云数据中心资源调度与能耗管理研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 云计算国内外研究现状 | 第9-11页 |
| 1.2.1 国内研究现状 | 第9-10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.3 主机过载检测方法研究现状 | 第11-12页 |
| 1.4 虚拟机动态整合问题研究现状 | 第12-14页 |
| 1.5 云计算发展遇到的主要问题 | 第14-15页 |
| 1.6 论文的主要贡献 | 第15页 |
| 1.7 论文的组织结构 | 第15-16页 |
| 第2章 云计算及其相关技术 | 第16-23页 |
| 2.1 云计算的概念 | 第16-17页 |
| 2.2 云计算的体系结构 | 第17-18页 |
| 2.3 云数据中心架构 | 第18-20页 |
| 2.4 虚拟化技术 | 第20-21页 |
| 2.5 虚拟机迁移技术 | 第21-23页 |
| 第3章 仿真平台CloudSim介绍 | 第23-28页 |
| 3.1 CloudSim框架 | 第23-24页 |
| 3.2 能量模型 | 第24-25页 |
| 3.3 负载来源 | 第25页 |
| 3.4 性能评价指标 | 第25-26页 |
| 3.5 平台中相关策略 | 第26-28页 |
| 3.5.1 主机过载检测算法 | 第26页 |
| 3.5.2 虚拟机选择算法 | 第26页 |
| 3.5.3 虚拟机分配算法和欠载检测 | 第26-28页 |
| 第4章 主机检测和虚拟机选择策略 | 第28-36页 |
| 4.1 虚拟机动态整合框架 | 第28-29页 |
| 4.2 SLA的计算 | 第29页 |
| 4.3 多因素主机过载检测方法 | 第29-30页 |
| 4.4 多因素过载检测策略性能分析 | 第30-31页 |
| 4.5 主机欠载检测方法 | 第31-32页 |
| 4.6 虚拟机选择策略 | 第32-33页 |
| 4.7 虚拟机选择策略性能仿真 | 第33页 |
| 4.8 综合性能仿真 | 第33-36页 |
| 第5章 基于群智能算法的虚拟机调度 | 第36-55页 |
| 5.1 标准粒子群算法 | 第36-38页 |
| 5.2 基于粒子群算法的虚拟机调度 | 第38-42页 |
| 5.2.1 虚拟机调度问题的粒子群编码 | 第38-40页 |
| 5.2.2 适应度函数的选择 | 第40-41页 |
| 5.2.3 标准粒子群算法性能分析 | 第41-42页 |
| 5.3 标准粒子群局部搜索的改进 | 第42-47页 |
| 5.3.1 极值优化(EO) | 第43页 |
| 5.3.2 混合PSO-EO算法 | 第43-44页 |
| 5.3.3 变异操作 | 第44-45页 |
| 5.3.4 辅助更新操作 | 第45-47页 |
| 5.4 结果分析 | 第47-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间的研究成果 | 第65页 |
