云環(huán)境下能耗優(yōu)化及管理技術

第1章 云計算緒論
1．1 云計算的概念及發(fā)展背景
1．2 云計算的發(fā)展現(xiàn)狀與趨勢
1．2．1 云計算的發(fā)展現(xiàn)狀
1．2．2 云計算的發(fā)展趨勢
1．3 云計算的分類
1．4 云計算與網(wǎng)格計算、物聯(lián)網(wǎng)
1．4．1 云計算與網(wǎng)格計算
1．4．2 云計算與物聯(lián)網(wǎng)
1．5 云計算的主要特征
1．6 云計算的機遇和挑戰(zhàn)
本章小結(jié)
參考文獻
第2章 云計算研究熱點
2．1 資源調(diào)度管理
2．2 服務器的能耗模型
2．3 服務器合并與虛擬機遷移技術
2．4 動態(tài)電壓與頻率調(diào)整技術
2．5 虛擬化網(wǎng)絡數(shù)據(jù)中心的節(jié)能優(yōu)化技術
2．6 云存儲系統(tǒng)能效管理
2．6．1 HDFS的節(jié)能
2．6．2 DHT的節(jié)能
本章小結(jié)
參考文獻
第3章 云計算中融入貪心策略的調(diào)度算法研究及應用
3．1 相關研究
3．2 任務調(diào)度算法的目標
3．3 Mitt-Min與Max-Min調(diào)度算法
3．3．1 Min-Min算法分析
3．3．2 Max-Min算法分析
3．4 Min-Max調(diào)度算法
3．4．1 Min-Max主要思想
3．4．2 Min-Max算法
3．5 算法實例分析
3．6 實驗評估及分析
3．6．1 任務總體完成時間
3．6．2 任務總執(zhí)行時間
3．6．3 系統(tǒng)整體資源利用率
3．6．4 平均任務響應時間
3．7 云計算中融入貪心策略的調(diào)度算法應用
本章小結(jié)
參考文獻
第4章 計算機系統(tǒng)能耗估量模型及應用
4．1 相關研究
4．2 模型參數(shù)的選擇
4．2．1 各部件的能耗度量參數(shù)
4．2．2 能耗參數(shù)的分析和篩選
4．3 CMP模型的建立
4．4 實驗與結(jié)果分析
4．5 計算機系統(tǒng)能耗估量模型的應用
本章小結(jié)
參考文獻
第5章 數(shù)據(jù)中心基于任務特征的服務器能耗模型及應用
5．1 相關研究
5．2 能耗模型的參數(shù)選擇
5．2．1 各部件能耗的代表參數(shù)
5．2．2 計算密集型任務的參數(shù)選擇
5．2．3 WEB事務型任務的參數(shù)選擇
5．2．4 I／O密集型任務的參數(shù)選擇
5．3 能耗建模
5．3．1 計算密集型任務的能耗模型
5．3．2 WEB事務型任務的能耗模型
5．3．3 I／O密集型任務的能耗模型
5．4 實驗結(jié)果及分析
5．4．1 計算密集型任務的實驗結(jié)果及分析
5．4．2 WEB事務型任務的實驗結(jié)果及分析
5．4．3 I／O密集型任務的實驗結(jié)果及分析
5．4．4 四種建模方法的對比
5．5 服務器能耗模型的應用
本章小結(jié)
參考文獻
第6章 云計算中以能效為目標的虛擬機遷移算法及應用
6．1 相關研究
6．2 基于三閾值的虛擬機遷移框架
6．2．1 基本定義
6．2．2 基于三閾值的虛擬機遷移算法
6．2．3 虛擬機選擇策略
6．2．4 虛擬機部署策略
6．3 實驗結(jié)果及分析
6．3．1 三閾值最佳區(qū)間的選擇
6．3．2 虛擬機選擇策略的評估
6．3．3 與其他虛擬機遷移算法的對比
6．4 云計算中以能效為目標的虛擬機遷移算法應用
本章小結(jié)
參考文獻
第7章 云計算中基于預測的虛擬機遷移算法及應用
7．1 相關研究
7．2 基于預測的三閾值節(jié)能框架
7．2．1 基本定義
7．2．2 服務器CPU利用率的預測
7．2．3 基于預測的三閾值遷移算法
7．2．4 虛擬機選擇策略
7．2．5 虛擬機部署策略
7．3 實驗結(jié)果及分析
7．3．1 預測精度的評估
7．3．2 三閾值最佳區(qū)間的選擇
7．3．3 虛擬機選擇策略的評估
7．3．4 MMMP與其他虛擬機遷移算法的對比
7．4 云計算中基于預測的虛擬機遷移算法應用
本章小結(jié)
參考文獻
第8章 云計算中自適應閾值的虛擬機遷移算法及應用
8．1 相關研究
8．2 自適應閾值節(jié)能框架
8．2．1 基本定義
8．2．2 自適應三閾值遷移算法
8．2．3 虛擬機選擇策略
8．2．4 虛擬機部署策略
8．3 實驗結(jié)果及分析
8．3．1 最佳參數(shù)的選擇
8．3．2 與其他虛擬機遷移算法的對比
8．4 云計算中自適應閾值的虛擬機遷移算法應用
本章小結(jié)
參考文獻
第9章 總結(jié)與展望
9．1 工作總結(jié)
9．2 研究展望