一、实时集群中一种基于任务分配表的动态负载平衡算法（论文文献综述）
袁少怡[1]（2021）在《基于飞机伤痕检测服务的高并发性能研究与应用》文中进行了进一步梳理飞机表面蒙皮伤痕是威胁飞行安全的一大主因,因此,航空公司在飞机转航停场期间对蒙皮伤痕进行检测是保障飞行安全的重要工作。目前较为先进的检测方法是基于计算机视觉的伤痕检测法,该方法将采集到的飞机蒙皮图像传输给伤痕检测服务,进行基于人工神经网络的图像处理以识别伤痕类型及位置信息,从而判断蒙皮受损程度,保障飞行安全。由于检修飞机数量多、检修时间短,该方法在图像传输、处理过程中需要进行大量的数据传输和计算。故如何在飞机转航停场期间保证伤痕检测的实时性、高效性是至关重要的。本文正是针对某具体航空公司的实际项目,在转航停场期间,对基于图像识别的伤痕检测服务的实时性、高效性需求,研究高并发性能方案。由于航空公司对于数据具有较高的安全性及隐私性要求,不能借助公网的云平台来进行高并发性能服务的发布,因此论文从单机分布式计算、动态负载均衡、服务平台部署以及多机分布式扩展角度展开工作,具体完成如下工作:一、针对支持高效运行服务平台的部署问题,从硬件部署及软件调度两方面展开。设计了一种单机多卡分布式处理方案,并提出了基于多进程模型的多卡分布式处理方案。为了解决用户请求的离散性,提出了基于业务流量的动态自适应封装策略,以提高事务处理效率。二、针对任务分发过程中集群节点负载不均衡导致检测服务并发量较低的问题,提出了基于集群性能的动态负载均衡策略,设计并实现性能采集模块、算法模块、负载均衡模块,实现任务的动态分发,保证节点之间的负载均衡,从而提升伤痕检测服务的并发量。三、针对多机分布式扩展过程中面临的扩展困难、上线繁琐问题,设计了基于容器化技术的多机分布式扩展方案,实现检测服务的水平扩展。并以Docker作为底层容器化技术,设计了一整套持续交付、自动化管理的生产构建框架。论文采用并发性能测试工具模拟真实环境中的检测请求,针对一、二工作内容设计相应的实验,进行了对照测试,通过QPS（Queries Per Second）指标验证上述方案的有效性和优越性,且在采用了本文提出的封装策略之后,伤痕检测服务的QPS最高提升了 32.33%。
邱志腾[2]（2021）在《基于LSTM的飞行数据处理系统负载优化与应用》文中研究说明
张金鹏[3]（2021）在《基于负载均衡和服务流控的高并发访问机制的研究》文中指出随着互联网的普及与高速发展,软件应用对并发量和服务质量的要求越来越高,推动着互联网的架构不断演变。迅速增长的用户规模,日益复杂的业务系统,导致网络的并发访问流量爆发式增长。单一的服务器架构受限于硬件和网络带宽等,难以应对海量的用户访问,集群和负载均衡技术应运而生,它们能够提供更强大的任务处理性能和容错能力。其中,微服务架构以其优秀的组织结构和开发性能得到了广泛关注,可以通过将复杂系统拆分成多个独立服务的架构,降低系统耦合度,并可与集群技术结合,实现流量的分布式处理。然而,当用户访问流量总量过大时,无论采用何种负载均衡技术,分配给集群中各个服务器的流量仍然会超过机器的最大处理能力,尤其针对突发流量,就需要应用流量控制技术予以解决。为此,本文将从集群的负载均衡和微服务的流量控制两个方面开展研究工作,提出了一种优化的动态负载均衡模型和一种基于sr TCM算法的多级动态服务流控模型,并设计和验证了其实现方案,本文的主要研究内容如下。首先,基于请求任务的处理时间作为性能评价参数,构建一种基于蚁群算法的负载均衡基本模型。其次,对基本模型进行了综合优化,提出了一个优化的动态负载均衡模型,其主要优化工作:对标准蚁群算法的算法规则的综合优化;周期性采集微服务节点负载信息参数的数据,对蚁群算法的路径搜索方式进行优化;引入信息素迭代因子,根据请求响应时间对信息素更新方式进行优化。第三,基于Open Resty平台设计了优化的动态负载均衡模型实现方案。研究微服务架构下流控技术相关的理论,提出了一种基于srTCM算法的多级动态服务流控模型,能够根据请求的类型和机器的运行状态,对进入服务节点内部的任务进行动态调控和差异化处理,并设计了基于Gateway网关的动态流控模型实现方案。通过性能对比实验,验证了本文研究成果的性能,证明其优于常用的负载均衡和限流方案。
罗德宁[4]（2021）在《大规模数据实时绘制关键技术研究》文中指出三维图形绘制在游戏娱乐、虚拟现实、科学计算可视化等众多领域有着广泛应用,而且在实时和真实方面的绘制要求越来越高。近年来,软硬件的计算性能得到了很大提升,但是面对数据规模的日益增长,大规模数据的实时绘制面临巨大挑战。本文主要针对体数据和地理地形数据的真实和实时绘制技术展开研究。对于精度高、体量大的体数据,三维可视化计算量大,同时增加光照计算更加重了计算负担。大规模地理地形数据一直存在如何高效处理和绘制的问题。同时,反走样技术在数据绘制中能够显着增强视觉效果,减少图像走样、闪烁,但会带来额外的绘制开销。数据规模的增长无疑加重了各种绘制技术的计算开销,即便是提高绘制性能的并行绘制技术在面绘制和体绘制上还存在诸多挑战。针对上述技术问题,本文的主要工作和创新点包括以下方面:（1）数据并行化体绘制及光照计算在基于切片和光线投射两种主流体绘制方法基础上,针对光照计算量大的问题展开性能可扩展研究。针对基于切片体绘制在多绘制遍全局光照计算效率低的问题,提出单绘制遍多切片（Multi-Slice Per Pass,MSPP）算法,从数据与算法并行层面提升绘制能力。在相同切片数量下,MSPP算法可以提高半角切片（Half-Angle Slicing）算法大约两倍的性能。针对光线投射体绘制采样复杂导致光照计算量大的问题,提出基于切片的光线投射（Slice-based Ray Casting,SBRC）方法提升绘制效率和效果。首先,以光源为视点逐切片绘制体数据的整个几何体切片的光照信息到光照衰减缓存。其次,在光线投射过程中,利用光照衰减缓存计算采样点的光照影响,包括体积阴影、软阴影及散射等效果计算。SBRC算法只需要一个绘制遍的时间开销,并且通过变化切片数量和每个切片的分辨率实现可扩展的绘制性能。实验表明,以上方法能够大幅提升体数据的绘制效率和效果,满足性能可扩展的体数据绘制要求。（2）大规模地形数据高效组织与绘制三维地理地形绘制主要包括地理数据组织和三维地形构建两个主要过程。为了使地形绘制发挥最佳性能,并且支持层次细节（Level of Detail,LOD）及Mipmap技术提升绘制性能,提出一种灵活的数字高程模型及数字正射影像经纬度范围一致的无缝划分策略,并对每一块地形瓦片采用分组、分段、四边形网格的组织方式,快速生成具有LOD高效调度的真实三维地形。实验表明,该方法能够快速构建性能可扩展的三维地形,减少绘制调用。（3）数据绘制中的反走样技术针对延迟着色阶段开启硬件反走样方法无法直接兼容的问题,提出子像素连续边界反走样（Sub-Pixel Reconstruction Continuous Edges,SRCE）方法。首先,开启多重采样反走样绘制场景到几何体缓存（Geometry Buffer,G-Buffer）。其次,在子像素上利用切比雪夫不等式通过概率统计检测边界像素,以及标识边界像素和普通像素减少着色线程一致性开销。再次,以#过滤方法从子像素上重构连续边界。最后,自适应着色边界像素进行反走样处理。SRCE方法使三维物体边缘的“阶梯”效应最小化,同时还可以结合后处理或时间反走样技术增强图形绘制效果。针对延迟着色技术与覆盖采样反走样（Coverage Sample Anti-Aliasing,CSAA）不兼容的问题,提出基于延迟着色技术的大场景反走样绘制架构。该架构能够针对不同绘制对象使用不同的反走样级别,减少延迟与卡顿,从而平衡效果与效率。实验表明,以上方法能够有效提高数据的绘制质量,同时平衡绘制性能。（4）大规模数据并行绘制虚拟化框架在主流并行绘制框架研究基础上,结合虚拟化技术设计了一种三维图形并行绘制虚拟化框架（Parallel Rendering Virtualized Framework,PRVF）,提高体绘制、面绘制及反走样技术在大规模数据上的算力结构并行绘制能力。以Equalizer作为并行绘制中间件,灵活组织并行绘制各功能模块,虚拟化各类绘制资源作为绘制单元,按需调度及管理。综上所述,本文研究体数据及地理地形数据在实时绘制方面的一系列关键技术问题,充分提高真实与实时绘制能力,通过从数据、算法和算力结构等并行层面有效提升大规模数据绘制的实用性。
刘雪[5]（2021）在《基于光线追踪的三维显示内容生成加速方法研究》文中研究指明三维光场显示是近年来一种通用的裸眼三维显示技术,能够实现全视差、大视角的显示效果,具有非常广阔的应用前景。多视点图像作为三维光场显示技术主要的显示方式,当前通常采用光线追踪技术进行渲染以保证其图像的高真实感。多视点图像的生成过程中由于需要进行大量涉及光线的计算,因此往往存在高时间成本的问题,尤其在超高分辨率显示设备下此问题更为突出,以致于难以支持实时的三维光场显示。针对这一问题,本论文首先改进了基于动态区域渲染的多视点图像生成方法,该方法通过仅更新场景中发生变化的区域来减小渲染计算量,以实现超高分辨率下的实时渲染;其次提出了一种基于多GPU的光场渲染方案,通过将动态负载平衡技术和分割帧渲染技术相结合,合理地在GPU之间分配渲染计算量,以实现多视点图像的快速渲染;最后实现了双8K分辨率光场图像的实时渲染。本论文的主要研究内容及创新点如下:1.改进了基于光线追踪技术和动态区域渲染的多视点图像生成方法。根据动态场景在渲染过程中的变化情况,将其分为静态区域和动态区域,通过对动态区域的检测以降低生成多视点图像所需要的计算量,进而提高渲染速率。渲染过程中每一帧均对动态区域及其前一帧所处的区域进行渲染;而对静态区域仅完成其初始帧的渲染即可。对于动态区域占比小于静态区域,且具有7680×4320超高分辨率的渲染场景,发射光线数量达到三千余万,此方法能够实现30FPS以上的渲染速率。并且对于不同面积的动态区域,改进后的方法相比于传统方法均可以实现提升4-7倍的渲染速率。2.提出了基于路径追踪技术和多GPU并行渲染系统的多视点图生成方案。路径追踪技术相比于光线追踪技术能够实现更为真实的光影效果,但同时也需要更为巨大的时间开销。多GPU渲染技术中将动态负载平衡技术和分割帧渲染技术相结合,使得任何一帧图像的渲染工作均由多块GPU共同承担,并且其中每块GPU均承担了几乎相等的工作量。在7680×4320的超高分辨率场景下,采样光线可达上亿数量级,双GPU并行渲染方案能够实现15FPS以上的渲染速率。并且对于不同复杂度的三维模型,此方案相对于传统的单GPU方案均可以实现将近两倍的渲染速率提升。3.实现了双8K分辨率光场图像的实时渲染。对于具有两块7680×4320显示屏的双8K三维光场设备,启用两个光线追踪进程分别驱动显示设备的其中一块屏,以实现渲染场景的双屏拼接展示。两块显示屏分别利用一块GPU渲染多视点图像,并且采用UDP通信协议进行进程之间的参数同步,使得交互时场景内容同时改变。该场景中发射光线数量达到六千余万,实验证明此方法在双8K显示设备上可以实现实时三维光场显示,渲染帧率达到20FPS以上。本论文为不同的复杂情景中超过千万数量级的虚拟光线提供了多种解决方案,以实现对光场图像的快速渲染,并且最终实现了在超高分辨率场景下对光场图像的实时渲染。相关研究成果为高质量的三维光场显示提供了新的解决方案。
韩家旭[6]（2021）在《高并发环境下网络攻击效果评估系统的研究与实现》文中提出网络攻击效果评估技术作为一种主动防御技术,通过模拟渗透实验的方式,通过对收集到的指标值进行有效计算,从而对系统的安全性或攻击的有效性得到一个全面准确的评价。网络攻击效果评估技术一方面可用于评估系统的安全性,并针对评估结果进行系统修复或防御决策的制定;另一方面可用于网络攻击工具能力的评估,在投入实际使用前,对工具的信息对抗能力作出评估,从而指导其不断改进。当前网络攻击效果评估系统多使用单体架构进行设计开发,单体式应用紧耦合,其维护性、扩展性以及迭代性较差,对于一个期望服务稳定且持续可用的网络攻击效果评估系统而言,单体式架构的失败性尤为突出。本文针对当前网络攻击效果评估系统设计中存在不足,提出使用微服务架构思想对系统进行设计与实现。对于微服务架构中,Spring Cloud Ribbon内置静态负载均衡算法存在的不足,本文提出并实现了基于Ribbon的动态自适应负载均衡策略,本文主要创新及工作如下:首先,针对当前网络攻击效果评估系统使用单体架构进行设计存在的并发量低、迭代性差等缺点,本文基于微服务的思想对网络攻击效果评估系统进行了设计与实现,对于微服务划分的痛点,本文结合领域驱动设计思想对系统进行了拆分。其次,针对微服务架构中Spring Cloud Ribbon负载均衡器存在的不足,本文基于项目需求,提出了一种动态自适应负载均衡策略。该负载均衡策略通过阶段性收集各个微服务实例节点的CPU利用率、内存利用率、网络速率、I/O速率等负载均衡指标数据,进行一定计算,并结合微服务的具体负载类型,使用Z-Score算法计算负载评价函数的权系数,从而计算每一个服务实例节点的权重。保证了在高并发环境下,负载均衡的有效性。最后,在上述方案的基础上,本文设计并开发了网络攻击效果评估系统。对系统功能进行了测试,保证了系统功能的有效性。对动态自适应负载均衡策略进行了测试,通过对比Spring Cloud Ribbon内置的负载均衡策略,测试结果表明,本文提出的动态自适应负载均衡策略在高并发环境下,具有更高的系统吞吐量与更稳定的平均响应时间,从而提升了系统在高并发环境下的稳定性。
钟原[7]（2021）在《面向并行绘制负载平衡的随机森林在线学习研究》文中研究指明现代图形学应用的飞速发展对超大规模复杂场景绘制、高分辨率显示呈现、高真实感用户体验以及实时绘制效率提出了愈加严峻的挑战。尽管计算机硬件性能在近年来得到了极大提高,但仍然无法满足越来越高的需求。作为并行计算在图形学领域的具体运用,并行图形绘制系统成为解决上述问题的有效方案之一。但是多节点间的绘制任务分配一直是制约并行图形绘制系统整体性能的瓶颈,因此,研究如何实现绘制负载平衡成为影响最终绘制效果的关键因素。本文将绘制节点的绘制时间作为负载度量,将绘制负载的准确预测作为负载平衡的关键问题。通过对负载的提前预测实现对绘制任务的合理划分,以达到平衡的效果。本文提出使用随机森林模型（Random Forests,RFs）来表达绘制特征与绘制时间之间的高维非线性关系,并针对绘制数据持续不断产生且存在目标概念漂移的问题,提出了“预测+修正+学习”的自适应负载平衡框架,重点研究了随机森林在绘制数据流中的在线学习机制,通过在线学习提升模型的回归预测性能以及增强模型在动态数据流中的自适应性。本文的具体工作和创新如下:（1）为了提高模型在绘制数据流中回归预测的准确性,提出了一种称为OWL-RFR（Online Weight Learning for RFs Regression）的基于叶节点权重的随机森林在线学习方法。其基本思想是,在不改变离线训练的随机森林结构的前提下,使叶子节点基于数据流中序列数据的相关性来获得一种长时依赖,并通过梯度下降的方式优化叶节点的权值,从而赋予随机森林一种有效的长时记忆,使其可在数据流的预测过程中不断学习,获得越来越准确的预测结果。实验结果表明,OWL-RFR方法能够更好的拟合持续不断的绘制数据流,提升随机森林预测的准确性,并具有较好的收敛性和稳定性。（2）为了增强模型在动态绘制数据流中的自适应性,提出了一种称为ALSM-RFR（Adaptive Long and Short-term Memory online RFs Regression）的长短时记忆自适应在线随机森林方法。由于并行绘制系统中的绘制特征会随场景、用户交互的变化而变化,而存在目标概念漂移,使OWL-RFR方法可能无法很好的适应不断变化的动态绘制数据流。因此,本文设计了一种自适应记忆激活机制,使随机森林在稳态或非稳态数据流预测时,可以在不同记忆模式之间自适应地切换预测所使用的记忆。ALSM-RFR方法利用了叶级和树级权重,在预测过程中不断积累不同时间跨度的知识,同时赋予模型长时记忆和短时记忆,并在此基础上合成了混合记忆。实验结果表明,ALSM-RFR相对于OWL-RFR方法来说,在面向漂移的绘制数据流预测中,获得了更好的预测效果,同时,ALSM-RFR具有良好的收敛性和稳定性,方法中使用的小批量梯度和随机梯度下降优化策略也有效降低了超参的影响。（3）为了提高模型在复杂漂移绘制数据流中的自适应性,本文提出了一种称为ORB-RRF（Online Rebuilding Regression Random Forests）的在线局部重建随机森林方法。虽然长短时记忆的使用在一定程度提高了随机森林的自适应性,但面对更复杂变化的绘制数据流时,保持离线训练结构不变的随机森林难以很好的适应剧烈的变化。因此,本文提出了随机森林在线局部重建方法,以适应具有多种类型概念漂移的复杂动态连续数据流。一方面通过在线对比叶节点与其父节点的性能,实现叶节点的在线修剪,以修正由于叶节点对特征空间的不恰当划分而导致的性能下降,抑制模型过拟合;另一方面使叶节点在预测过程中动态收集预测效果较差的样本,并自底向上逐层对比节点新增样本后所含特征空间与原始空间的变化,通过回溯操作,定位到能覆盖新特征空间的祖先节点,并从该节点重新分裂获得新的子树替换原有枝干。实验结果表明,在面向复杂概念变化的数据流预测中,ORB-RRF方法比OWL-RFR和ALSM-RFR都有显着的性能提升,通过结构的在线重建使随机森林具有持续优化的自适应能力。
刘成[8]（2020）在《基于服务器集群的负载均衡系统的设计与实现》文中研究表明随着医疗行业信息化的发展,医疗系统服务器架构设计这一研究方向深受重视。大多数医疗相关信息系统在进行需求分析、构建设计之时并未考虑到高并发业务流量冲击带来的负载不均和集群无法满足高可用的问题。负载均衡技术作为该问题的一种解决方案,是当下非常热门且研究趋势良好的技术,与传统的单点服务器架构技术相比具有巨大的优势。首先为了实现服务器集群在高并发下的负载均衡,本文针对一致性哈希方法中的数据倾斜问题,对比了现有的数据均衡方案,基于改进一致性哈希设计了一种可扩展、高效的负载均衡方法。该方法构建了虚拟节点最大线性值计算模型和虚拟节点冗余值计算模型,将虚拟节点的构建数量与节点性能值和集群节点数相关联,可以防止哈希倾斜带来的调度不均。接着针对原生master-slave节点主备模型中的主备失效和Session共享问题,对比了现有的主备构建方案和Session共享方案,本文基于选举队列和Redis设计出一种可拓展、可备份的高可用模型。该模型构建了基于选举状态的选举队列,同时将业务逻辑Session管理解耦,可以防止主备失效后缓存数据丢失而造成服务中断。最后本文对系统进行软硬件环境构建,并对功能模块进行原型实现和系统测试,根据测试结果表明该系统在负载均衡和高可用性上满足医疗系统的业务需求。该系统已在医院正式上线运行一年,得到了所有科室医疗工作人员的肯定。
孙永源[9]（2020）在《分布式雾计算中任务卸载与负载均衡方案研究》文中研究说明为了应对物联网（Io T）、虚拟增强现实（VRAR）、无人驾驶等新业务的发展对移动通信提出的要求,5G将使用各种新技术来满足这些业务类型和应用场景。云计算范式借助其强大的计算和存储能力为终端用户提供各种高质量服务。但随着终端设备接入量的日益增加,核心网络的流量呈指数增长,2020年度移动流量将增加到291.8艾字节。如此庞大的流量将给核心网络带来巨大的挑战。为了解决这一问题,将计算和存储从核心网络迁移到网络边缘的边缘计算（EC）成为一种有效的解决方案。雾计算（FC）作为边缘计算的一种实现方式,旨在通过异构网络连接一切设备（包括终端设备、Io T设备、传感器、路由器、网关等）,从而为物联网提供一种新的解决方案。如何实现雾计算中各个节点高效协作计算是雾计算中一个重要研究方向。本文研究了分布式雾计算中各雾节点的协作计算方式,并对其中的任务卸载和负载均衡问题进行了深入研究。主要做了以下工作:针对雾计算网络中分布式协作计算问题,本文提出了一种基于动态规划的解决方案,在为每个用户分配计算资源时综合考虑每个雾节点的通信能力和计算能力,并考虑当前用户对其他用户的影响,最小化所有用户的总服务延迟。针对雾计算网络中的任务卸载问题,本文考虑雾无线访问网络（F-RAN）中各雾节点之间的无线传输延迟、雾节点的任务计算延迟、雾节点和远程云数据中心之间的无线传输延迟并在用户所能接受的延迟阈值内计算出最佳的卸载方案。仿真结果表明,本文提出的基于动态规划的多任务卸载方案相比单雾系统和资源预分配系统可以有效降低服务延迟。在资源利用率方面远高于资源预分配方案。针对分布式雾计算网络中的负载均衡问题,本文提出一种基于资源预测的动态负载均衡方案,在为每个任务进行负载均衡时考虑任务的执行时间、任务执行成本和雾节点的可用资源等因素。充分提高分布式雾集群的有效利用率,缩短响应延迟。仿真结果表明,在处理大量任务和系统网络状况不佳的场景下相比静态负载均衡方案,本文提出的方案在响应时间方面有很大优势。
张从越[10]（2020）在《云计算环境下基于多目标优化的虚拟机迁移研究》文中提出云计算作为一种价格低、效率高的新型计算模式,正逐渐的在各个领域兴起,因其具有按需服务、高可靠、高性价比、可扩展等特性,逐渐受到个人以及社会的认可。近些年来,云数据中心的规模迅速扩大,导致其产生的能源消耗及其成本也随之增长。数据中心能够通过虚拟机迁移提高云计算服务质量、节约成本,虚拟机迁移是根据数据中心运行过程中带来的物理主机负载变化,对虚拟机进行重新部署的过程。虚拟机迁移的核心是虚拟机放置,所以亟需一种可行的虚拟机放置算法来优化虚拟机迁移策略。本文利用负载预测与智能优化算法来解决虚拟机放置问题,并据此实现虚拟机迁移,主要工作如下:（1）提出了一种基于指数平滑的动态负载预测算法,通过动态选择平滑系数提升预测准确率,并将负载预测用于虚拟机放置上,能够更好的选择合适的目的主机。实验结果表明,本文提出的负载预测算法在预测准确率方面有一定改进,能够在一定程度上减少虚拟机迁移次数,从而降低能耗。（2）针对传统的虚拟机放置算法存在多目标优化难以找到最优解的问题,本文提出一种面向能耗、资源利用率、负载均衡的虚拟机放置优化模型,并通过改进蚁群算法实现基于多目标优化的虚拟机放置算法,该算法能够在有限的时间内获取模型的近似最优解,符合云环境对高效率低能耗的要求。（3）将负载预测应用于基于多目标优化的虚拟机放置算法,能够更准确的寻找近似最优解,并结合主机负载判定与虚拟机选择实现了基于CloudSim平台的虚拟机迁移模块。
二、实时集群中一种基于任务分配表的动态负载平衡算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、实时集群中一种基于任务分配表的动态负载平衡算法（论文提纲范文）
（1）基于飞机伤痕检测服务的高并发性能研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作 |
| 1.4 论文的组织结构 |
| 第二章 理论基础及相关技术 |
| 2.1 高并发服务模型 |
| 2.1.1 多进程服务模型 |
| 2.1.2 多线程服务模型 |
| 2.1.3 微线程服务模型 |
| 2.2 负载均衡技术 |
| 2.2.1 硬件负载均衡 |
| 2.2.2 软件负载均衡 |
| 2.3 容器化技术 |
| 2.3.1 容器化技术概念 |
| 2.3.2 容器化技术原理分析 |
| 2.3.3 容器化技术的优势 |
| 2.4 测试工具及评价指标介绍 |
| 2.4.1 压力测试工具 |
| 2.4.2 评价指标 |
| 2.5 本章小结 |
| 第三章 单机多卡分布式处理方案设计 |
| 3.1 现有高并发处理方案分析 |
| 3.1.1 现有高并发处理方案概述 |
| 3.1.2 现有高并发处理方案不足 |
| 3.2 单机多卡分布式处理方案设计与实现 |
| 3.2.1 基于业务流量的动态自适应封装策略设计与实现 |
| 3.2.2 基于多进程模型的多卡分布式处理方案设计与实现 |
| 3.3 单机多卡分布式处理方案优化 |
| 3.3.1 零卡瓶颈问题解决 |
| 3.3.2 显存泄漏问题优化 |
| 3.4 实验设计与结果 |
| 3.4.1 实验设计 |
| 3.4.2 实验环境 |
| 3.4.3 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于集群性能的动态负载均衡策略设计 |
| 4.1 现有负载均衡策略分析 |
| 4.1.1 现有负载均衡策略概述 |
| 4.1.2 现有负载均衡策略不足 |
| 4.2 基于集群性能的动态负载均衡策略设计与实现 |
| 4.2.1 性能采集模块 |
| 4.2.2 算法模块 |
| 4.2.3 负载均衡器模块 |
| 4.3 实验设计与结果 |
| 4.3.1 实验设计 |
| 4.3.2 实验环境 |
| 4.3.3 实验结果与分析 |
| 4.4 本章小结 |
| 第五章 基于容器化技术的多机分布式扩展方案设计 |
| 5.1 需求分析 |
| 5.1.1 单机瓶颈问题 |
| 5.1.2 集群节点环境问题 |
| 5.1.3 集群节点管理问题 |
| 5.1.4 集群部署繁琐问题 |
| 5.2 多机分布式扩展方案总体设计 |
| 5.3 多机分布式扩展方案详细设计及实现 |
| 5.3.1 镜像文件构建 |
| 5.3.2 镜像仓库构建 |
| 5.3.3 代码仓库构建 |
| 5.3.4 自动化流水线构建 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
（3）基于负载均衡和服务流控的高并发访问机制的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 课题来源与选题依据 |
| 1.1.1 课题来源 |
| 1.1.2 选题依据 |
| 1.2 研究现状及意义 |
| 1.2.1 研究现状 |
| 1.2.2 研究意义 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 第2章 相关理论与技术概述 |
| 2.1 微服务架构与集群 |
| 2.1.1 微服务架构 |
| 2.1.2 服务器集群 |
| 2.1.3 基于SpringCloud的微服务架构 |
| 2.2 负载均衡技术 |
| 2.2.1 负载均衡分类 |
| 2.2.2 负载均衡算法 |
| 2.2.3 基于OpenResty平台的负载均衡 |
| 2.3 服务流控技术 |
| 2.3.1 流控模式 |
| 2.3.2 限流算法 |
| 2.4 本章小节 |
| 第3章 基于蚁群算法的动态负载均衡 |
| 3.1 蚁群算法 |
| 3.1.1 概述 |
| 3.1.2 算法原理及流程 |
| 3.1.3 常用的优化措施 |
| 3.2 构建基于任务处理时间的负载均衡调度的基本模型 |
| 3.2.1 模型构建 |
| 3.2.2 任务分配流程 |
| 3.2.3 模型分析 |
| 3.3 动态负载均衡基本模型的优化 |
| 3.3.1 优化思路 |
| 3.3.2 优化模型的架构设计 |
| 3.3.3 评价参数的权重系数分析 |
| 3.4 基于OpenResty平台的优化模型实现方案 |
| 3.4.1 信息采集模块 |
| 3.4.2 数据处理模块 |
| 3.4.3 算法调度模块 |
| 3.5 本章小节 |
| 第4章 基于trTCM算法的多级动态服务流控 |
| 4.1 tr TCM算法 |
| 4.1.1 算法概述 |
| 4.1.2 算法的实现流程 |
| 4.2 动态服务流控策略的提出 |
| 4.2.1 服务流控的作用 |
| 4.2.2 常用的限流算法的分析与改进 |
| 4.3 多级动态服务流控模型的架构 |
| 4.3.1 请求分类模块 |
| 4.3.2 限流模块 |
| 4.3.3 多级流控调控模块 |
| 4.3.4 异常请求过滤模块 |
| 4.4 基于Gateway网关的多级动态服务流控实现方案 |
| 4.4.1 Gateway网关 |
| 4.4.2 请求过滤功能 |
| 4.4.3 请求分类标记功能 |
| 4.4.4 动态限流算法 |
| 4.4.5 多级动态调控功能 |
| 4.5 本章小节 |
| 第5章 实验与分析 |
| 5.1 实验环境与准备 |
| 5.1.1 性能测试 |
| 5.1.2 实验环境 |
| 5.2 动态负载均衡的测试与分析 |
| 5.2.1 实验流程 |
| 5.2.2 实验结果 |
| 5.2.3 实验数据分析 |
| 5.3 动态服务流控的测试与分析 |
| 5.3.1 实验流程 |
| 5.3.2 实验结果 |
| 5.3.3 实验数据分析 |
| 5.4 本章小节 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（4）大规模数据实时绘制关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 背景与意义 |
| 1.2 研究现状 |
| 1.2.1 体数据绘制 |
| 1.2.2 大规模地理地形绘制 |
| 1.2.3 反走样技术 |
| 1.2.4 GPU绘制 |
| 1.2.5 并行绘制 |
| 1.3 本文工作 |
| 1.4章节安排 |
| 第2章 性能挑战与评价方法 |
| 2.1 引言 |
| 2.2 性能瓶颈分析 |
| 2.2.1 多线程绘制 |
| 2.2.2 绘制瓶颈 |
| 2.2.3 数据规模 |
| 2.3 并行绘制性能 |
| 2.3.1 负载平衡 |
| 2.3.2 图像合成 |
| 2.3.3 图像解压缩 |
| 2.4 评价方法 |
| 2.4.1 时间复杂度 |
| 2.4.2 并行粒度 |
| 2.4.3 空间复杂度 |
| 2.4.4 绘制质量 |
| 2.5 本章小结 |
| 第3章 数据并行化体绘制及光照计算 |
| 3.1 引言 |
| 3.2 体绘制 |
| 3.2.1 体数据 |
| 3.2.2 体绘制方程 |
| 3.2.3 体绘制方法 |
| 3.3 体数据光照计算 |
| 3.3.1 体绘制全局光照 |
| 3.3.2 单绘制遍多切片MSPP算法 |
| 3.3.3 基于切片的光线投射SBRC算法 |
| 3.4 体绘制并行化 |
| 3.5 本章小结 |
| 第4章 大规模地形数据高效组织与绘制 |
| 4.1 引言 |
| 4.2 大规模地理地形数据 |
| 4.2.1 数字高程模型 |
| 4.2.2 数字正射影像 |
| 4.3 可伸缩三维地理地形绘制 |
| 4.3.1 算法概述 |
| 4.3.2 关键步骤及实现 |
| 4.3.3 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 数据绘制中的反走样技术 |
| 5.1 引言 |
| 5.2 反走样方法 |
| 5.2.1 走样原因 |
| 5.2.2 反走样基本思路 |
| 5.2.3 主流反走样方法 |
| 5.3 子像素连续边界反走样SRCE算法 |
| 5.3.1 算法概述 |
| 5.3.2 关键步骤及实现 |
| 5.3.3 实验结果与分析 |
| 5.4 一种大场景反走样绘制架构 |
| 5.4.1 算法概述 |
| 5.4.2 关键步骤及实现 |
| 5.4.3 实验结果与分析 |
| 5.5 本章小结 |
| 第6章 大规模数据并行绘制虚拟化框架 |
| 6.1 引言 |
| 6.2 并行绘制 |
| 6.2.1 体系结构 |
| 6.2.2 数据与绘制资源 |
| 6.2.3 并行绘制框架 |
| 6.3 PRVF框架结构 |
| 6.3.1 绘制资源层 |
| 6.3.2 并行绘制虚拟化层 |
| 6.3.3 应用层 |
| 6.3.4 实验结果与分析 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 工作总结 |
| 7.2 未来展望 |
| 参考文献 |
| 在读期间科研成果 |
| 致谢 |
（5）基于光线追踪的三维显示内容生成加速方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文组织结构 |
| 第二章 基于光线追踪技术的三维内容生成理论基础 |
| 2.1 基于集成成像的三维显示原理 |
| 2.2 光线追踪技术基本原理 |
| 2.2.1 全局光照与渲染方程 |
| 2.2.2 反向光线追踪算法框架 |
| 2.2.3 基于Monte Carlo的路径追踪算法 |
| 2.3 基于GPU的光线追踪模型 |
| 2.4 本章小结 |
| 第三章 基于动态区域渲染的光场图像生成加速算法 |
| 3.1 基于集成成像的多视点图像渲染 |
| 3.2 动态场景下传统的光线追踪加速方法 |
| 3.3 基于动态区域渲染的加速算法框架 |
| 3.4 动态区域加速算法实验设计与结果分析 |
| 3.4.1 软硬件环境的搭建 |
| 3.4.2 动态区域加速算法实验原理与实现 |
| 3.5 本章小结 |
| 第四章 基于多GPU的三维光场显示内容快速生成方法 |
| 4.1 多GPU渲染技术概述 |
| 4.2 多GPU并行渲染的工作模式 |
| 4.2.1 交替帧渲染模式 |
| 4.2.2 分割帧渲染模式 |
| 4.2.3 超级瓦片分离模式 |
| 4.2.4 超级全屏反走样模式 |
| 4.3 基于分割帧和动态负载平衡的渲染方案 |
| 4.4 多屏拼接场景下的UDP通信技术 |
| 4.5 基于多GPU的超高分辨率实时三维显示实验 |
| 4.5.1 分割帧渲染和动态负载平衡实验设计与分析 |
| 4.5.2 高分辨率场景下双GPU性能实验设计与分析 |
| 4.5.3 基于UDP通信的双屏拼接实验设计与实现 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本论文的研究工作及成果 |
| 5.2 后续工作展望 |
| 参考文献 |
| 附录 缩略语 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文目录 |
（6）高并发环境下网络攻击效果评估系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 微服务架构技术的研究 |
| 1.2.2 负载均衡技术的研究 |
| 1.2.3 微服务集群部署技术的研究 |
| 1.3 论文的主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关理论与技术基础 |
| 2.1 微服务技术 |
| 2.1.1 微服务技术概述 |
| 2.1.2 微服务框架概述 |
| 2.2 领域驱动设计技术 |
| 2.2.1 领域驱动设计理论技术概述 |
| 2.2.2 领域驱动设计架构模型 |
| 2.3 负载均衡技术概述 |
| 2.3.1 负载均衡目标 |
| 2.3.2 负载均衡策略分类 |
| 2.3.3 负载均衡实现方式 |
| 2.4 本章小结 |
| 第三章 基于微服务的网络攻击效果评估系统技术研究 |
| 3.1 总体设计 |
| 3.2 基于领域驱动设计思想的微服务划分 |
| 3.2.1 业务场景分析 |
| 3.2.2 领域建模 |
| 3.2.3 微服务拆分与设计 |
| 3.3 基于Ribbon的动态负载均衡方案设计 |
| 3.3.1 Ribbon内置静态负载均衡算法分析 |
| 3.3.2 基于Ribbon的动态负载均衡算法设计 |
| 3.3.3 基于Ribbon的动态负载均衡算法实现 |
| 3.3.4 实验仿真 |
| 3.4 本章小结 |
| 第四章 基于微服务的网络攻击效果评估系统的详细设计与实现 |
| 4.1 需求分析 |
| 4.1.1 功能性需求分析 |
| 4.1.2 非功能性需求分析 |
| 4.2 系统概要与架构设计 |
| 4.2.1 系统模块划分 |
| 4.2.2 系统层次结构 |
| 4.2.3 代码结构 |
| 4.2.4 系统数据库设计 |
| 4.3 系统功能设计与实现 |
| 4.3.1 评估子系统 |
| 4.3.2 环境构建子系统 |
| 4.3.3 评估任务子系统 |
| 4.3.4 用户管理子系统 |
| 4.4 本章小结 |
| 第五章 系统测试与分析 |
| 5.1 系统测试环境与流程 |
| 5.1.1 测试环境 |
| 5.1.2 测试流程 |
| 5.2 基于微服务的网络攻击效果评估系统功能测试 |
| 5.2.1 靶标机注册功能测试 |
| 5.2.2 攻击工具注册功能测试 |
| 5.2.3 评估任务创建功能测试 |
| 5.2.4 评估计算功能测试 |
| 5.3 基于微服务的网络攻击效果评估系统性能测试 |
| 5.3.1 系统压力测试 |
| 5.3.2 动态负载均衡效果测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
（7）面向并行绘制负载平衡的随机森林在线学习研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 并行绘制的必要性和可行性 |
| 1.1.2 并行绘制的关键问题 |
| 1.2 研究现状 |
| 1.2.1 并行绘制系统 |
| 1.2.2 并行绘制系统负载平衡 |
| 1.2.3 随机森林 |
| 1.3 主要研究问题 |
| 1.4 研究内容和创新点 |
| 1.4.1 研究内容 |
| 1.4.2 研究创新点 |
| 1.5 本文的组织结构 |
| 第2章 基于在线学习的并行绘制负载预测框架 |
| 2.1 并行绘制体系结构 |
| 2.2 并行绘制特征分析 |
| 2.3 随机森林方法 |
| 2.3.1 CART回归树 |
| 2.3.2 回归随机森林 |
| 2.4 在线学习 |
| 2.4.1 在线学习优势 |
| 2.4.2 在线学习机制 |
| 2.5 基于在线随机森林预测的负载平衡框架 |
| 第3章 具有记忆的在线回归森林 |
| 3.1 引言 |
| 3.2 在线回归预测 |
| 3.3 在线回归森林的记忆机制 |
| 3.3.1 RFs记忆机制:叶权重在线学习 |
| 3.3.2 基于随机梯度下降的在线叶权重学习 |
| 3.3.3 基于预测能力的自适应学习率 |
| 3.3.4 在线叶权重学习算法 |
| 3.4 实验结果与分析 |
| 3.4.1 基准数据 |
| 3.4.2 实验设置 |
| 3.4.3 结果对比分析 |
| 3.5 本章小结 |
| 第4章 长短时记忆自适应在线随机森林 |
| 4.1 引言 |
| 4.2 概念漂移问题 |
| 4.3 集成学习方法 |
| 4.3.1 在线集成学习 |
| 4.3.2 数据流回归的集成方法 |
| 4.3.3 基于随机森林的数据流分析方法 |
| 4.4 随机森林的自适应长短时记忆 |
| 4.4.1 自适应记忆激活机制 |
| 4.4.2 混合记忆预测 |
| 4.5 实验结果与分析 |
| 4.5.1 实验数据 |
| 4.5.2 实验设置 |
| 4.5.3 结果对比分析 |
| 4.6 本章小结 |
| 第5章 在线局部重建随机森林 |
| 5.1 引言 |
| 5.2 随机森林在线构建方法 |
| 5.2.1 在线完整构建 |
| 5.2.2 在线局部构建 |
| 5.3 在线重建随机森林 |
| 5.3.1 在线重建机制 |
| 5.3.2 叶结点在线剪枝 |
| 5.3.3 基于祖先节点回溯的在线重建 |
| 5.4 实验结果与分析 |
| 5.4.1 实验数据 |
| 5.4.2 实验设置 |
| 5.4.3 结果对比分析 |
| 5.5 本章小结 |
| 第6章 应用在线随机森林预测并行绘制负载 |
| 6.1 并行绘制数据集 |
| 6.1.1 绘制特征设计 |
| 6.1.2 绘制数据采集 |
| 6.2 实验结果与分析 |
| 6.2.1 实验设置 |
| 6.2.2 实验结果对比分析 |
| 6.3 本章小结 |
| 第7章 结论与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 作者攻读学位期间取得的研究成果 |
| 致谢 |
（8）基于服务器集群的负载均衡系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 课题来源及研究内容 |
| 1.3 本文的组织架构 |
| 第二章 相关技术研究 |
| 2.1 基础知识 |
| 2.1.1 集群技术 |
| 2.1.2 负载均衡技术 |
| 2.2 服务器集群负载均衡技术研究 |
| 2.2.1 国内研究现状 |
| 2.2.2 国外研究现状 |
| 2.2.3 小结 |
| 2.3 服务器集群高可用技术研究 |
| 2.3.1 国内研究现状 |
| 2.3.2 国外研究现状 |
| 2.3.3 小结 |
| 2.4 本章小结 |
| 第三章 基于服务器集群的负载均衡系统总体设计 |
| 3.1 系统模块分析 |
| 3.1.1 系统的设计目标 |
| 3.1.2 系统的功能分析 |
| 3.2 总体架构设计 |
| 3.2.1 系统总体架构 |
| 3.2.2 系统网络部署总体架构 |
| 3.3 系统功能设计 |
| 3.3.1 用户管理子系统设计 |
| 3.3.2 版本控制子系统设计 |
| 3.3.3 负载均衡子系统设计 |
| 3.3.4 集群高可用子系统设计 |
| 3.3.5 集群状态监控子系统设计 |
| 3.4 数据库设计 |
| 3.5 本章小结 |
| 第四章 基于改进一致性哈希的负载均衡方法 |
| 4.1 一致性哈希在负载均衡中的现存问题 |
| 4.2 基于改进一致性哈希的负载均衡方法详细设计 |
| 4.2.1 虚拟节点数量计算模型 |
| 4.2.2 节点性能比 |
| 4.2.3 虚拟节点最大线性值 |
| 4.2.4 虚拟节点冗余值 |
| 4.3 实验与分析 |
| 4.3.1 实验环境与方法 |
| 4.3.2 实验结果与分析 |
| 4.4 本章小结 |
| 第五章 基于Redis的服务器集群高可用模型 |
| 5.1 高可用模型在服务器集群中的现存问题 |
| 5.2 基于Redis的高可用模型详细设计 |
| 5.2.1 架构设计 |
| 5.2.2 集群主备构建策略 |
| 5.2.3 Session共享策略 |
| 5.3 实验与分析 |
| 5.3.1 实验环境与方法 |
| 5.3.2 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 系统原型实现与测试 |
| 6.1 系统环境 |
| 6.1.1 硬件环境 |
| 6.1.2 软件环境 |
| 6.2 系统原型实现 |
| 6.2.1 用户管理子系统原型 |
| 6.2.2 版本控制子系统原型 |
| 6.2.3 集群高可用子系统原型 |
| 6.3 系统功能测试 |
| 6.3.1 用户登陆测试 |
| 6.3.2 版本控制测试 |
| 6.3.3 集群高可用测试 |
| 6.3.4 负载均衡测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间申请的专利 |
| 附录2 攻读硕士学位期间参加的科研项目 |
（9）分布式雾计算中任务卸载与负载均衡方案研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语表 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与成果 |
| 第二章 雾计算网络概述 |
| 2.1 5G系统概述 |
| 2.1.1 5G的愿景 |
| 2.1.2 5G关键技术 |
| 2.1.3 5G移动通信网络中的边缘计算 |
| 2.2 雾计算网络 |
| 2.2.1 雾计算体系架构 |
| 2.2.2 雾计算与云计算的比较 |
| 2.2.3 雾计算的应用场景和挑战 |
| 2.3 雾计算网络中计算卸载方案 |
| 2.3.1 分布式雾计算中任务卸载方案 |
| 2.3.2 分布式雾计算中负载均衡方案 |
| 2.4 本章小结 |
| 第三章 分布式雾计算中基于动态规划的多任务卸载方案 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.2.1 分布式雾计算中任务卸载系统模型 |
| 3.2.2 系统延迟量化 |
| 3.3 基于动态规划的多任务卸载方案 |
| 3.3.1 单用户单主雾节点任务卸载算法 |
| 3.3.2 多用户多主雾节点任务卸载算法 |
| 3.4 算法性能仿真与分析 |
| 3.4.1 仿真参数设置 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 分布式雾计算中基于资源预测的负载均衡方案 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 基于预测的负载均衡方案系统模型 |
| 4.2.2 资源预测负载均衡的三大组件 |
| 4.3 分布式雾计算中的负载均衡算法 |
| 4.3.1 静态负载均衡算法 |
| 4.3.2 动态负载均衡算法 |
| 4.3.3 基于资源预测的负载均衡算法 |
| 4.4 算法性能仿真与分析 |
| 4.4.1 仿真参数设置 |
| 4.4.2 仿真结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间申请的专利 |
| 致谢 |
（10）云计算环境下基于多目标优化的虚拟机迁移研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要内容 |
| 1.4 论文的组织结构 |
| 第二章 相关背景知识介绍 |
| 2.1 云计算 |
| 2.1.1 云计算的概念 |
| 2.1.2 云计算的系统结构 |
| 2.1.3 云计算的分类 |
| 2.2 虚拟化技术概述 |
| 2.3 虚拟机迁移 |
| 2.3.1 主机负载判定 |
| 2.3.2 虚拟机选择 |
| 2.3.3 虚拟机放置 |
| 2.4 本章小结 |
| 第三章 云计算环境下基于指数平滑的负载预测研究 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于指数平滑的动态负载预测算法 |
| 3.3.1 指数平滑算法 |
| 3.3.2 平滑系数的选择 |
| 3.3.3 算法描述 |
| 3.4 实验及结果分析 |
| 3.5 本章小结 |
| 第四章 云计算环境下基于多目标优化的虚拟机放置研究 |
| 4.1 引言 |
| 4.2 虚拟机放置优化模型 |
| 4.3 基于多目标优化的虚拟机放置算法 |
| 4.4 实验及结果分析 |
| 4.5 本章小结 |
| 第五章 CloudSim中虚拟机迁移模块的设计与实现 |
| 5.1 CloudSim云仿真平台 |
| 5.1.1 CloudSim简介 |
| 5.1.2 CloudSim仿真流程 |
| 5.1.3 CloudSim工作模型 |
| 5.2 虚拟机迁移模块的设计与实现 |
| 5.2.1 环境部署 |
| 5.2.2 负载预测模块设计与实现 |
| 5.2.3 主机负载判定与虚拟机选择 |
| 5.2.4 基于多目标优化的虚拟机放置模块设计与实现 |
| 5.3 测试与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
四、实时集群中一种基于任务分配表的动态负载平衡算法（论文参考文献）
- [1]基于飞机伤痕检测服务的高并发性能研究与应用[D]. 袁少怡. 北京邮电大学, 2021(01)
- [2]基于LSTM的飞行数据处理系统负载优化与应用[D]. 邱志腾. 四川大学, 2021
- [3]基于负载均衡和服务流控的高并发访问机制的研究[D]. 张金鹏. 南昌大学, 2021
- [4]大规模数据实时绘制关键技术研究[D]. 罗德宁. 四川大学, 2021(01)
- [5]基于光线追踪的三维显示内容生成加速方法研究[D]. 刘雪. 北京邮电大学, 2021(01)
- [6]高并发环境下网络攻击效果评估系统的研究与实现[D]. 韩家旭. 北京邮电大学, 2021(01)
- [7]面向并行绘制负载平衡的随机森林在线学习研究[D]. 钟原. 四川大学, 2021(01)
- [8]基于服务器集群的负载均衡系统的设计与实现[D]. 刘成. 南京邮电大学, 2020(03)
- [9]分布式雾计算中任务卸载与负载均衡方案研究[D]. 孙永源. 南京邮电大学, 2020(02)
- [10]云计算环境下基于多目标优化的虚拟机迁移研究[D]. 张从越. 南京邮电大学, 2020(03)