低可靠环境中云计算系统的服务质量预测与优化调度研究
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究的应用背景及意义 | 第9-10页 |
| 1.2 关键科学问题研究现状 | 第10-15页 |
| 1.2.1 云计算系统与云服务的建模 | 第10-12页 |
| 1.2.2 云服务QoS定量分析 | 第12-13页 |
| 1.2.3 QoS模型的检验和瓶颈检测 | 第13页 |
| 1.2.4 云上工作流优化调度 | 第13-15页 |
| 1.3 研究动机与研究内容 | 第15-16页 |
| 1.3.1 研究动机 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.4 论文组织与结构 | 第16-19页 |
| 2 基础理论与研究现状 | 第19-39页 |
| 2.1 云计算及其体系结构 | 第19-21页 |
| 2.1.1 体系结构 | 第19-20页 |
| 2.1.2 云服务模式和组织部署形态 | 第20-21页 |
| 2.2 随机过程建模与马尔科夫模型 | 第21-31页 |
| 2.2.1 马尔科夫模型 | 第21-22页 |
| 2.2.2 离散时间马尔可夫链 | 第22-25页 |
| 2.2.3 连续时间马尔可夫链 | 第25-27页 |
| 2.2.4 马尔可夫反馈方法 | 第27-28页 |
| 2.2.5 可用性模型示例 | 第28-31页 |
| 2.2.6 马尔科夫模型的最大性 | 第31页 |
| 2.3 ARMA模型与时间序列预测模型 | 第31-37页 |
| 2.3.1 时间序列发展历程 | 第32页 |
| 2.3.2 时间序列与云服务QoS预测 | 第32-33页 |
| 2.3.3 随机时间序列ARMA模型 | 第33-36页 |
| 2.3.4 数据处理与ARMA预测模型的建立 | 第36-37页 |
| 2.4 本章小结 | 第37-39页 |
| 3 低可靠环境下云系统建模和系统容量优化决策 | 第39-67页 |
| 3.1 问题描述 | 第39-41页 |
| 3.1.1 基础理论 | 第39-40页 |
| 3.1.2 相关研究 | 第40-41页 |
| 3.2 系统模型 | 第41-43页 |
| 3.3 CTMC模型 | 第43-48页 |
| 3.4 帕累托分布近似和概率分析 | 第48-50页 |
| 3.5 实验测试和模型验证 | 第50-56页 |
| 3.6 SLA约束的系统容量配置 | 第56-59页 |
| 3.7 嵌入时间序列预测机制的时变QOS预测 | 第59-65页 |
| 3.8 本章小结 | 第65-67页 |
| 4 云上工作流和业务流程的优化调度 | 第67-95页 |
| 4.1 工作流基础理论 | 第67-70页 |
| 4.1.1 工作流 | 第67-68页 |
| 4.1.2 调度引擎 | 第68-69页 |
| 4.1.3 工作流与云计算系统 | 第69-70页 |
| 4.2 面向工作流和业务流程的云资源调度 | 第70-76页 |
| 4.2.1 基本调度技术 | 第71-72页 |
| 4.2.2 随机引导算法 | 第72-73页 |
| 4.2.3 关键路径调度算法 | 第73-74页 |
| 4.2.4 迭代引导搜索算法 | 第74-76页 |
| 4.3 工作流系统模型 | 第76-77页 |
| 4.4 优化问题的形式 | 第77-79页 |
| 4.5 基于遗传策略和时间序列预测的调度算法 | 第79-86页 |
| 4.6 案例研究与比较 | 第86-93页 |
| 4.7 本章结论 | 第93-95页 |
| 5 总结与展望 | 第95-99页 |
| 5.1 本文工作总结 | 第95-96页 |
| 5.2 后续工作展望 | 第96-99页 |
| 致谢 | 第99-101页 |
| 参考文献 | 第101-113页 |
| 附录 | 第113-115页 |
| A. 攻读博士学位期间发表的相关论文 | 第113-115页 |
| B. 作者在攻读博士学位期间参加的科研项目列表 | 第115页 |
