| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 云计算研究现状 | 第9-10页 |
| 1.2.2 虚拟机调度技术的研究现状 | 第10-11页 |
| 1.3 本文主要内容和结构安排 | 第11-13页 |
| 1.3.1 论文的主要内容 | 第11-12页 |
| 1.3.2 论文的结构安排 | 第12-13页 |
| 第二章 云计算调度相关技术 | 第13-22页 |
| 2.1 云计算技术 | 第13-16页 |
| 2.1.1 云计算概述 | 第13-14页 |
| 2.1.2 云计算关键技术 | 第14-16页 |
| 2.2 虚拟机调度相关技术 | 第16-17页 |
| 2.2.1 虚拟机静态调度技术 | 第16页 |
| 2.2.2 虚拟机动态调度技术 | 第16-17页 |
| 2.3 OpenStack概述 | 第17-21页 |
| 2.3.1 OpenStack基本概念 | 第18页 |
| 2.3.2 OpenStack组成和原理 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于网络带宽感知的虚拟机调度策略 | 第22-30页 |
| 3.1 OpenStack虚拟机调度策略 | 第22-24页 |
| 3.2 基于网络带宽感知调度方法 | 第24-26页 |
| 3.2.1 网络带宽感知的调度策略概要 | 第24页 |
| 3.2.2 网络带宽感知的流程 | 第24-26页 |
| 3.3 实验结果与分析 | 第26-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于多目标融合算法的虚拟机调度策略 | 第30-44页 |
| 4.1 虚拟机调度概述 | 第30-31页 |
| 4.2 虚拟机调度优化模型 | 第31-34页 |
| 4.2.1 资源浪费模型 | 第31-32页 |
| 4.2.2 能量损耗模型 | 第32页 |
| 4.2.3 负载不均衡度模型 | 第32-34页 |
| 4.3 基于粒子群和蚁群的多目标融合算法 | 第34-40页 |
| 4.3.1 粒子位置更新 | 第34-36页 |
| 4.3.2 信息素和启发式信息 | 第36-37页 |
| 4.3.3 概率转移函数 | 第37-38页 |
| 4.3.4 信息素更新 | 第38页 |
| 4.3.5 多目标融合算法流程 | 第38-40页 |
| 4.4 实验与分析 | 第40-43页 |
| 4.4.1 环境和配置 | 第40-41页 |
| 4.4.2 实验结果与分析 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 基于OpenStack虚拟机调度平台的设计与实现 | 第44-53页 |
| 5.1 虚拟机调度系统架构 | 第44-45页 |
| 5.2 监控模块设计 | 第45-46页 |
| 5.3 数据表设计 | 第46-48页 |
| 5.4 平台界面 | 第48-49页 |
| 5.5 调度过程 | 第49-52页 |
| 5.6 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53-54页 |
| 6.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第58-59页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第59-60页 |
| 致谢 | 第60页 |