首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

云环境中基于Map/Reduce的虚拟机调度策略研究

摘要第1-4页
Abstract第4-7页
第一章 绪论第7-13页
   ·研究背景及意义第7-8页
   ·国内外研究现状与发展趋势第8-10页
     ·云计算的国内外研究现状与发展趋势第8-9页
     ·云环境中虚拟机资源调度的研究现状第9-10页
   ·主要内容与章节安排第10-13页
第二章 基础知识第13-23页
   ·云计算技术第13-19页
     ·云计算的概念第13-14页
     ·云计算的体系结构和服务层次第14-16页
     ·云计算特征和应用的场景第16-17页
     ·云计算的关键技术第17-19页
   ·云计算中的虚拟机资源调度第19-21页
     ·虚拟机资源调度机制第19页
     ·虚拟机资源调度的研究热点第19-20页
     ·传统调度算法简介第20-21页
   ·需求价格弹性理论第21-22页
     ·需求价格弹性的定义和性质第21页
     ·影响需求价格弹性的因素第21-22页
   ·本章小结第22-23页
第三章 基于GPU的Map/Reduce并行计算框架第23-35页
   ·Map/Reduce框架第23-27页
     ·Map/Reduce模型的概念第23页
     ·Map/Reduce框架的原理和执行流程第23-25页
     ·Map/Reduce的关键技术第25-27页
   ·GPU的编程模型第27-29页
     ·GPU简介第27页
     ·CUDA编程模型第27-29页
   ·基于GPU改进的Map/Reduce并行计算框架第29-33页
     ·存在的必然性第29页
     ·基于GPU改进的Map/Reduce框架第29-31页
     ·基于GPU改进的Map/Reduce框架的节点功能第31-32页
     ·改进的Map/Reduce框架在实际应用中存在的问题第32-33页
   ·本章小结第33-35页
第四章 基于Map/Reduce改进的蚁群算法的虚拟机调度策略第35-53页
   ·蚁群算法第35-39页
     ·蚁群算法介绍第35页
     ·蚁群算法原理第35-36页
     ·蚂蚁算法的数学模型第36-39页
   ·基于Map/Reduce改进的蚁群算法第39-47页
     ·改进的意义与可行性分析第39-40页
     ·基于Map/Reduce改进的蚁群算法特征第40-44页
     ·基于Map/Reduce改进的蚁群算法描述第44-46页
     ·基于Map/Reduce改进的蚁群算法的执行流程第46-47页
   ·仿真与性能分析第47-52页
     ·环境配置第47页
     ·实验参数设置第47页
     ·实验结果分析第47-52页
   ·本章小结第52-53页
第五章 总结与展望第53-55页
   ·工作总结第53页
   ·工作展望第53-55页
致谢第55-57页
参考文献第57-60页

论文共60页,点击 下载论文
上一篇:基于SOPC的视频目标跟踪系统设计
下一篇:基于属性的资源授权管理标准应用研究