隨著信息科學(xué)技術(shù)的進步,網(wǎng)絡(luò)信息量迅速增長,隨著以互聯(lián)網(wǎng)思維進行商務(wù)活動的電子商務(wù),車聯(lián)網(wǎng),社交網(wǎng)絡(luò)和自媒體等技術(shù)的出現(xiàn),出現(xiàn)大量數(shù)據(jù)的傳輸和存儲。面對巨大規(guī)模的數(shù)據(jù)量和存儲量,云計算應(yīng)運而生。云計算作為新的計算模式,近來受到了廣泛關(guān)注和應(yīng)用。帶來效率和便捷的同時,然而也存在很多問題,能耗開銷過大,資源利用效率不高等等。正是基于這種考慮,本文對云計算環(huán)境下的網(wǎng)絡(luò)密集型應(yīng)用開展了大量的研究,找到了該應(yīng)用所具有的的一些共同特征,并以此為基礎(chǔ)建立了網(wǎng)絡(luò)密集型應(yīng)用的數(shù)學(xué)模型�；谠摂�(shù)學(xué)模型,同時提出了針對網(wǎng)絡(luò)密集型應(yīng)用的效率提升調(diào)度策略。本文的主要貢獻有如下幾個方面:第一,本文對云計算環(huán)境下的網(wǎng)絡(luò)密集型應(yīng)用做了大量的研究分析,找出了網(wǎng)絡(luò)密集型應(yīng)用的一些共同特征,主要包括CPU利用率,上下文切換數(shù)量,內(nèi)存使用數(shù),IO使用數(shù)量和網(wǎng)絡(luò)負載情況等�；谶@些參數(shù)提出了網(wǎng)絡(luò)密集型應(yīng)用模型五元組,從而為進一步針對這種特定類型的研究處理策略提供了一定的基礎(chǔ)。第二,在上述提出的網(wǎng)絡(luò)密集型應(yīng)用模型的基礎(chǔ)上,本文提出了相應(yīng)的應(yīng)用效率提升調(diào)度策略。當大于CPU核數(shù)的IO和網(wǎng)絡(luò)密集型應(yīng)用并發(fā)執(zhí)行時,傳統(tǒng)的資源分配策略沒... 

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 國內(nèi)外發(fā)展研究現(xiàn)狀
        1.2.1 云計算國外研究現(xiàn)狀
        1.2.2 云計算國內(nèi)研究現(xiàn)狀
    1.3 主要工作和論文組織結(jié)構(gòu)
第2章 云計算相關(guān)技術(shù)
    2.1 CLOUDSTACK云計算平臺
        2.1.1 概念結(jié)構(gòu)
        2.1.2 部署結(jié)構(gòu)
        2.1.3 軟件結(jié)構(gòu)
        2.1.4 虛擬化架構(gòu)
        2.1.5 所支持的存儲類型
    2.2 虛擬化技術(shù)
        2.2.1 KVM虛擬化技術(shù)
        2.2.2 比較KVM和Xen
    2.3 性能監(jiān)測工具
    2.4 作圖工具
    2.5 本章小結(jié)
第3章 網(wǎng)絡(luò)密集型應(yīng)用模型研究
    3.1 云應(yīng)用任務(wù)類型
    3.2 網(wǎng)絡(luò)密集型應(yīng)用的特征
        3.2.1 CPU特征
        3.2.2 上下文切換特征
        3.2.3 內(nèi)存特征
        3.2.4 IO特征
        3.2.5 網(wǎng)絡(luò)特征
    3.3 網(wǎng)絡(luò)密集型應(yīng)用的特征模型
        3.3.1 閾值分析
        3.3.2 判定算法
    3.4 本章小結(jié)
第4章 針對網(wǎng)絡(luò)密集型應(yīng)用的調(diào)度策略
    4.1 影響網(wǎng)絡(luò)密集型應(yīng)用執(zhí)行效率的因素
        4.1.1 網(wǎng)絡(luò)帶寬對網(wǎng)絡(luò)密集型應(yīng)用的影響
        4.1.2 文件類型對網(wǎng)絡(luò)密集型應(yīng)用的影響
        4.1.3 重復(fù)刪除對網(wǎng)絡(luò)密集型應(yīng)用的影響
    4.2 基于優(yōu)先級的IO和網(wǎng)絡(luò)密集型應(yīng)用的調(diào)度模型
        4.2.1 IO密集型和網(wǎng)絡(luò)密集型應(yīng)用調(diào)度
        4.2.2 Linux系統(tǒng)進程優(yōu)先級和進程調(diào)度
        4.2.3 感知應(yīng)用“大小”的調(diào)度策略
    4.3 流水線打包傳輸策略
        4.3.1 流水線打包傳輸預(yù)處理
        4.3.2 流水線模型簡介
        4.3.3 基于網(wǎng)絡(luò)打包傳輸?shù)牧魉�機制
        4.3.4 性能優(yōu)化分析
    4.4 本章小結(jié)
第5章 CLOUDSTACK云平臺及實驗驗證
    5.1 CloudStack云平臺搭建
        5.1.1 CloudStack云平臺的配置信息
        5.1.2 CloudStack云平臺的配置過程
    5.2 網(wǎng)絡(luò)密集型應(yīng)用的判定模型的驗證測試
        5.2.1 實驗內(nèi)容
        5.2.2 實驗結(jié)果和分析
    5.3 基于優(yōu)先級的網(wǎng)絡(luò)密集型應(yīng)用和IO密集型應(yīng)用的調(diào)度策略的驗證
        5.3.1 實驗內(nèi)容
        5.3.2 IO密集型應(yīng)用的實驗結(jié)果分析
        5.3.3 網(wǎng)絡(luò)密集型應(yīng)用的實驗結(jié)果分析
    5.4 流水線打包傳輸策略的驗證
        5.4.1 實驗內(nèi)容
        5.4.2 實驗結(jié)果和分析
    5.5 本章小節(jié)
第6章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來的工作展望
參考文獻
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文


【參考文獻】：
期刊論文
[1]一種基于云環(huán)境的文件存儲策略的研究[J]. 周蘭鳳,孟馳,彭俊杰.  計算機工程與科學(xué). 2016(02)
[2]云計算中心節(jié)能評估分析[J]. 王菁.  機電信息. 2014(24)
[3]基于多群智能算法的云計算任務(wù)調(diào)度策略[J]. 陳海燕.  計算機科學(xué). 2014(S1)
[4]基于CloudStack的私有云平臺的構(gòu)建與實現(xiàn)[J]. 吳常清,王慧敏,薛濤.  西安工程大學(xué)學(xué)報. 2014(02)
[5]基于用戶優(yōu)先級的云計算任務(wù)調(diào)度策略[J]. 蒲汛,杜嘉,盧顯良.  計算機工程. 2013(08)
[6]CloudStack架構(gòu)詳解[J]. Alex Huang.  程序員. 2012 (08)
[7]Linux進程調(diào)度策略的分析[J]. 陳佳聞.  山東農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2012(02)
[8]基于改進粒子群算法的云計算任務(wù)調(diào)度策略[J]. 丁陽,顏惠琴.  無錫職業(yè)技術(shù)學(xué)院學(xué)報. 2012(03)
[9]基于改進GA的云計算任務(wù)調(diào)度算法[J]. 朱宗斌,杜中軍.  計算機工程與應(yīng)用. 2013(05)
[10]云計算:體系架構(gòu)與關(guān)鍵技術(shù)[J]. 羅軍舟,金嘉暉,宋愛波,東方.  通信學(xué)報. 2011(07)

博士論文
[1]基于云計算環(huán)境的資源提供優(yōu)化方法研究[D]. 張小慶.武漢理工大學(xué) 2013
[2]私有云中虛擬資源的節(jié)能調(diào)度研究[D]. 李建敦.上海大學(xué) 2011

碩士論文
[1]云計算中基于進化算法的任務(wù)調(diào)度策略研究[D]. 李歡.華東理工大學(xué) 2015
[2]基于TPM的云存儲數(shù)據(jù)加密機制[D]. 賈然.河北大學(xué) 2014
[3]基于CloudStack的云計算資源監(jiān)控系統(tǒng)的研究與實現(xiàn)[D]. 林凱.上海大學(xué) 2014
[4]基于CloudStack云管理平臺的關(guān)鍵技術(shù)研究與應(yīng)用[D]. 彭紅.華東理工大學(xué) 2013



本文編號：3694656