数据分析云服务的负载及服务质量预测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究动机 | 第9-10页 |
| 1.3 相关研究综述 | 第10-15页 |
| 1.3.1 负载预测 | 第10-11页 |
| 1.3.2 基于模型的QoS预测 | 第11-12页 |
| 1.3.3 基于历史数据的QoS预测 | 第12-14页 |
| 1.3.4 基于测试的QoS预测 | 第14页 |
| 1.3.5 文献综述小结 | 第14-15页 |
| 1.4 研究内容 | 第15页 |
| 1.5 结构安排 | 第15-17页 |
| 第2章 DASC的负载预测 | 第17-41页 |
| 2.1 引言 | 第17-19页 |
| 2.2 负载信息及其统计处理 | 第19-21页 |
| 2.3 服务请求率的预测 | 第21-39页 |
| 2.3.1 时间区块的划分及特征提取 | 第21-28页 |
| 2.3.2 日负载的特征提取 | 第28-32页 |
| 2.3.3 基于模式识别的日负载聚类 | 第32-35页 |
| 2.3.4 基于日负载模式的服务请求率预测 | 第35-39页 |
| 2.4 基于日负载模式的业务参数预测 | 第39-41页 |
| 第3章 基于负载的DASC服务质量预测 | 第41-57页 |
| 3.1 服务质量指标及适用的软件结构类型 | 第41-43页 |
| 3.1.1 服务质量指标的选择 | 第41页 |
| 3.1.2 适用的软件结构类型 | 第41-43页 |
| 3.2 基于SVM的关键组件服务质量预测 | 第43-50页 |
| 3.2.1 机器学习算法的选择 | 第43-44页 |
| 3.2.2 QoS关键组件服务质量的预测步骤 | 第44-50页 |
| 3.3 基于部署结构的整体服务质量预测 | 第50-57页 |
| 第4章 案例研究 | 第57-69页 |
| 4.1 案例背景 | 第57-58页 |
| 4.2 实验环境 | 第58-59页 |
| 4.2.1 硬件环境 | 第58页 |
| 4.2.2 软件环境 | 第58-59页 |
| 4.3 DASC负载及服务质量预测的实施步骤 | 第59-67页 |
| 4.3.1 测试数据集 | 第59-63页 |
| 4.3.2 服务请求率及业务参数预测 | 第63-65页 |
| 4.3.3 QoS关键组件服务质量预测 | 第65-67页 |
| 4.3.4 整体服务质量预测 | 第67页 |
| 4.4 对比实验及结果分析 | 第67-69页 |
| 第5章 总结与展望 | 第69-72页 |
| 5.1 本文工作总结 | 第69-70页 |
| 5.2 下一步的研究工作 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间取得的学术成果 | 第75页 |
| 读研期间参与的科研项目 | 第75-76页 |
| 致谢 | 第76-77页 |
