| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 问题背景 | 第10-11页 |
| 1.2 研究动机 | 第11-12页 |
| 1.3 本研究主要贡献 | 第12-13页 |
| 1.4 论文章节组织 | 第13-14页 |
| 第二章 国内外相关研究 | 第14-21页 |
| 2.1 能耗建模 | 第14-16页 |
| 2.2 基于神经网络构建能耗模型 | 第16-18页 |
| 2.3 云计算中的动态调度 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 部件粒度能耗模型研究 | 第21-35页 |
| 3.1 引言 | 第21-22页 |
| 3.2 CPU能耗模型 | 第22-23页 |
| 3.3 内存能耗模型 | 第23-24页 |
| 3.4 磁盘能耗模型 | 第24页 |
| 3.5 一种I/O模式感知的磁盘能耗模型 | 第24-26页 |
| 3.6 模型评测与分析 | 第26-34页 |
| 3.6.1 实验环境 | 第26-28页 |
| 3.6.2 CPU能耗模型评测 | 第28-29页 |
| 3.6.3 内存能耗模型评测 | 第29-32页 |
| 3.6.4 磁盘能耗模型评测 | 第32-34页 |
| 3.7 本章小结 | 第34-35页 |
| 第四章 基于神经网络的能耗模型 | 第35-49页 |
| 4.1 引言 | 第35-36页 |
| 4.2 神经网络处理功耗时间序列 | 第36-42页 |
| 4.2.1 BP神经网络模型 | 第37-38页 |
| 4.2.2 NAR(X)神经网络模型 | 第38-39页 |
| 4.2.3 Elman神经网络模型 | 第39-42页 |
| 4.3 基于Elman神经网络的能耗模型(PCM-ENN) | 第42-48页 |
| 4.3.1 网络结构设计 | 第43-44页 |
| 4.3.2 模型训练优化 | 第44页 |
| 4.3.3 PCM-ENN的工作流程 | 第44-45页 |
| 4.3.4 实验评估 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 峰值能效感知的虚拟机调度策略 | 第49-72页 |
| 5.1 引言 | 第49-50页 |
| 5.2 调度系统模型 | 第50-54页 |
| 5.2.1 问题定义 | 第51-53页 |
| 5.2.2 QoS度量 | 第53-54页 |
| 5.3 峰值能效和最佳利用率 | 第54-56页 |
| 5.3.1 最优CRU供应量 | 第54-55页 |
| 5.3.2 基于CRU的资源组织 | 第55-56页 |
| 5.4 峰值能效感知的虚拟机放置算法(PEAP) | 第56-57页 |
| 5.4.1 算法描述 | 第56-57页 |
| 5.4.2 算法复杂度分析 | 第57页 |
| 5.5 峰值能效感知的低开销虚拟机迁移算法(PEACR) | 第57-60页 |
| 5.5.1 算法描述 | 第57-59页 |
| 5.5.2 算法复杂度分析 | 第59-60页 |
| 5.6 实验评估 | 第60-71页 |
| 5.6.1 实验环境 | 第60-63页 |
| 5.6.2 VM放置算法对比 | 第63-66页 |
| 5.6.3 VM调度算法对比 | 第66-71页 |
| 5.7 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |