| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 国内外云计算发展现状 | 第12-13页 |
| 1.2.2 云存储发展现状 | 第13-14页 |
| 1.2.3 云存储调度算法国内外研究现状 | 第14-15页 |
| 1.3 研究意义 | 第15-16页 |
| 1.4 主要研究内容 | 第16页 |
| 1.5 论文组织结构 | 第16-18页 |
| 第二章 相关技术介绍 | 第18-34页 |
| 2.1 云存储概述 | 第18页 |
| 2.2 云存储基本架构 | 第18-21页 |
| 2.3 云存储调度相关理论 | 第21-27页 |
| 2.3.1 多元离散选择问题 | 第22页 |
| 2.3.2 模糊综合评价法 | 第22-23页 |
| 2.3.3 启发式算法 | 第23-24页 |
| 2.3.4 层次分析法 | 第24-25页 |
| 2.3.5 TOPSIS法 | 第25-27页 |
| 2.4 神经网络相关理论 | 第27-30页 |
| 2.4.1 神经网络简介 | 第27-28页 |
| 2.4.2 直推式支持向量机 | 第28-29页 |
| 2.4.3 虚拟样本 | 第29-30页 |
| 2.5 OpenStack及其存储模块 | 第30-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 基于混合云存储的多维调度算法 | 第34-56页 |
| 3.1 混合云存储模式 | 第34-36页 |
| 3.2 当前研究调度目标上的局限性 | 第36页 |
| 3.3 基于多元选择算法的混合云存储调度 | 第36-40页 |
| 3.3.1 多元选择模型混合云存储调度算法过程 | 第36-39页 |
| 3.3.2 算法缺陷 | 第39-40页 |
| 3.3.3 其他算法存在的问题 | 第40页 |
| 3.4 基于BP神经网络的多维调度算法 | 第40-48页 |
| 3.4.1 网络学习过程 | 第41页 |
| 3.4.2 算法数学表达 | 第41-43页 |
| 3.4.3 BP神经网络求解混合云存储多维调度 | 第43-44页 |
| 3.4.4 网络输入的改进 | 第44-48页 |
| 3.5 算法实现 | 第48-51页 |
| 3.6 试验结果及分析 | 第51-55页 |
| 3.6.1 实验环境 | 第51-52页 |
| 3.6.2 神经网络训练 | 第52-53页 |
| 3.6.3 结果分析 | 第53-55页 |
| 3.7 本章小结 | 第55-56页 |
| 第四章 基于OpenStack块存储改进的调度算法 | 第56-72页 |
| 4.1 Cinder默认调度算法 | 第56-57页 |
| 4.1.1 Cinder默认调度算法 | 第56-57页 |
| 4.1.2 Cinder默认调度算法缺陷 | 第57页 |
| 4.2 基于三角模糊数的调度算法 | 第57-65页 |
| 4.2.1 指标体系 | 第58-59页 |
| 4.2.2 数据标准化处理 | 第59-60页 |
| 4.2.3 确立指标权重 | 第60-64页 |
| 4.2.4 综合评价 | 第64-65页 |
| 4.3 算法实现 | 第65-68页 |
| 4.4 实验结果与分析 | 第68-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 基于OpenStack的云存储平台设计与实现 | 第72-86页 |
| 5.1 平台简介 | 第72-74页 |
| 5.1.1 平台总体架构 | 第72-73页 |
| 5.1.2 存储平台架构 | 第73-74页 |
| 5.2 云存储平台设计目标 | 第74-75页 |
| 5.2.1 云存储平台组成 | 第74-75页 |
| 5.2.2 云存储平台工作流程 | 第75页 |
| 5.3 模块详细设计 | 第75-80页 |
| 5.3.1 资源监控模块 | 第75-78页 |
| 5.3.2 调度模块 | 第78-80页 |
| 5.4 云存储平台展示 | 第80-85页 |
| 5.4.1 测试环境搭建 | 第80-81页 |
| 5.4.2 平台功能展示 | 第81-83页 |
| 5.4.3 调度算法效果 | 第83-85页 |
| 5.5 本章小结 | 第85-86页 |
| 第六章 总结与展望 | 第86-88页 |
| 6.1 总结 | 第86-87页 |
| 6.2 展望 | 第87-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-93页 |