作为一种新兴的商业计算模型和服务模式(IT as a Service),云计算(Cloud Computing)己经成为信息领域备受关注的研究热点,它以虚拟化(Virtualization)技术为支撑,将计算任务分布在大量计算机构成的资源池上,以按需方式向Internet用户提供动态、弹性、可扩展的服务(计算服务、存储服务以及信息服务)。目前,云计算己经在网络搜索、科学计算、虚拟环境、能源和生物信息等领域开始了相关的应用和探索。随着云计算的快速发展,云计算数据中心基础设施的规模急剧膨胀,然而,系统规模也随着的不断扩大,日趋复杂。高性能计算也必将向高效能发展,而不能再单一追求系统的高性能。国家中长期战略规划也明确了末来IT发展的高能效计算目标。能耗作为一种系统需求,一方面受资源效率的影响；另一方面,其也会以资源或者服务使用成本的形式来影响用户。系统效能的高低不仅依赖于系统硬件(如体系结构,制作工艺),另一方面,部署在体系架构上的资源管理系统决定在一定程度上也起着很大的作用。资源管理的主要职责：快速响应用户资源请求,公平有效调度任务和按需合理分配资源,以确保用户期望的性能。数据中心资源虚拟化、资源管理动态化、任务响应弹性化、资源分配按需自动化、基础设施节能化已成为业界一致认可的发展趋势。面向高能效的自适应资源管理是当前研究绿色虚拟数据中心的热点之一。在虚拟化数据中心内,用户的需求,任务的调度都是以虚拟机(VM, Virtual Machine)为资源管理基本单位的,因此,虚拟机管理(部署、迁移、撤销等)成为资源管理的核心。多虚拟机的调度问题,鉴于其NP复杂性、资源异构性、资源异构性、用户需求和调度目标的折中性等,一直没有得到很好的解决,尤其在数据中心能耗成为影响全球能源和环境重要因素的背景下。此外,系统资源的负载不均衡也是导致系统效能降低运行成本增加的重要因素。论文相关工作以此为依据,首先分析和总结了当前数据中心主要的资源管理自适应方法和IaaS云服务资源供应的研究现状,然后围绕虚拟数据中心资源管理中的若干关键问题进行了深入研究。论文的主要工作包括：1)提出了一种能耗感知的虚拟机部署优化算法基于CPU-Memory的双向启发式贪婪算法沿着两种关键计算资源方向进行搜索,保证了虚拟机部署时的负载均衡,基于双阈值的虚拟机动态迁移与合并,减少服务违约率以及能耗。同时,通过证明负载均衡时系统总能耗最小,验证了算法实施的有效性。采用动态加权的思想基于不同服务类型进行资源预测,预测更加精确。采用二次指数平滑移动的方法预测本地服务器的资源需求,减少虚拟机部署后的二次迁移,增强了系统的稳定性,节约能耗。同时,采用基于time-unit的动态加权,下周期的预测权值是基于过去周期的预测值和观测值误最小的权值,有效消除了预测误差的积累带来的预测失真,增加了系统负载预测的准确性。实验表明,该策略在负载均衡、能耗、虚拟机迁移等方面与基于CPU的能耗感知算法相比都有很大提升。2)提出了基于时空的能效最大化虚拟机部署策略。提出基于共物理机的虚拟机最大时间共享的多目标最大化能效优化算法,从更长的时间角度上,在虚拟机部署阶段就保证了多种资源的负载均衡,而且也减少了潜在的虚拟机迁移及其带来的性能扰动和能耗增加,增强了系统的稳定性。双阈值动态开关机策略,根据系统当前的平均资源效用和服务器开关机的时间开销,自适应决定开机关机的时机,在不损失性能的同时进一步减少了系统能耗。实验结果也验证了策略的优越性。3)提出了异构云环境下的多资源联合公平分配策略基于用户请求的占优资源熵和占优资源权重,提出了一种基于占优资源的多资源联合的公平分配策略,采用该策略进行虚拟机部署,达到帕累托最优化资源配置等相关属性,并且给出了详细证明。占优资源熵保证了VM部署时的服务器资源自适应性,占优资源权重和Max-Min策略保证了VM竞争占优资源的有序性。本文在保障资源分配公平性的前提下,提高了数据中心资源利用率,从而提高了数据中心能效。本文中基于Google的集群使用情况数据集的实验结果清晰展示了所提出算法的性能。本文围绕云计算数据中心资源供应中的负载均衡、能耗和公平性三个面方面进了较深入的研究,提出了基于CPU-Memory的双向搜索启发式算法、基于于时空的能效最大化算法以及基于占优资源的多资源公平分配算法,为云计算数据中心在资源供应机制方面的后续研究提供借鉴和支持。