| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和目的 | 第10-12页 |
| 1.2 相关研究现状 | 第12-13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第二章 Openstack相关技术研究现状 | 第15-25页 |
| 2.1 Openstack介绍 | 第15-20页 |
| 2.2 Openstack虚拟机调度策略和动态迁移技术 | 第20-24页 |
| 2.2.1 Openstack虚拟机调度策略 | 第20-22页 |
| 2.2.2 Openstack虚拟机动态迁移技术 | 第22-24页 |
| 2.3 本章小节 | 第24-25页 |
| 第三章 云平台资源负载预测方案研究与实现 | 第25-37页 |
| 3.1 云平台服务负载理论分析 | 第25-26页 |
| 3.2 云平台负载预测模型分析 | 第26-32页 |
| 3.3 多网卡服务器的Openstack的部署 | 第32-33页 |
| 3.4 基于Openstack云平台的负载预测模型实现 | 第33-35页 |
| 3.5 实验结果与分析 | 第35-36页 |
| 3.6 本章小节 | 第36-37页 |
| 第四章 基于多目标遗传蚁群改进算法的虚拟机分配策略 | 第37-54页 |
| 4.1 基本概念 | 第37-39页 |
| 4.2 云服务评价标准 | 第39-40页 |
| 4.2.1 服务等级协议 | 第39-40页 |
| 4.2.2 SLA违背率 | 第40页 |
| 4.3 云数据中心资源 | 第40-43页 |
| 4.3.1 资源模型 | 第40-43页 |
| 4.3.2 资源平衡的定义 | 第43页 |
| 4.4 电源消耗模型 | 第43-44页 |
| 4.5 云资源调度算法详细设计 | 第44-50页 |
| 4.5.1 调度算法总述 | 第44-45页 |
| 4.5.2 遗传算法设计 | 第45-48页 |
| 4.5.3 多目标混合蚁群改进算法 | 第48-50页 |
| 4.6 实验结果与分析 | 第50-53页 |
| 4.6.1 实验环境 | 第50页 |
| 4.6.2 实验参数设置 | 第50-51页 |
| 4.6.3 实验结果分析 | 第51-53页 |
| 4.7 本章小节 | 第53-54页 |
| 第五章 Openstack虚拟机动态迁移的资源调度策略 | 第54-61页 |
| 5.1 动态迁移问题描述 | 第54-55页 |
| 5.2 Openstack虚拟机动态迁移调度具体步骤 | 第55-58页 |
| 5.2.1 系统资源状态监控策略 | 第56-57页 |
| 5.2.2 动态迁移时机的选择 | 第57-58页 |
| 5.2.3 迁移虚拟机的选择 | 第58页 |
| 5.2.4 迁移的目的物理机的选择 | 第58页 |
| 5.3 实验结果与分析 | 第58-60页 |
| 5.3.1 实验参数设置 | 第58-59页 |
| 5.3.2 实验结果分析 | 第59-60页 |
| 5.4 本章小节 | 第60-61页 |
| 第六章 总结和展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附表 | 第69页 |
