| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状及分析 | 第11-16页 |
| 1.2.1 传统分布式系统负载平衡研究现状 | 第11-13页 |
| 1.2.2 超大规模分布式系统负载平衡研究现状 | 第13-15页 |
| 1.2.3 负载平衡框架研究现状 | 第15-16页 |
| 1.3 超大规模分布式系统负载平衡研究难点以及技术路线 | 第16-17页 |
| 1.4 本文的主要工作 | 第17-18页 |
| 1.5 本文组织结构 | 第18-19页 |
| 2 动态负载平衡框架 | 第19-28页 |
| 2.1 负载平衡问题 | 第19-20页 |
| 2.1.1 基本定义 | 第19-20页 |
| 2.2 负载平衡相关工作 | 第20-23页 |
| 2.2.1 非迭代应用 | 第20-21页 |
| 2.2.2 可预测迭代应用 | 第21页 |
| 2.2.3 不可预测迭代应用 | 第21页 |
| 2.2.4 分割算法 | 第21-23页 |
| 2.3 实际负载平衡方法论 | 第23-26页 |
| 2.3.1 负载指标的选择 | 第23-25页 |
| 2.3.2 负载信息的收集方式 | 第25页 |
| 2.3.3 负载信息的管理 | 第25页 |
| 2.3.4 负载平衡策略 | 第25-26页 |
| 2.4 CHARM++负载平衡框架 | 第26-27页 |
| 2.5 小结 | 第27-28页 |
| 3 传统分布式系统负载平衡策略研究与分析 | 第28-38页 |
| 3.1 集中式负载平衡策略研究与分析 | 第28-35页 |
| 3.1.1 GreedyLB | 第28-29页 |
| 3.1.2 RefineLB | 第29页 |
| 3.1.3 OrbLB | 第29-30页 |
| 3.1.4 GreedyCommlLB | 第30-31页 |
| 3.1.5 各种集中式算法性能比较与分析 | 第31-35页 |
| 3.2 分布式负载平衡策略研究与分析 | 第35-37页 |
| 3.2.1 相邻分配策略 | 第35页 |
| 3.2.2 Work-Stealing策略 | 第35页 |
| 3.2.3 各种分布式算法性能比较与分析 | 第35-37页 |
| 3.3 小结 | 第37-38页 |
| 4 超大规模分布式系统负载平衡策略研究与分析 | 第38-44页 |
| 4.1 层次结构负载平衡策略 | 第38-39页 |
| 4.2 混合式负载平衡策略 | 第39-40页 |
| 4.3 基于随机延迟的负载平衡策略 | 第40页 |
| 4.4 各种超大规模分布式系统负载平衡策略性能比较与分析 | 第40-43页 |
| 4.4.1 层次结构与混合式结构负载平衡策略性能比较 | 第41页 |
| 4.4.2 基于随机延迟负载平衡策略性能比较 | 第41-43页 |
| 4.5 小结 | 第43-44页 |
| 5 一种新的基于广义网络的层次结构负载平衡策略(GNNLB) | 第44-58页 |
| 5.1 引言 | 第44页 |
| 5.2 传统模型的不足 | 第44-45页 |
| 5.3 新的广义神经网络模型的提出 | 第45页 |
| 5.4 新的广义神经网络模型完整建模 | 第45-51页 |
| 5.4.1 智能神经元模型 | 第45-47页 |
| 5.4.2 基于广义神经网络延迟预测模型及其学习算法 | 第47-49页 |
| 5.4.3 新的超大规模负载平衡框架 | 第49页 |
| 5.4.4 负载平衡过程 | 第49-50页 |
| 5.4.5 层次结构负载平衡策略 | 第50-51页 |
| 5.5 新的基于广义神经网络预测模型性能比较与分析 | 第51-56页 |
| 5.5.1 GNNLB与传统集中式策略相比较 | 第51-52页 |
| 5.5.2 GNNLB与传统分布式策略相比较 | 第52-53页 |
| 5.5.3 GNNLB与混合式策略相比较 | 第53页 |
| 5.5.4 GNNLB与其它随机延迟模型相比较 | 第53-56页 |
| 5.6 小结 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
| 致谢 | 第64-65页 |
