摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 基于SLA的资源管理相关研究 | 第11-12页 |
1.2.2 云计算环境下的资源调度方法 | 第12页 |
1.2.3 数据中心虚拟机迁移策略 | 第12-13页 |
1.3 本文主要工作 | 第13-14页 |
1.4 论文组织结构 | 第14-16页 |
第二章 云计算与资源管理相关技术 | 第16-27页 |
2.1 云计算技术概述 | 第16-19页 |
2.1.1 云计算发展历程 | 第16-17页 |
2.1.2 云计算的特点 | 第17-18页 |
2.1.3 云计算体系结构 | 第18-19页 |
2.2 服务等级协议SLA | 第19-20页 |
2.3 虚拟化技术 | 第20-21页 |
2.4 负载均衡技术 | 第21-22页 |
2.5 云环境下的虚拟资源管理技术与方法 | 第22-26页 |
2.5.1 云资源调度机制 | 第23-25页 |
2.5.2 数据中心虚拟机实时迁移技术 | 第25-26页 |
2.6 本章小结 | 第26-27页 |
第三章基于SLA的动态资源调度算法 | 第27-40页 |
3.1 问题的提出 | 第27页 |
3.2 云环境下基于SLA的资源分配模型 | 第27-31页 |
3.2.1 资源调度模型体系 | 第27-29页 |
3.2.2 适应度函数的构造 | 第29-31页 |
3.3 粒子群算法的应用 | 第31-33页 |
3.3.1 粒子群PSO算法思想 | 第31-32页 |
3.3.2 粒子群算法的应用实例 | 第32-33页 |
3.4 云环境仿真模拟器CloudSim | 第33-36页 |
3.4.1 CloudSim模拟器概述 | 第33-35页 |
3.4.2 CloudSim仿真形式 | 第35页 |
3.4.3 CloudSim仿真数据调度流程 | 第35-36页 |
3.5 实验平台构建与算法实现 | 第36-39页 |
3.5.1 实验环境 | 第36-39页 |
3.5.2 资源调度及算法核心类实现 | 第39页 |
3.6 本章小结 | 第39-40页 |
第四章 一种改进的混合粒子群SA-PSO优化调度算法 | 第40-47页 |
4.1 问题的提出 | 第40页 |
4.2 改进的混合粒子群SA-PSO算法 | 第40-42页 |
4.2.1 标准模拟退火算法SA概述 | 第40-41页 |
4.2.2 改进的混合SA-PSO算法 | 第41-42页 |
4.3 仿真实验与分析 | 第42-46页 |
4.3.1 虚拟资源实验数据 | 第43页 |
4.3.2 用户任务实验数据 | 第43-44页 |
4.3.3 数据中心描述 | 第44页 |
4.3.4 实验结果分析 | 第44-46页 |
4.4 本章小结 | 第46-47页 |
第五章 数据中心虚拟机迁移策略 | 第47-60页 |
5.1 问题的提出 | 第47页 |
5.2 数据中心虚拟机迁移模型 | 第47-49页 |
5.2.1 相关定义 | 第47-48页 |
5.2.2 资源负载均衡公式推导 | 第48-49页 |
5.3 虚拟机迁移策略 | 第49-51页 |
5.3.1 虚拟机迁移框架 | 第49-51页 |
5.3.2 虚拟机迁移过程 | 第51页 |
5.4 虚拟机迁移算法 | 第51-56页 |
5.4.1 蚁群算法ACO原理 | 第51-52页 |
5.4.2 ACO算法在虚拟机迁移匹配中的应用 | 第52-56页 |
5.5 仿真实验与结果分析 | 第56-59页 |
5.6 本章小结 | 第59-60页 |
第六章 总结与展望 | 第60-62页 |
6.1 工作总结 | 第60页 |
6.2 展望 | 第60-62页 |
参考文献 | 第62-66页 |
附录 | 第66-72页 |
致谢 | 第72-73页 |
攻读学位期间研究成果 | 第73-74页 |