云环境下的集群性能优化研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 任务调度研究现状 | 第9-10页 |
| 1.2.2 能耗管理研究现状 | 第10页 |
| 1.3 本文的主要工作和组织结构 | 第10-12页 |
| 第二章 云计算任务调度与能耗管理相关技术 | 第12-23页 |
| 2.1 云计算概述 | 第12-15页 |
| 2.1.1 云计算发展背景及定义 | 第12-13页 |
| 2.1.2 云计算的服务形式 | 第13-14页 |
| 2.1.3 云计算的体系结构 | 第14-15页 |
| 2.2 任务调度相关技术 | 第15-18页 |
| 2.2.1 任务调度的概况 | 第15-16页 |
| 2.2.2 任务调度的特征 | 第16页 |
| 2.2.3 任务调度的目标 | 第16-17页 |
| 2.2.4 任务调度算法的分类 | 第17-18页 |
| 2.3 能耗管理相关技术 | 第18-22页 |
| 2.3.1 虚拟化技术 | 第19页 |
| 2.3.2 虚拟机动态迁移技术 | 第19-20页 |
| 2.3.3 动态电压频率调整技术 | 第20-21页 |
| 2.3.4 关闭/休眠技术 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 云环境下的改进人工鱼群调度算法 | 第23-33页 |
| 3.1 人工鱼群算法与禁忌搜索概述 | 第23-26页 |
| 3.1.1 人工鱼群算法概述 | 第23-25页 |
| 3.1.2 禁忌搜索概述 | 第25-26页 |
| 3.2 云环境下任务模型的建立 | 第26-27页 |
| 3.2.1 问题描述 | 第26-27页 |
| 3.2.2 模型建立 | 第27页 |
| 3.3 结合禁忌搜索的改进人工鱼群算法 | 第27-32页 |
| 3.3.1 IAFSA的人工鱼模型 | 第28-29页 |
| 3.3.2 IAFSA的行为描述 | 第29-31页 |
| 3.3.3 最优解的获取 | 第31页 |
| 3.3.4 IAFSA的具体流程 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于能耗管理AutoScale算法的改进 | 第33-40页 |
| 4.1 AutoScale算法概述 | 第33-35页 |
| 4.1.1 AutoScale算法思想 | 第33-34页 |
| 4.1.2 AutoScale算法原理 | 第34-35页 |
| 4.1.3 AutoScale算法的不足 | 第35页 |
| 4.2 最佳频率的分析证明 | 第35-37页 |
| 4.3 改进AutoScale算法 | 第37-39页 |
| 4.3.1 改进点的讨论 | 第37-38页 |
| 4.3.2 IASA处理流程 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 实验仿真及性能分析 | 第40-54页 |
| 5.1 仿真平台CloudSim | 第40-44页 |
| 5.1.1 CloudSim的特点 | 第40页 |
| 5.1.2 CloudSim的体系结构 | 第40-41页 |
| 5.1.3 CloudSim的环境配置 | 第41-42页 |
| 5.1.4 CloudSim的仿真步骤 | 第42-44页 |
| 5.2 IAFSA算法仿真 | 第44-47页 |
| 5.2.1 仿真实验的设计 | 第44-45页 |
| 5.2.2 仿真结果与对比分析 | 第45-47页 |
| 5.3 IASA的仿真 | 第47-53页 |
| 5.3.1 仿真实验的设计 | 第47-49页 |
| 5.3.2 仿真结果与对比分析 | 第49-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第59-60页 |
| 致谢 | 第60页 |
