首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--设计与性能分析论文

云环境下基于负载预测的虚拟机迁移机制研究

摘要第4-6页
Abstract第6-7页
第一章 绪论第13-19页
    1.1 研究背景及意义第13-14页
    1.2 国内外研究现状第14-16页
    1.3 本文的主要工作第16-17页
    1.4 本文的组织结构第17-19页
第二章 相关技术研究第19-33页
    2.1 云计算概述第19-24页
        2.1.1 云计算定义及特征第19-21页
        2.1.2 云计算体系结构第21-22页
        2.1.3 云计算的优势第22-24页
    2.2 云计算关键技术第24-27页
        2.2.1 数据中心技术第24-25页
        2.2.2 虚拟化技术第25-27页
    2.3 虚拟机动态迁移技术第27-30页
        2.3.1 动态迁移的实现第27-29页
        2.3.2 动态迁移的特点第29页
        2.3.3 动态迁移策略第29-30页
    2.4 系统优化技术第30-32页
        2.4.1 系统优化问题概述第30页
        2.4.2 智能优化算法研究第30-31页
        2.4.3 多目标优化问题概述第31-32页
    2.5 本章小结第32-33页
第三章 面向周期性任务请求的服务器热点检测方法第33-55页
    3.1 云计算任务请求特征分析第33-36页
    3.2 面向周期性任务请求的服务器热点检测方法第36-45页
        3.2.1 热点检测模型框架第36-37页
        3.2.2 模型工作流程第37-38页
        3.2.3 预测模块设计第38-41页
        3.2.4 预测算法设计第41-43页
        3.2.5 预测算法在云计算环境下预测任务准确性分析第43-45页
    3.3 LF-HW模型仿真实验第45-53页
        3.3.1 仿真实验平台CloudSim简介第45-46页
        3.3.2 实验环境第46-47页
        3.3.3 平台扩展与编译第47-50页
        3.3.4 实验参数设置第50-52页
        3.3.5 实验结果分析第52-53页
    3.4 本章小结第53-55页
第四章 基于改进粒子群优化算法的虚拟机迁移选择策略研究第55-65页
    4.1 虚拟机批量迁移选择策略问题分析第55-56页
        4.1.1 确定待迁移虚拟机的顺序第55页
        4.1.2 选定待迁移的VM第55页
        4.1.3 选择迁移的位置第55-56页
    4.2 粒子群优化算法概述第56-59页
        4.2.1 粒子群优化算法基本思想第56-57页
        4.2.2 粒子群优化算法流程第57-58页
        4.2.3 参数选择第58-59页
    4.3 基于MPSO算法的选择策略制定第59-62页
        4.3.1 虚拟机和服务器匹配度量第59-60页
        4.3.2 规避列表设计第60页
        4.3.3 选择算法设计第60-62页
        4.3.4 算法可行性分析第62页
    4.4 算法仿真实验第62-64页
        4.4.5 算法收敛性比较分析第62-63页
        4.4.6 选择策略整体性能比较分析第63-64页
    4.5 本章小结第64-65页
第五章 系统实验及结果分析第65-75页
    5.1 桌面云简介第65-68页
        5.1.2 桌面云系统框架第66-67页
        5.1.3 桌面云管理系统第67-68页
    5.2 实验平台构建第68-72页
        5.2.1 实验环境和参数第68-70页
        5.2.2 实验设计第70-72页
    5.3 系统实验结果分析第72-74页
    5.4 本章小结第74-75页
第六章 总结与展望第75-77页
    6.1 本文工作总结第75-76页
    6.2 展望第76-77页
致谢第77-78页
参考文献第78-82页
作者简历第82页

论文共82页,点击 下载论文
上一篇:基于帧间差和背景差的视频运动目标检测方法研究
下一篇:杧果SOC1和SEP1基因的克隆及表达分析