云计算是一种新型的计算模式,基于互联网和虚拟化技术,将众多服务器和网络设备连接在一起,由其数据中心进行统一地配置和管理,并提供计算、存储、带宽等资源能力供用户和企业使用。但由于云计算数据中心的不断扩大,在资源调度过程中,如何合理地调度虚拟机,降低能耗是一个值得关注的问题。针对于此,本文提出了一种可行的虚拟机迁移策略,用于资源的合理分配和利用,从而降低数据中心的整体能耗。首先提出了一种基于负载预测的虚拟机迁移算法一KP-VMC。该算法基于KNN模型预测下一个周期内的CPU和内存的使用情况,在迁移过程中综合考虑当前负载和下一个周期内的负载使用情况。基于负载将主机分为了高负载、正常负载和低负载三个状态。针对高负载主机采用最小迁移时间算法进行迁移,以避免主机长时间负载过高,影响服务的运行状况。针对低负载的主机集合,采用一种改进的蚁群算法,综合考虑迁移次数和能耗两个因素,从而求出最优的迁移计划。通过将该算法与现有的算法进行对比,实验证明该算法相比于其他算法,在能耗、迁移次数和服务等级协议(SLA)的违规率三个方面都有了一定程度的减少。然后从需求分析出发,针对现有仿真引擎存在仿真配置功能较少,操作复杂,可用性差,无法对动态任务流进行调度的问题。基于CloudSim仿真引擎,采用分层的架构模式,设计并实现了一个云仿真系统。