| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-11页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 课题来源及主要内容 | 第9页 |
| 1.3 论文组织结构 | 第9-11页 |
| 第二章 相关背景知识介绍 | 第11-20页 |
| 2.1 云计算的概念和分类 | 第11-14页 |
| 2.1.1 云计算的概念 | 第11-13页 |
| 2.1.2 云计算的分类 | 第13-14页 |
| 2.2 虚拟化资源监测与调度的相关技术 | 第14-16页 |
| 2.2.1 资源监测相关技术 | 第14-15页 |
| 2.2.2 资源调度相关技术 | 第15-16页 |
| 2.3 云计算网络仿真平台 NetWorkCloudSim 介绍 | 第16-19页 |
| 2.3.1 NetWorkCloudSim 简介 | 第16-17页 |
| 2.3.2 NetWorkCloudSim 体系结构 | 第17-18页 |
| 2.3.3 NetWorkCloudSim 仿真流程 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 虚拟机资源监测与调度系统框架设计 | 第20-27页 |
| 3.1 云计算平台资源结构 | 第20-22页 |
| 3.1.1 云平台的物理结构 | 第20-21页 |
| 3.1.2 数据中心的资源模型 | 第21-22页 |
| 3.2 云平台虚拟机资源监测与调度架构设计 | 第22-26页 |
| 3.2.1 总体设计 | 第22-23页 |
| 3.2.2 虚拟机资源监测模块设计 | 第23-25页 |
| 3.2.3 虚拟机资源调度模块设计 | 第25-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第四章 基于 VAR 模型的虚拟机资源监测与预测方法 | 第27-35页 |
| 4.1 向量自回归模型(VAR)介绍 | 第27-29页 |
| 4.1.1 向量自回归模型的定义 | 第27-28页 |
| 4.1.2 向量自回归模型建模的一般步骤 | 第28-29页 |
| 4.2 相关工作介绍 | 第29页 |
| 4.3 基于向量自回归的预测机制 | 第29-33页 |
| 4.3.1 主要解决问题 | 第29-30页 |
| 4.3.2 预测模型建立 | 第30页 |
| 4.3.3 算法执行过程 | 第30-33页 |
| 4.4 仿真实验结果 | 第33-34页 |
| 4.5 本章小结 | 第34-35页 |
| 第五章 数据密集型任务的启发式资源调度方法 | 第35-47页 |
| 5.1 引言 | 第35-36页 |
| 5.2 相关工作介绍 | 第36-38页 |
| 5.3 模型建立 | 第38-43页 |
| 5.3.1 云计算基本模型建立 | 第38页 |
| 5.3.2 模型前提 | 第38-39页 |
| 5.3.3 集群模型 | 第39页 |
| 5.3.4 任务模型 | 第39-41页 |
| 5.3.5 问题模型建立 | 第41-42页 |
| 5.3.6 启发式任务放置算法 | 第42-43页 |
| 5.4 实验仿真 | 第43-46页 |
| 5.5 本章小结 | 第46-47页 |
| 第六章 云计算虚拟机资源监测与调度平台实现 | 第47-60页 |
| 6.1 云计算系统构建 | 第47-53页 |
| 6.1.1 Eucalyptus 云平台工作原理 | 第47-48页 |
| 6.1.2 Eucalyptus 云平台物理环境准备 | 第48-49页 |
| 6.1.3 详细搭建与整合步骤 | 第49-53页 |
| 6.2 虚拟机资源监测与调度系统实现 | 第53-59页 |
| 6.2.1 虚拟机资源管理的实现 | 第53-55页 |
| 6.2.2 虚拟机资源监测技术的实现 | 第55-57页 |
| 6.2.3 虚拟机资源调度技术的实现 | 第57-59页 |
| 6.3 本章小结 | 第59-60页 |
| 第七章 总结与展望 | 第60-62页 |
| 7.1 论文总结 | 第60页 |
| 7.2 研究展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 附录2 攻读硕士学位期间申请的专利 | 第66-67页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第67-68页 |
| 致谢 | 第68页 |
