| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状分析 | 第12-19页 |
| 1.2.1 虚拟机弹性服务研究现状 | 第12-17页 |
| 1.2.2 虚拟机部署研究现状 | 第17-19页 |
| 1.3 论文的主要工作 | 第19-20页 |
| 1.4 文章组织结构 | 第20-21页 |
| 第二章 IaaS弹性云相关技术综述 | 第21-25页 |
| 2.1 IaaS弹性云计算 | 第21页 |
| 2.2 虚拟化技术 | 第21-22页 |
| 2.3 负载压力测试工具介绍 | 第22-23页 |
| 2.4 负载预测技术介绍 | 第23-24页 |
| 2.5 IaaS云计算环境下的负载 | 第24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于预测的虚拟机弹性供应机制的研究 | 第25-41页 |
| 3.1 私有云框架及问题提出 | 第25-26页 |
| 3.1.1 私有云框架 | 第25-26页 |
| 3.1.2 问题提出 | 第26页 |
| 3.2 相关研究 | 第26-28页 |
| 3.3 基于动态ARIMA模型及季节指数的负载预测算法 | 第28-31页 |
| 3.3.1 弹性调度机制及预测模型 | 第28-30页 |
| 3.3.2 算法的描述 | 第30-31页 |
| 3.4 实验验证 | 第31-39页 |
| 3.4.1 实验数据准备 | 第32页 |
| 3.4.2 负载数据建模及预测结果 | 第32-34页 |
| 3.4.3 虚拟机资源需求量的线性分析 | 第34-35页 |
| 3.4.4 虚拟机负载性能分析 | 第35-38页 |
| 3.4.5 弹性云服务效率 | 第38-39页 |
| 3.5 实验结果分析 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于改进的遗传算法的虚拟机部署研究 | 第41-54页 |
| 4.1 虚拟机部署场景及问题提出 | 第41-43页 |
| 4.1.1 虚拟机部署场景 | 第41-42页 |
| 4.1.2 问题描述 | 第42-43页 |
| 4.2 相关研究 | 第43-44页 |
| 4.3 基于改进的遗传算法的虚拟机部署算法 | 第44-49页 |
| 4.3.1 算法改进思路 | 第44-45页 |
| 4.3.2 编码和解码 | 第45页 |
| 4.3.3 适应度函数的设计 | 第45-46页 |
| 4.3.4 遗传算子的改进设计 | 第46-47页 |
| 4.3.5 算法描述 | 第47-49页 |
| 4.4 实验与算法性能分析 | 第49-53页 |
| 4.4.1 初始放置实验 | 第50-51页 |
| 4.4.2 动态部署实验 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结和展望 | 第54-57页 |
| 5.1 本文的工作总结 | 第54-55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间已发表和已录用的文章 | 第65页 |