面向移动云工作流的资源调度研究
| 摘要 | 第14-16页 |
| Abstract | 第16-17页 |
| 第1章 绪论 | 第18-40页 |
| 1.1 研究背景 | 第18-26页 |
| 1.1.1 移动云计算概述 | 第20页 |
| 1.1.2 移动云计算体系架构 | 第20-21页 |
| 1.1.3 移动云计算服务 | 第21-23页 |
| 1.1.4 移动云工作流概述 | 第23-26页 |
| 1.2 国内外研究现状 | 第26-33页 |
| 1.2.1 移动云计算能耗研究现状 | 第26-29页 |
| 1.2.2 工作流调度研究现状 | 第29-33页 |
| 1.2.3 移动云工作流资源调度研究现状 | 第33页 |
| 1.3 拟解决的关键问题及基本思路 | 第33-37页 |
| 1.4 研究内容 | 第37-38页 |
| 1.5 文章的组织结构 | 第38-40页 |
| 第2章 研究基础 | 第40-53页 |
| 2.1 移动云工作流环境搭建平台 | 第40-43页 |
| 2.1.1 OpenStack | 第40-41页 |
| 2.1.2 百度云 | 第41-42页 |
| 2.1.3 Android移动应用开发 | 第42-43页 |
| 2.2 性能监控设备 | 第43-46页 |
| 2.2.1 PowerTutor | 第43-44页 |
| 2.2.2 Power Monitor | 第44-45页 |
| 2.2.3 HP-8713 | 第45-46页 |
| 2.3 能耗数据采集方法 | 第46-52页 |
| 2.3.1 云端能耗测试框架介绍 | 第46-49页 |
| 2.3.2 移动端能耗测试框架介绍 | 第49-50页 |
| 2.3.3 能耗数据预处理方法介绍 | 第50-52页 |
| 2.4 小结 | 第52-53页 |
| 第3章 面向移动云工作流活动点的能耗预测方法 | 第53-80页 |
| 3.1 引言 | 第53-55页 |
| 3.2 能耗预测模型介绍 | 第55-62页 |
| 3.2.1 能耗序列建立阶段 | 第57页 |
| 3.2.2 能耗序列分割阶段 | 第57-58页 |
| 3.2.3 能耗模式识别与匹配阶段 | 第58-60页 |
| 3.2.4 能耗预测阶段 | 第60-62页 |
| 3.3 实验结果与分析 | 第62-79页 |
| 3.3.1 环境搭建 | 第62-64页 |
| 3.3.2 数据采集 | 第64页 |
| 3.3.3 实验结果分析 | 第64-79页 |
| 3.4 小结 | 第79-80页 |
| 第4章 移动云工作流最优效用成本调度模型分析 | 第80-94页 |
| 4.1 引言 | 第80-82页 |
| 4.2 个案分析 | 第82-85页 |
| 4.2.1 案例介绍 | 第82-84页 |
| 4.2.2 特征分析 | 第84-85页 |
| 4.3 模型介绍 | 第85-90页 |
| 4.3.1 应用模型 | 第85-86页 |
| 4.3.2 系统模型 | 第86-87页 |
| 4.3.3 工作流执行时间模型 | 第87-88页 |
| 4.3.4 工作流能耗模型 | 第88-89页 |
| 4.3.5 最优化问题 | 第89-90页 |
| 4.4 实验验证 | 第90-93页 |
| 4.4.1 实验环境 | 第90-91页 |
| 4.4.2 结果分析 | 第91-93页 |
| 4.5 小结 | 第93-94页 |
| 第5章 面向移动云工作流的资源调度方法 | 第94-112页 |
| 5.1 引言 | 第94-95页 |
| 5.2 移动云工作流节能的资源调度方法 | 第95-101页 |
| 5.2.1 PCP相关定义 | 第95-97页 |
| 5.2.2 EERA资源调度方法 | 第97-101页 |
| 5.3 实验结果与分析 | 第101-111页 |
| 5.3.1 移动云工作流设置 | 第101-103页 |
| 5.3.2 实验设置 | 第103-105页 |
| 5.3.3 结果分析 | 第105-111页 |
| 5.4 小结 | 第111-112页 |
| 第6章 总结与展望 | 第112-114页 |
| 6.1 主要贡献 | 第112-113页 |
| 6.2 工作展望 | 第113-114页 |
| 参考文献 | 第114-124页 |
| 攻读博士期间的研究成果 | 第124-125页 |
| 攻读博士期间参与的科研项目 | 第125-126页 |
| 致谢 | 第126-127页 |
