| 摘要 | 第10-12页 |
| Abstract | 第12-13页 |
| 第一章 绪论 | 第17-32页 |
| 1.1 研究背景 | 第17-21页 |
| 1.1.1 软件缺陷 | 第18-19页 |
| 1.1.2 软件老化 | 第19页 |
| 1.1.3 软件抗衰 | 第19-20页 |
| 1.1.4 虚拟化系统软件抗衰 | 第20-21页 |
| 1.2 研究现状 | 第21-26页 |
| 1.2.1 软件老化和软件抗衰研究现状 | 第21-24页 |
| 1.2.2 虚拟化系统抗衰研究现状 | 第24-26页 |
| 1.3 问题的提出及解决的思路 | 第26-28页 |
| 1.4 本文的研究内容与结构安排 | 第28-32页 |
| 1.4.1 研究内容 | 第28-29页 |
| 1.4.2 结构安排 | 第29-32页 |
| 第二章 软件老化过程建模与分析 | 第32-46页 |
| 2.1 失效机理分析 | 第32-34页 |
| 2.2 退化量确定 | 第34页 |
| 2.3 退化实验设计与分析 | 第34-38页 |
| 2.3.1 实验中用到的关键技术 | 第34-35页 |
| 2.3.2 系统架构 | 第35-36页 |
| 2.3.3 实验方案 | 第36-38页 |
| 2.4 退化量数据收集 | 第38-40页 |
| 2.5 退化过程模型确定 | 第40-41页 |
| 2.6 退化过程模型辨识 | 第41-44页 |
| 2.6.1 Gamma过程极大似然估计 | 第41-42页 |
| 2.6.2 参数估计 | 第42-44页 |
| 2.7 本章小结 | 第44-46页 |
| 第三章 基于固定周期检测的软件系统抗衰策略建模及优化 | 第46-62页 |
| 3.1 引言 | 第46-48页 |
| 3.2 系统描述 | 第48-49页 |
| 3.2.1 软件系统特性 | 第48页 |
| 3.2.2 抗衰策略 | 第48页 |
| 3.2.3 软件系统的退化过程 | 第48-49页 |
| 3.3 软件系统可用度模型 | 第49-55页 |
| 3.3.1 系统的稳态可用度 | 第49-51页 |
| 3.3.2 软件系统退化状态的稳态概率密度函数 | 第51-52页 |
| 3.3.3 检测周期内发生软失效时的平均不可用时间 | 第52-53页 |
| 3.3.4 概率密度函数的数值解法 | 第53-54页 |
| 3.3.5 模型求解 | 第54-55页 |
| 3.4 数值实验 | 第55-61页 |
| 3.4.1 优化模型验证 | 第55-57页 |
| 3.4.2 灵敏度分析 | 第57-59页 |
| 3.4.3 虚拟机抗衰策略优化 | 第59-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第四章 基于顺序检测的软件系统抗衰策略建模及优化 | 第62-77页 |
| 4.1 引言 | 第62-63页 |
| 4.2 系统描述 | 第63-65页 |
| 4.2.1 软件系统特性 | 第63页 |
| 4.2.2 抗衰策略 | 第63页 |
| 4.2.3 软件系统的退化过程 | 第63-65页 |
| 4.3 软件系统可用度模型 | 第65-71页 |
| 4.3.1 软件系统退化状态的稳态概率密度函数 | 第65-66页 |
| 4.3.2 系统的稳态可用度 | 第66-68页 |
| 4.3.3 工作阶段发生软失效时的平均不可用时间 | 第68-69页 |
| 4.3.4 概率密度函数的数值解法 | 第69-70页 |
| 4.3.5 模型求解 | 第70-71页 |
| 4.4 数值实验 | 第71-76页 |
| 4.4.1 优化模型验证 | 第71-74页 |
| 4.4.2 灵敏度分析 | 第74-75页 |
| 4.4.3 顺序检测和固定周期检测优化结果比较 | 第75-76页 |
| 4.5 本章小结 | 第76-77页 |
| 第五章 考虑结构依赖关系的虚拟化服务器抗衰策略建模及优化 | 第77-95页 |
| 5.1 引言 | 第77-78页 |
| 5.2 系统描述 | 第78-80页 |
| 5.2.1 虚拟化服务器系统特性 | 第78-80页 |
| 5.2.2 基于状态控制限的抗衰策略 | 第80页 |
| 5.3 虚拟化服务器不可用度建模 | 第80-90页 |
| 5.3.1 稳态联合概率密度Ω(x_i,y) | 第81-83页 |
| 5.3.2 平均维修时间E(D_m~((i))(T)) | 第83-85页 |
| 5.3.3 软失效发生时的平均不可用时间E(D_u~((i,0))(T)) | 第85-87页 |
| 5.3.4 维修决策模型求解 | 第87-88页 |
| 5.3.5 稳态联合概率密度Ω(x_i,y)的数值解法 | 第88-90页 |
| 5.4 数值实验 | 第90-93页 |
| 5.4.1 退化状态联合概率密度 | 第90-91页 |
| 5.4.2 系统的稳态不可用度 | 第91-93页 |
| 5.5 本章小结 | 第93-95页 |
| 第六章 在线迁移条件下虚拟化服务器抗衰策略建模及优化 | 第95-108页 |
| 6.1 引言 | 第95页 |
| 6.2 系统描述 | 第95-97页 |
| 6.2.1 系统结构与维护方式 | 第95-96页 |
| 6.2.2 系统特性 | 第96-97页 |
| 6.2.3 抗衰策略 | 第97页 |
| 6.3 可用度及费用分析 | 第97-101页 |
| 6.3.1 系统平均可用度 | 第97-99页 |
| 6.3.2 系统平均维护费用 | 第99-100页 |
| 6.3.3 AS_1、AS2_能够成功迁移的概率 | 第100-101页 |
| 6.3.4 维修决策模型 | 第101页 |
| 6.4 数值实验 | 第101-107页 |
| 6.4.1 各决策变量对系统可用度的影响 | 第102页 |
| 6.4.2 各决策变量对平均费用的影响 | 第102-104页 |
| 6.4.3 使用PSO算法联合优化系统平均可用度和平均费用 | 第104-106页 |
| 6.4.4 在线迁移条件下虚拟化服务器抗衰策略优化 | 第106-107页 |
| 6.5 本章小结 | 第107-108页 |
| 第七章 基于实时迁移的云数据中心虚拟机抗衰策略建模及优化 | 第108-127页 |
| 7.1 前言 | 第108-109页 |
| 7.2 问题描述 | 第109-113页 |
| 7.2.1 虚拟机退化过程描述 | 第109-110页 |
| 7.2.2 实时迁移维护方式 | 第110页 |
| 7.2.3 问题形式化 | 第110-113页 |
| 7.2.4 基于健康指数的抗衰策略 | 第113页 |
| 7.3 健康指数函数W(x)求解 | 第113-122页 |
| 7.3.1 从状态0运行的期望折现费用 | 第114页 |
| 7.3.2 从状态x(x>0)运行的期望折现费用 | 第114-116页 |
| 7.3.3 虚拟机的健康指数函数W(x) | 第116页 |
| 7.3.4 G(x)的求解过程 | 第116-119页 |
| 7.3.5 W(x)的求解过程 | 第119-122页 |
| 7.4 策略评价及仿真实验 | 第122-126页 |
| 7.4.1 策略评价 | 第122页 |
| 7.4.2 仿真实验 | 第122-126页 |
| 7.5 本章小结 | 第126-127页 |
| 第八章 总结与展望 | 第127-129页 |
| 参考文献 | 第129-144页 |
| 致谢 | 第144-146页 |
| 附录A 攻读学位期间发表的学术论文和参与的科研项目 | 第146页 |
