摘要 | 第4-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第15-25页 |
1.1 研究背景 | 第15-17页 |
1.2 本文的选题依据与意义 | 第17-20页 |
1.2.1 研究意义 | 第18-20页 |
1.2.2 选题的项目背景 | 第20页 |
1.3 本文主要研究内容和创新点 | 第20-24页 |
1.3.1 主要研究内容 | 第20-22页 |
1.3.2 主要创新点 | 第22-24页 |
1.4 本文的组织结构 | 第24-25页 |
第2章 云环境下能量高效的数据管理技术研究现状分析 | 第25-43页 |
2.1 单节点上能量高效的数据管理技术研究现状分析 | 第25-34页 |
2.1.1 基于硬件的能量高效的数据管理技术 | 第25-31页 |
2.1.2 基于软件的能量高效的数据管理技术 | 第31-34页 |
2.2 云环境下能量高效的数据管理技术研究现状分析 | 第34-42页 |
2.2.1 数据中心的绿色能源 | 第34-36页 |
2.2.2 能量高效的云计算平台 | 第36-37页 |
2.2.3 能量高效的虚拟机调度 | 第37-39页 |
2.2.4 能量高效的任务调度 | 第39-42页 |
2.3 本章小结 | 第42-43页 |
第3章 单节点上基于多核处理器的代价感知的任务调度 | 第43-68页 |
3.1 引言 | 第43-44页 |
3.2 问题描述 | 第44-45页 |
3.3 基于DVFS的单节点代价感知的任务调度算法 | 第45-57页 |
3.3.1 单核处理器 | 第45-47页 |
3.3.2 多核处理器 | 第47-57页 |
3.4 实验分析 | 第57-67页 |
3.4.1 内核为独立控制结构的节点实验 | 第57-61页 |
3.4.2 内核为整体控制结构的节点实验 | 第61-64页 |
3.4.3 内核为分组控制结构的节点实验 | 第64-67页 |
3.5 本章小结 | 第67-68页 |
第4章 云环境下能量高效的数据密集型任务处理 | 第68-95页 |
4.1 引言 | 第68-69页 |
4.2 同构集群中能量高效的数据密集型任务处理 | 第69-82页 |
4.2.1 问题描述 | 第69-71页 |
4.2.2 算法设计 | 第71-77页 |
4.2.3 性能分析 | 第77-82页 |
4.3 异构集群中能量高效的数据密集型任务处理 | 第82-93页 |
4.3.1 问题描述 | 第82页 |
4.3.2 算法设计 | 第82-87页 |
4.3.3 性能评价 | 第87-93页 |
4.4 本章小结 | 第93-95页 |
第5章 云环境下能量高效的虚拟机调度 | 第95-111页 |
5.1 引言 | 第95-96页 |
5.2 节点能耗模型和虚拟机任务模型 | 第96-98页 |
5.2.1 节点能耗模型 | 第96-97页 |
5.2.2 虚拟机任务模型 | 第97-98页 |
5.3 云环境下能量高效的虚拟机调度算法 | 第98-105页 |
5.3.1 准备工作 | 第98-100页 |
5.3.2 算法思想 | 第100-103页 |
5.3.3 虚拟机分配 | 第103-104页 |
5.3.4 虚拟机处理 | 第104页 |
5.3.5 系统重配置 | 第104-105页 |
5.4 性能分析 | 第105-110页 |
5.4.1 实验设置 | 第105-106页 |
5.4.2 实验结果 | 第106-110页 |
5.5 本章小结 | 第110-111页 |
第6章 云环境下能量高效的频繁模式挖掘 | 第111-124页 |
6.1 引言 | 第111页 |
6.2 HADOOP数据存储 | 第111-113页 |
6.3 集中式频繁模式挖掘方法 | 第113-114页 |
6.4 云环境下能量高效的频繁模式挖掘系统设计 | 第114-120页 |
6.4.1 设计目标 | 第114-115页 |
6.4.2 系统设计 | 第115-118页 |
6.4.3 系统部署 | 第118-120页 |
6.5 实验结果 | 第120-123页 |
6.5.1 系统配置 | 第120-121页 |
6.5.2 实验结果 | 第121-123页 |
6.6 本章小结 | 第123-124页 |
第7章 总结与展望 | 第124-126页 |
7.1 总结 | 第124-125页 |
7.2 展望 | 第125-126页 |
参考文献 | 第126-134页 |
致谢 | 第134-135页 |
在学期间的研究成果及发表的学术论文 | 第135页 |