| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景 | 第15-18页 |
| 1.2 课题来源 | 第18页 |
| 1.3 主要研究工作 | 第18-20页 |
| 1.4 论文内容和结构 | 第20-22页 |
| 1.5 本章小结 | 第22-23页 |
| 第二章 相关研究综述 | 第23-39页 |
| 2.1 云环境下时延敏感的虚拟机放置方法研究现状 | 第23-28页 |
| 2.1.1 早期的经典MapReduce虚拟机放置方法 | 第23-24页 |
| 2.1.2 改进的经典MapReduce虚拟机放置方法 | 第24-26页 |
| 2.1.3 其他MapReduce虚拟机放置方法 | 第26-28页 |
| 2.2 云环境下时延敏感的虚拟机租赁方法研究现状 | 第28-32页 |
| 2.2.1 云环境下数据传输时延的优化方法 | 第28-30页 |
| 2.2.2 云环境下租赁开销的优化方法 | 第30-32页 |
| 2.3 云环境下时延敏感的虚拟资源分配方法研究现状 | 第32-37页 |
| 2.3.1 单云环境下虚拟资源分配方法 | 第32-33页 |
| 2.3.2 多云环境下虚拟资源分配方法 | 第33-36页 |
| 2.3.3 移动云环境下虚拟资源分配方法 | 第36-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 云环境下时延敏感的虚拟机放置方法 | 第39-58页 |
| 3.1 引言 | 第39-41页 |
| 3.2 时延敏感的虚拟机放置方法 | 第41-51页 |
| 3.2.1 总数据传输时延优化算法 | 第42-45页 |
| 3.2.2 最大数据传输时延优化算法 | 第45-47页 |
| 3.2.3 Map和Reduce层的虚拟机放置方法 | 第47-51页 |
| 3.3 性能评估 | 第51-57页 |
| 3.3.1 实验设置 | 第51-52页 |
| 3.3.2 虚拟机分布分析 | 第52-53页 |
| 3.3.3 总数据传输时延结果分析 | 第53-54页 |
| 3.3.4 最大数据传输时延结果分析 | 第54页 |
| 3.3.5 参数分析 | 第54-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 云环境下时延敏感的虚拟机租赁方法 | 第58-75页 |
| 4.1 引言 | 第58-60页 |
| 4.2 云环境下组用户传输路径的时延和租赁建模 | 第60-64页 |
| 4.2.1 符号定义和模型假设 | 第60-62页 |
| 4.2.2 路径时延模型 | 第62页 |
| 4.2.3 路径租赁模型 | 第62-64页 |
| 4.3 协作组路径选择优化问题描述及方法的提出 | 第64-68页 |
| 4.3.1 协作组路径优化问题的阐述 | 第64-65页 |
| 4.3.2 虚拟机租赁方法 | 第65-68页 |
| 4.4 性能评估 | 第68-74页 |
| 4.4.1 实验设置 | 第68-70页 |
| 4.4.2 对比方法 | 第70页 |
| 4.4.3 组用户总数据传输时延结果分析 | 第70-72页 |
| 4.4.4 组用户租赁开销结果分析 | 第72-73页 |
| 4.4.5 参数分析 | 第73-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第五章 云环境下时延敏感的虚拟资源分配方法 | 第75-92页 |
| 5.1 引言 | 第75-76页 |
| 5.2 时延与开销模型 | 第76-79页 |
| 5.2.1 时延模型 | 第76-77页 |
| 5.2.2 开销模型 | 第77-79页 |
| 5.3 虚拟资源分配方法 | 第79-83页 |
| 5.3.1 数据中心聚类 | 第79-80页 |
| 5.3.2 数据中心区域的时延优化方法 | 第80-83页 |
| 5.4 性能评估 | 第83-90页 |
| 5.4.1 实验设置 | 第83-86页 |
| 5.4.2 总数据传输时延结果分析 | 第86-87页 |
| 5.4.3 参数分析 | 第87-90页 |
| 5.5 本章小结 | 第90-92页 |
| 第六章 结束语 | 第92-95页 |
| 6.1 工作总结 | 第92-93页 |
| 6.2 未来工作 | 第93-95页 |
| 参考文献 | 第95-105页 |
| 致谢 | 第105-107页 |
| 攻读博士学位期间发表的学术论文 | 第107-108页 |
| 攻读博士学位期间参与项目 | 第108页 |
