| 致谢 | 第3-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第17-27页 |
| 1.1 研究背景 | 第17-20页 |
| 1.2 云数据中心负载优化调度的挑战 | 第20-22页 |
| 1.2.1 大规模挑战 | 第20-21页 |
| 1.2.2 复杂化挑战 | 第21页 |
| 1.2.3 智能化挑战 | 第21-22页 |
| 1.3 研究内容与意义 | 第22-25页 |
| 1.4 本文结构 | 第25-27页 |
| 2 研究基础与现状 | 第27-44页 |
| 2.1 传统负载管理与调度研究 | 第27-32页 |
| 2.1.1 负载管理与调度系统架构 | 第27-28页 |
| 2.1.2 负载管理与调度方法 | 第28-32页 |
| 2.2 云数据中心负载分析及管理研究 | 第32-33页 |
| 2.2.1 负载特性分析 | 第32页 |
| 2.2.2 负载管理工具或系统 | 第32-33页 |
| 2.3 数据中心负载监控研究 | 第33-36页 |
| 2.3.1 监控架构及模型 | 第33-35页 |
| 2.3.2 监控数据收集 | 第35页 |
| 2.3.3 监控数据传输 | 第35-36页 |
| 2.3.4 监控数据处理 | 第36页 |
| 2.4 关注突发性和自相似性的负载研究 | 第36-40页 |
| 2.4.1 突发性负载研究 | 第36-38页 |
| 2.4.2 自相似性负载研究 | 第38-40页 |
| 2.5 云数据中心负载优化调度方法研究 | 第40-43页 |
| 2.5.1 跨地域云数据中心负载均衡 | 第40-41页 |
| 2.5.2 云数据中心之间批数据传输 | 第41-43页 |
| 2.6 本章小结 | 第43-44页 |
| 3 大规模云数据中心负载优化调度框架 | 第44-60页 |
| 3.1 研究动机 | 第44-45页 |
| 3.2 JTangWOS系统架构 | 第45-48页 |
| 3.3 基于DDS的监控数据传输 | 第48-50页 |
| 3.3.1 数据类型(Type)设计 | 第48-49页 |
| 3.3.2 主题(Topic)设计 | 第49-50页 |
| 3.4 基于CEP的调度决策平台 | 第50-54页 |
| 3.4.1 云事件定义 | 第51-52页 |
| 3.4.2 调度决策规则的配置 | 第52-54页 |
| 3.5 实验结果与分析 | 第54-59页 |
| 3.5.1 基于DDS的数据传输评估 | 第54-57页 |
| 3.5.2 基于CEP的调度决策支持评估 | 第57-59页 |
| 3.6 本章小结 | 第59-60页 |
| 4 关注突发性和自相似性的Web负载生成及优化调度方法 | 第60-85页 |
| 4.1 研究动机 | 第60-61页 |
| 4.2 必要性分析 | 第61-62页 |
| 4.3 基于MMPP2叠加模型的突发性和自相似性负载联合生成 | 第62-69页 |
| 4.3.1 MMPP2的叠加模型 | 第63-65页 |
| 4.3.2 模型参数估计 | 第65-69页 |
| 4.4 负载生成实验结果与分析 | 第69-76页 |
| 4.4.1 精确性分析 | 第69-73页 |
| 4.4.2 鲁棒性分析 | 第73-74页 |
| 4.4.3 BURSE在Cloudstone中的应用 | 第74-76页 |
| 4.5 突发性和自相似性下大规模云数据中心负载均衡 | 第76-84页 |
| 4.5.1 突发性和自相似性对负载均衡的影响 | 第76-79页 |
| 4.5.2 可感知突发性和自相似性的自适应负载均衡算法 | 第79-81页 |
| 4.5.3 实验分析 | 第81-84页 |
| 4.6 本章小结 | 第84-85页 |
| 5 关注能耗的云数据中心Job负载优化调度方法 | 第85-103页 |
| 5.1 研究动机 | 第85-86页 |
| 5.2 云数据中心Job负载优化调度模型及形式化 | 第86-91页 |
| 5.2.1 基础架构及两阶段Job调度过程 | 第86-88页 |
| 5.2.2 数据中心成本模型 | 第88-89页 |
| 5.2.3 问题形式化 | 第89-90页 |
| 5.2.4 现有方法分析 | 第90-91页 |
| 5.3 云数据中心Job负载优化调度算法设计 | 第91-97页 |
| 5.3.1 ADMM方法 | 第91-93页 |
| 5.3.2 基于ADMM的分布式算法 | 第93-96页 |
| 5.3.3 实际考量及分析 | 第96-97页 |
| 5.4 实验结果与分析 | 第97-102页 |
| 5.4.1 实验环境 | 第97-98页 |
| 5.4.2 收敛性 | 第98-99页 |
| 5.4.3 性能 | 第99-102页 |
| 5.5 本章小结 | 第102-103页 |
| 6 云数据中心之间批数据传输负载优化调度方法 | 第103-122页 |
| 6.1 研究动机 | 第103-104页 |
| 6.2 数据中心之间批数据传输模型及形式化 | 第104-108页 |
| 6.2.1 数据中心批数据传输 | 第104-105页 |
| 6.2.2 云数据中心之间批数据传输能耗成本模型 | 第105-106页 |
| 6.2.3 问题形式化 | 第106-108页 |
| 6.2.4 模型讨论及实际考量 | 第108页 |
| 6.3 云数据中心之间批数据传输优化调度算法设计 | 第108-113页 |
| 6.3.1 基于时间扩展的方法 | 第109页 |
| 6.3.2 阶段优化方法 | 第109-113页 |
| 6.4 实验结果与分析 | 第113-120页 |
| 6.4.1 实验环境 | 第114-115页 |
| 6.4.2 对比方法 | 第115-116页 |
| 6.4.3 实验结果 | 第116-120页 |
| 6.5 本章小结 | 第120-122页 |
| 7 总结与展望 | 第122-126页 |
| 7.1 本文工作总结 | 第122-124页 |
| 7.2 未来工作展望 | 第124-126页 |
| 参考文献 | 第126-143页 |
| 作者简历 | 第143-145页 |
