| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 研究内容和目标 | 第14-15页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究目标 | 第15页 |
| 1.4 论文组织结构 | 第15-18页 |
| 第二章 国内外研究现状 | 第18-26页 |
| 2.1 云应用的虚拟资源分配管理研究 | 第18-19页 |
| 2.1.1 反应式虚拟资源分配管理 | 第18-19页 |
| 2.1.2 预测式虚拟资源分配管理 | 第19页 |
| 2.1.3 混合式虚拟资源分配管理 | 第19页 |
| 2.2 基于自学习的负载预测的研究 | 第19-20页 |
| 2.3 负载-资源供给关系的研究 | 第20-21页 |
| 2.3.1 基于排队论的理论建模 | 第20页 |
| 2.3.2 资源管理仿真平台 | 第20-21页 |
| 2.4 基于多样化定价的成本节省型租赁方案研究 | 第21-24页 |
| 2.4.1 虚拟资源动态定价的研究 | 第21页 |
| 2.4.2 虚拟资源静态定价研究 | 第21-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 资源管理分析 | 第26-34页 |
| 3.1 服务等级约定 | 第27-28页 |
| 3.2 云提供商定价 | 第28-31页 |
| 3.2.1 Amazon EC2定价分析 | 第29-30页 |
| 3.2.2 Windows Azure定价分析 | 第30页 |
| 3.2.3 Rackspace定价分析 | 第30页 |
| 3.2.4 Terremark vCloud定价分析 | 第30页 |
| 3.2.5 阿里云定价分析 | 第30-31页 |
| 3.2.6 华为弹性计算云定价分析 | 第31页 |
| 3.3 成本优化的资源管理案例分析 | 第31-33页 |
| 3.3.1 单一资源供给方案(All-Reserved) | 第32页 |
| 3.3.2 混合式资源供给方案(Hybrid) | 第32页 |
| 3.3.3 方案对比 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 系统设计 | 第34-50页 |
| 4.1 系统架构 | 第34-37页 |
| 4.1.1 数据存储 | 第35页 |
| 4.1.2 请求生成器 | 第35-36页 |
| 4.1.3 性能收集器 | 第36页 |
| 4.1.4 虚拟机控制器 | 第36-37页 |
| 4.1.5 虚拟机集群 | 第37页 |
| 4.2 负载预测模块 | 第37-40页 |
| 4.2.1 MA模型 | 第39页 |
| 4.2.2 ARIMA模型 | 第39-40页 |
| 4.3 负载-资源映射模块 | 第40-44页 |
| 4.3.1 排队论建模分析 | 第41-43页 |
| 4.3.2 查表修正法 | 第43-44页 |
| 4.4 资源供给模块 | 第44-47页 |
| 4.5 完整流程 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 系统实现 | 第50-58页 |
| 5.1 负载预测模块 | 第50-51页 |
| 5.2 负载-资源映射模块 | 第51-54页 |
| 5.3 资源供给模块 | 第54-56页 |
| 5.4 本章小结 | 第56-58页 |
| 第六章 系统验证和实验结果分析 | 第58-70页 |
| 6.1 实验设定 | 第58-61页 |
| 6.1.1 负载-资源映射关系探测实验 | 第59-60页 |
| 6.1.2 CloudSim仿真实验 | 第60-61页 |
| 6.2 实验结果分析 | 第61-68页 |
| 6.2.1 负载-资源映射关系探测实验 | 第61-62页 |
| 6.2.2 CloudSim仿真实验 | 第62-68页 |
| 6.3 本章小结 | 第68-70页 |
| 第七章 总结与展望 | 第70-74页 |
| 7.1 全文总结 | 第70-71页 |
| 7.2 研究展望 | 第71-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间发表的学术论文目录 | 第79-80页 |
| 上海交通大学硕士学位论文答辩决议书 | 第80-82页 |