基于访问负载预测的云资源供应策略研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究现状 | 第14-18页 |
| 1.2.1 基于规则的方法 | 第15-16页 |
| 1.2.2 模糊推理法 | 第16页 |
| 1.2.3 应用性能分析法 | 第16页 |
| 1.2.4 分析建模法 | 第16-17页 |
| 1.2.5 机器学习法 | 第17-18页 |
| 1.3 研究内容 | 第18-19页 |
| 1.4 论文结构 | 第19-20页 |
| 第2章 相关技术研究与分析 | 第20-28页 |
| 2.1 引言 | 第20页 |
| 2.2 云计算技术 | 第20-24页 |
| 2.2.1 云计算的概念与特点 | 第20-21页 |
| 2.2.2 云计算的基本架构 | 第21-22页 |
| 2.2.3 云计算的服务类型 | 第22-23页 |
| 2.2.4 典型的云服务平台 | 第23-24页 |
| 2.3 常见的负载预测模型 | 第24-27页 |
| 2.3.1 移动平均(MA) | 第24-25页 |
| 2.3.2 差分自回归移动平均(ARIMA) | 第25-26页 |
| 2.3.3 支持向量回归(SVR) | 第26-27页 |
| 2.3.4 分析与讨论 | 第27页 |
| 2.4 小结 | 第27-28页 |
| 第3章 基于局部异常因子的组合访问负载预测模型 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 基于局部异常因子的组合访问负载预测模型 | 第28-33页 |
| 3.2.1 MASVR | 第28-29页 |
| 3.2.2 LOF-MASVR | 第29-32页 |
| 3.2.3 预测模型的时间复杂度分析 | 第32-33页 |
| 3.3 访问负载预测模型的实验评估 | 第33-43页 |
| 3.3.1 度量标准 | 第33-34页 |
| 3.3.2 实验环境 | 第34-35页 |
| 3.3.3 现有预测模型的评估 | 第35-38页 |
| 3.3.4 本文提出的预测模型评估 | 第38-41页 |
| 3.3.5 负载预测模型评估对比 | 第41-43页 |
| 3.4 小结 | 第43-44页 |
| 第4章 基于访问负载预测的云资源供应机制 | 第44-51页 |
| 4.1 引言 | 第44页 |
| 4.2 一种基于访问负载预测的动态云资源供应算法 | 第44-46页 |
| 4.3 基于访问负载预测的云资源供应系统 | 第46-50页 |
| 4.3.1 设计目标与原则 | 第46-47页 |
| 4.3.2 基于访问负载预测的云资源供应系统架构 | 第47-48页 |
| 4.3.3 云资源供应系统架构组件 | 第48-50页 |
| 4.4 小结 | 第50-51页 |
| 第5章 实验结果与分析 | 第51-59页 |
| 5.1 引言 | 第51页 |
| 5.2 实验环境 | 第51-52页 |
| 5.2.1 硬件环境 | 第51页 |
| 5.2.2 软件环境 | 第51-52页 |
| 5.2.3 实验设置 | 第52页 |
| 5.3 评价指标 | 第52-53页 |
| 5.4 实验结果与分析 | 第53-58页 |
| 5.4.1 使用不同预测模型的供应结果对比 | 第53-54页 |
| 5.4.2 与静态供应方法对比 | 第54-55页 |
| 5.4.3 与动态供应算法对比 | 第55-56页 |
| 5.4.4 拒绝情况对比 | 第56-57页 |
| 5.4.5 本文供应算法参数的影响 | 第57-58页 |
| 5.5 小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 附录A 攻读学位期间发表的学术论文 | 第66-67页 |
| 附录B 攻读学位期间所参与的研究项目 | 第67页 |
