
| 1.3 国内外研究现状分析 | 第11-16页 |
| 1.3.1 异构云环境下能源消耗模型研究现状 | 第11-13页 |
| 1.3.2 虚拟机网络放置与调度研究现状 | 第13-16页 |
| 1.4 当前存在的主要问题 | 第16页 |
| 1.5 本文主要研究内容及章节安排 | 第16-19页 |
| 第2章 异构云数据中心能源消耗模型 | 第19-30页 |
| 2.1 异构云数据中心能耗度量分析 | 第19-22页 |
| 2.1.1 异构云数据中心能耗构成 | 第19-21页 |
| 2.1.2 常见数据中心能耗度量方法 | 第21页 |
| 2.1.3 异构云数据中心能耗度量方法 | 第21-22页 |
| 2.2 虚拟机能耗模型 | 第22-26页 |
| 2.2.1 虚拟机能耗模型建立 | 第23-25页 |
| 2.2.2 虚拟机能耗模型对比与分析 | 第25-26页 |
| 2.3 物理机及网络设备能耗模型 | 第26-28页 |
| 2.3.1 物理机能耗模型 | 第26-27页 |
| 2.3.2 网络设备能耗模型 | 第27-28页 |
| 2.4 对比与分析 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 能耗感知的虚拟机网络优化放置研究 | 第30-51页 |
| 3.1 虚拟机网络放置场景描述 | 第30-32页 |
| 3.2 能耗感知的虚拟机网络优化放置算法 | 第32-43页 |
| 3.2.1 问题描述 | 第32-33页 |
| 3.2.2 问题模型 | 第33-35页 |
| 3.2.3 基于免疫遗传算法的虚拟机网络放置算法 | 第35-40页 |
| 3.2.4 基于最小割与最佳适应的改进算法 | 第40-43页 |
| 3.3 实验与分析 | 第43-50页 |
| 3.3.1 实验参数设置 | 第43-47页 |
| 3.3.2 求解质量的对比实验分析 | 第47-49页 |
| 3.3.3 运行效率的对比实验分析 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 能耗优化的虚拟机网络动态迁移机制研究 | 第51-63页 |
| 4.1 用户行为特征分析 | 第51-53页 |
| 4.2 虚拟机负载预测 | 第53-54页 |
| 4.3 基于用户行为分析的虚拟机网络动态迁移算法 | 第54-59页 |
| 4.3.1 问题描述 | 第54-56页 |
| 4.3.2 问题模型 | 第56-58页 |
| 4.3.3 算法描述 | 第58-59页 |
| 4.4 实验与分析 | 第59-62页 |
| 4.4.1 实验参数设置 | 第59-60页 |
| 4.4.2 实验结果分析 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 云数据中心资源管理平台的设计与实现 | 第63-85页 |
| 5.1 能耗感知的云数据中心资源管理平台架构 | 第63-65页 |
| 5.2 能耗感知的云数据中心资源管理平台设计 | 第65-70页 |
| 5.2.1 功能设计 | 第65-66页 |
| 5.2.2 关键模块设计 | 第66-69页 |
| 5.2.3 数据库设计 | 第69-70页 |
| 5.3 能耗感知的云数据中心资源管理平台的实现 | 第70-74页 |
| 5.3.1 异构云数据中心能耗度量模块实现 | 第70-72页 |
| 5.3.2 虚拟机网络放置与调度模块实现 | 第72-74页 |
| 5.4 能耗感知的云数据中心资源管理平台的运行与测试 | 第74-84页 |
| 5.4.1 平台运营中心模块 | 第74-80页 |
| 5.4.2 平台服务中心模块 | 第80-81页 |
| 5.4.3 云数据中心资源管理平台系统测试 | 第81-84页 |
| 5.5 本章小结 | 第84-85页 |
| 结论 | 第85-86页 |
| 参考文献 | 第86-92页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第92-94页 |
| 致谢 | 第94页 |