CloudStack云平台负载均衡方法的研究和实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 负载均衡的意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 资源调度研究概况 | 第11-12页 |
| 1.2.2 负载均衡策略概况 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 第2章 云环境下的负载均衡 | 第15-27页 |
| 2.1 负载均衡 | 第15-18页 |
| 2.1.1 负载均衡概述 | 第15-16页 |
| 2.1.2 负载均衡作用 | 第16页 |
| 2.1.3 负载均衡分类 | 第16-18页 |
| 2.2 现有负载均衡方法分析 | 第18-26页 |
| 2.2.1 现有负载均衡方法 | 第18-23页 |
| 2.2.2 上述方法中的问题分析 | 第23-25页 |
| 2.2.3 上述问题的解决方案 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基本负载均衡算法设计 | 第27-40页 |
| 3.1 负载均衡模型及目的 | 第27-28页 |
| 3.1.1 负载均衡模型 | 第27-28页 |
| 3.1.2 负载均衡的目的 | 第28页 |
| 3.2 虚拟机迁移技术 | 第28-32页 |
| 3.2.1 系统虚拟化技术 | 第28-29页 |
| 3.2.2 CPU和内存虚拟化 | 第29-30页 |
| 3.2.3 虚拟机动态迁移技术 | 第30-32页 |
| 3.3 应用蚁群算法实现的负载均衡方法 | 第32-39页 |
| 3.3.1 蚁群算法概念 | 第32-33页 |
| 3.3.2 蚁群算法在负载均衡问题中的应用 | 第33-35页 |
| 3.3.3 该蚁群算法的优势 | 第35-36页 |
| 3.3.4 定位策略中蚁群算法的数学模型 | 第36-37页 |
| 3.3.5 定位问题中蚁群算法的实现步骤 | 第37-38页 |
| 3.3.6 定位问题的蚁群算法程序流程 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 负载均衡方法实现及优化 | 第40-50页 |
| 4.1 负载均衡整体框架 | 第40-41页 |
| 4.2 触发策略 | 第41-45页 |
| 4.2.1 针对节能问题优化 | 第41-42页 |
| 4.2.2 针对资源利用率瞬间波动波动问题优化 | 第42-44页 |
| 4.2.3 触发策略流程 | 第44-45页 |
| 4.3 选择策略 | 第45-47页 |
| 4.3.1 针对内存使用情况进行优化 | 第45-46页 |
| 4.3.2 选择策略流程 | 第46-47页 |
| 4.4 定位策略 | 第47-49页 |
| 4.4.1 针对节能问题优化 | 第48-49页 |
| 4.4.2 定位策略流程 | 第49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 实验与分析 | 第50-71页 |
| 5.1 实验环境 | 第50-51页 |
| 5.2 算法实现 | 第51-54页 |
| 5.3 实验环境配置 | 第54-55页 |
| 5.4 算法参数选定分析 | 第55-57页 |
| 5.5 虚拟机调度实验结果分析 | 第57-70页 |
| 5.5.1 实验流程 | 第57-58页 |
| 5.5.2 任务跨度比较分析 | 第58-60页 |
| 5.5.3 负载均衡比较分析 | 第60-64页 |
| 5.5.4 能耗比较分析 | 第64-67页 |
| 5.5.5 性能评估 | 第67-70页 |
| 5.6 本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77页 |
