| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 论文背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 工作内容 | 第10页 |
| 1.4 论文组织结构 | 第10-12页 |
| 第二章 数据中心网络研究现状 | 第12-26页 |
| 2.1 数据中心简介 | 第12页 |
| 2.2 数据中心类型 | 第12-14页 |
| 2.2.1 大型数据中心 | 第12-13页 |
| 2.2.2 小型数据中心 | 第13-14页 |
| 2.3 典型的数据中心架构 | 第14-15页 |
| 2.3.1 传统的数据中心架构 | 第14页 |
| 2.3.2 Fat-Tree架构 | 第14-15页 |
| 2.4 数据中心能耗情况 | 第15-20页 |
| 2.4.1 服务器能耗 | 第16-17页 |
| 2.4.2 基础设施能耗 | 第17-18页 |
| 2.4.3 电力能耗 | 第18页 |
| 2.4.4 网络能耗 | 第18-19页 |
| 2.4.5 小结 | 第19-20页 |
| 2.5 流量模式 | 第20-22页 |
| 2.5.1 数据中心内部流量 | 第20页 |
| 2.5.2 随机流量 | 第20-21页 |
| 2.5.3 正弦流量模型 | 第21页 |
| 2.5.4 数据中心中的真实流量 | 第21-22页 |
| 2.6 适应能力 | 第22-26页 |
| 2.6.1 现有数据中心网络特点 | 第22-24页 |
| 2.6.2 数据中心设计目标 | 第24-26页 |
| 第三章 基于SDN的数据中心网络架构的简介 | 第26-30页 |
| 3.1 软件定义网络 | 第26-27页 |
| 3.2 基于SDN的数据中心 | 第27-28页 |
| 3.3 基于OpenFlow的数据中心 | 第28-30页 |
| 第四章 基于神经网络模型的数据中心流量研究 | 第30-44页 |
| 4.1 现有流量预测模型简介 | 第30页 |
| 4.2 ARIMA模型 | 第30-32页 |
| 4.2.1 AR自回归模型 | 第31页 |
| 4.2.2 MA滑动平均模型 | 第31页 |
| 4.2.3 ARMA自回归滑动平均模型 | 第31-32页 |
| 4.2.4 ARIMA差分整合移动平均自回归模型 | 第32页 |
| 4.3 ARIMA流量预测模型存在问题 | 第32-33页 |
| 4.4 神经网络模型网络流量预测 | 第33-37页 |
| 4.4.1 神经网络模型概述 | 第33-35页 |
| 4.4.2 神经网络网络流量预测算法流程 | 第35-36页 |
| 4.4.3 BP神经网络 | 第36-37页 |
| 4.5 仿真及分析 | 第37-43页 |
| 4.5.1 仿真概述 | 第37-38页 |
| 4.5.2 仿真结果及分析 | 第38-43页 |
| 4.6 本章总结 | 第43-44页 |
| 第五章 数据中心基于OpenFlow的动态综合节能策略和其框架结构的研究 | 第44-58页 |
| 5.1 现有基于OpenFlow的节能策略 | 第44-46页 |
| 5.2 现有基于OpenFlow的节能策略存在问题及研究思路 | 第46页 |
| 5.3 控制平台及动态综合节能策略设计和分析 | 第46-53页 |
| 5.3.1 网络拓扑结构 | 第47页 |
| 5.3.2 控制器模块 | 第47-53页 |
| 5.3.3 网络数据流流程图简述 | 第53页 |
| 5.4 仿真与分析 | 第53-57页 |
| 5.4.1 参数设置 | 第54-55页 |
| 5.4.2 仿真结果 | 第55-56页 |
| 5.4.3 仿真分析 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者攻读学位期间发表的学术论文目录 | 第66页 |