SaaS（Soft as a Service）,是一種打破傳統軟件銷售模式的商業(yè)模式。為了給SaaS服務的開發(fā)和運營提供穩(wěn)定、有針對性的服務平臺,SaaS服務提供商構建了SaaS平臺以統一管理眾多SaaS服務,負責軟件的開發(fā)、部署、組合和維護,從他們的客戶中獲得穩(wěn)定、持續(xù)的收入。然而,如何合理地將SaaS服務部署在相應的虛擬機上以最大化SaaS服務提供商的經濟效益,是SaaS平臺需要考慮的重要問題。隨著SaaS平臺上SaaS服務的用戶訪問量不斷變化,SaaS服務的資源需求量也隨之變化,此時,單一的服務部署方案并不能保證系統穩(wěn)定,因此,在SaaS平臺的運行過程中,需要不斷地調整SaaS服務的部署方案。目前研究中,大多以最小化虛擬機的租用成本來最大化SaaS服務提供商的經濟效益;SaaS服務初始部署階段的求解算法易陷入局部最優(yōu),求解質量不高;在動態(tài)部署階段,大多研究中提出的算法在調整服務部署時過于被動,容易造成服務質量下降;服務遷移策略缺乏對SaaS服務資源需求和虛擬機資源消耗之間的相關性、互補性以及SaaS服務之間交互的考慮。針對以上問題,本文將提出相應的解決方案。本文將最大化SaaS服... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數】：87 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
縮略語對照表
第一章 緒論
    1.1 選題背景
    1.2 選題意義
        1.2.1 理論研究意義
        1.2.2 現實應用意義
    1.3 國內外研究現狀
        1.3.1 服務初始部署相關研究
        1.3.2 服務動態(tài)部署相關研究
    1.4 本文的主要工作
    1.5 本文的組織結構
第二章 SaaS服務部署優(yōu)化
    2.1 SaaS服務初始部署優(yōu)化問題分析
    2.2 SaaS服務動態(tài)部署優(yōu)化問題分析
    2.3 本章小結
第三章 基于混合模擬退火和粒子群的SaaS服務初始部署
    3.1 SaaS服務部署優(yōu)化問題模型
    3.2 粒子群優(yōu)化算法(PSO)
    3.3 模擬退火算法(SA)
    3.4 混合模擬退火和粒子群算法(SAPSO)
        3.4.1 粒子的位置
        3.4.2 粒子的速度
        3.4.3 適應度函數
        3.4.4 位置初始化
        3.4.5 算法流程
    3.5 實驗與分析
        3.5.1 參數設置
        3.5.2 實驗數據分析
    3.6 本章小結
第四章 基于Prophet-LSTM的資源預測模型
    4.1 Prophet模型
    4.2 LSTM神經網絡模型
    4.3 Prophet-LSTM組合資源需求預測模型
        4.3.1 參數設置
        4.3.2 實驗數據分析
    4.4 本章小結
第五章 動態(tài)資源需求下的SaaS服務遷移策略
    5.1 遷移時機判斷
    5.2 擬遷移服務篩選
    5.3 目的虛擬機篩選
    5.4 算法設計與流程
        5.4.1 資源整合算法
        5.4.2 資源負載均衡算法
    5.5 實驗與分析
        5.5.1 參數設置
        5.5.2 實驗數據分析
    5.6 本章小結
第六章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝
作者簡介


【參考文獻】：
期刊論文
[1]基于APMSSGA-LSTM的容器云資源預測[J]. 謝曉蘭,張征征,鄭強清,陳超泉.  大數據. 2019(06)
[2]基于云自適應粒子群優(yōu)化算法和隨機森林回歸（CAPSO-RFR）的負載均衡預測[J]. 李雨泰,李偉良,尚智婕,王洋,董希杰.  微型電腦應用. 2019(10)
[3]Prophet-LSTM組合模型的銷售量預測研究[J]. 葛娜,孫連英,石曉達,趙平.  計算機科學. 2019(S1)
[4]基于模擬退火的粒子群算法在函數優(yōu)化中的應用[J]. 李淑香.  沈陽工業(yè)大學學報. 2019(06)
[5]基于模糊校正的深度時序信息安全評估算法[J]. 魏明樺,鄭金貴.  河海大學學報(自然科學版). 2018(05)
[6]云環(huán)境中面向服務軟件的演化部署優(yōu)化方法[J]. 李琳,應時,董波,王蕊.  中國科學:信息科學. 2017(06)
[7]基于混合遺傳模擬退火算法的SaaS構件優(yōu)化放置[J]. 孟凡超,初佃輝,李克秋,周學權.  軟件學報. 2016(04)

博士論文
[1]存儲敏感的云服務優(yōu)化重部署關鍵技術研究[D]. 閆慧寧.國防科學技術大學 2017
[2]云計算中數據安全及隱私保護關鍵技術研究[D]. 董鑫.上海交通大學 2015
[3]SaaS應用中多租戶若干關鍵技術研究[D]. 顧平莉.北京郵電大學 2012

碩士論文
[1]面向動態(tài)資源需求的SaaS服務部署優(yōu)化研究[D]. 向克進.西安電子科技大學 2019
[2]云環(huán)境下虛擬資源利用率預測研究[D]. 張超坤.華北電力大學 2019
[3]云計算虛擬機的負載預測與調度策略研究[D]. 高玉嬌.燕山大學 2018
[4]基于ARIMA-BP組合模型的某餐飲O2O企業(yè)訂單預測研究[D]. 施佳.北京交通大學 2018
[5]基于一種組合預測模型的自動伸縮Docker集群關鍵技術研究[D]. 王天澤.西安工程大學 2018
[6]SaaS多租戶數據模型及實現技術研究[D]. 張偉.西北大學 2016
[7]可定制SaaS應用建模及其優(yōu)化放置研究[D]. 商曉.哈爾濱工業(yè)大學 2015
[8]SaaS多租戶數據存儲技術研究與應用[D]. 王歡.華南理工大學 2014
[9]云計算中面向SaaS的QoS建模研究與分析[D]. 李杰.南京航空航天大學 2012



本文編號：3586564