| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 云计算概念与特点 | 第9-10页 |
| 1.2 云计算的发展现状 | 第10页 |
| 1.3 云计算调度问题研究的意义 | 第10-13页 |
| 1.3.1 云计算任务调策略的研究现状 | 第11-12页 |
| 1.3.2 云计算任务调度策略衡量的关键因素 | 第12-13页 |
| 1.4 本文的主要研究内容 | 第13-14页 |
| 第二章 HADOOP/SPARK云系统关键技术 | 第14-28页 |
| 2.1 HADOOP理论与关键技术 | 第14-22页 |
| 2.1.1 Hadoop生态系统结构 | 第14-16页 |
| 2.1.2 Hadoop基础核心组件 | 第16-22页 |
| 2.2 SPARK理论与关键技术 | 第22-27页 |
| 2.2.1 Spark生态系统结构 | 第23-24页 |
| 2.2.2 Spark常用的一些概念 | 第24-25页 |
| 2.2.3 Spark的运行原理 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 分布式计算系统任务调度算法 | 第28-32页 |
| 3.1 FIFO调度算法 | 第28页 |
| 3.2 CAPCITYSCHEDULER调度算法 | 第28-29页 |
| 3.3 公平调度算法 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 云计算任务调度模型分析 | 第32-40页 |
| 4.1 云计算任务调度模型 | 第32-33页 |
| 4.2 TSS模型—队列模块分析 | 第33-36页 |
| 4.2.1 排队论理论 | 第33-34页 |
| 4.2.2 排队模型 | 第34-36页 |
| 4.3 TSS模型-数据中心模块 | 第36-38页 |
| 4.4 TSS模型—任务调度策略模块 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 云计算任务调度算法的改进与实现 | 第40-56页 |
| 5.1 基于遗传算法的任务调度策略 | 第40-46页 |
| 5.1.1 遗传算法的基本思想 | 第40-42页 |
| 5.1.2 遗传算法的基因操作 | 第42-43页 |
| 5.1.3 基于遗传算法的调度策略的算法实现 | 第43-46页 |
| 5.2 基于蚁群算法的任务调度 | 第46-52页 |
| 5.2.1 蚁群算法原理 | 第46-48页 |
| 5.2.2 蚁群系统 | 第48-50页 |
| 5.2.3 遗传算法的优化—混沌蚁群算法 | 第50-52页 |
| 5.3 基于蚁群-遗传双算法融合的任务调度策略 | 第52-55页 |
| 5.3.1 混沌蚁群算法与遗传算法的融合(GA-CACO)算法流程图 | 第53页 |
| 5.3.2 融合算法的仿真结果图 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 全文工作总结 | 第56-57页 |
| 6.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |