基于SLA的云资源分配模型研究与优化
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-14页 |
| 1.2 国内外研究现状分析 | 第14-17页 |
| 1.3 主要工作内容 | 第17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第2章 相关技术介绍 | 第19-33页 |
| 2.1 虚拟化技术 | 第19-22页 |
| 2.1.1 硬件抽象层虚拟化 | 第20-21页 |
| 2.1.2 操作系统级别虚拟化 | 第21-22页 |
| 2.1.3 指令级别虚拟化 | 第22页 |
| 2.1.4 编程语言层虚拟化 | 第22页 |
| 2.2 SLA | 第22-25页 |
| 2.2.1 SLA参数 | 第23-24页 |
| 2.2.2 SLA协商 | 第24-25页 |
| 2.2.3 SLA监控 | 第25页 |
| 2.3 排队网络技术 | 第25-32页 |
| 2.3.1 输入过程 | 第26-29页 |
| 2.3.2 排队规则 | 第29-30页 |
| 2.3.3 服务机构 | 第30-32页 |
| 2.3.4 常见基本数学模型 | 第32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于排队理论的云资源分配模型 | 第33-47页 |
| 3.1 资源管理框架 | 第33-35页 |
| 3.1.1 云计算环境模型 | 第33-34页 |
| 3.1.2 云数据中心资源模型 | 第34-35页 |
| 3.2 资源分配模块 | 第35-40页 |
| 3.2.1 服务中心模型 | 第35-37页 |
| 3.2.2 服务器性能模型 | 第37页 |
| 3.2.3 收益模型 | 第37-38页 |
| 3.2.4 能耗模型 | 第38-40页 |
| 3.3 资源分配方案 | 第40-45页 |
| 3.3.1 分配待解决问题 | 第40-43页 |
| 3.3.2 目标函数 | 第43-45页 |
| 3.4 模型分析 | 第45页 |
| 3.5 本章小结 | 第45-47页 |
| 第4章 基于粒子群算法的资源分配模型求解 | 第47-59页 |
| 4.1 粒子群算法单机求解 | 第47-54页 |
| 4.1.1 粒子群算法原理 | 第47-50页 |
| 4.1.2 粒子编码 | 第50-51页 |
| 4.1.3 群体初始化 | 第51-52页 |
| 4.1.4 粒子更新 | 第52-54页 |
| 4.2 基于MapReduce的并行粒子群求解 | 第54-58页 |
| 4.2.1 MapReduce描述 | 第54-56页 |
| 4.2.2 并行粒子群编码 | 第56-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第5章 实验结果对比与分析 | 第59-67页 |
| 5.1 实验平台 | 第59-62页 |
| 5.1.1 单机环境 | 第59页 |
| 5.1.2 Hadoop平台搭建 | 第59-62页 |
| 5.2 实验参数 | 第62页 |
| 5.3 实验结果及分析 | 第62-64页 |
| 5.4 算法复杂度分析 | 第64-65页 |
| 5.5 本章小结 | 第65-67页 |
| 第6章 结论与展望 | 第67-69页 |
| 6.1 结论 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75页 |
