云计算是一种日趋成熟的分布式计算模型,可有效地通过互联网提供所需资源服务例如计算、存储、网络、平台和应用等)。针对软件服务即服务(SaaS),平台即服务(PaaS)和基础设施即服务(IaaS)这三种常见的服务类型,云服务提供商和消费者都存在诸多挑战与问题,例如数据流量,隐私,加密,计算成本,复杂性和资源利用率等。更多的设本文研究主要针对平台即服务(PaaS),以辅助SaaS,并更好地支撑IaaS。为此,本文提出了解决上述云计算挑战的几种解决方案,特别是安全云计算中的通信负载和任务调度。下简述本论文的主要贡献。为了解决用于安全云计算的通信负载和查询处理,本文提出了一种称为多广播可搜索关键字加密(MBSKE)的新颖搜索算法来处理具有一组关键字的查询业务。这组关键字以加密的形式从用户发送到云服务器,从而隐藏了所有用户相关信息或者来自云服务器的查询内容。该方法使用了缓存算法并且在运行速度和陷阱门方面得到了40%的性能提高。分析表明,该方法在云计算环境中可以最小化计算成本和复杂度,并使得吞吐量最大化,同时保证了用户和服务云的私密性及机密性。服务云将加密后的查询结果返回给用户,用户再通过私钥解密数据。随着云计算的发展,外包数据的敏感信息面临未经授权访问的风险逐年增加且实施成本越来越高。目前已经有多种方法搜索加密的数据以保护数据隐私,但是通信负载和复杂度都颇高。为了解决这个问题,本文提出了一种用于用户端查询的缓存算法以减少用户与云提供商之间的通信成本。此外,本文提出了一种并行搜索算法以减少云服务器中的搜索时间和流量过载。通过采用此方案,可以最佳利用云服务器减少用于同一任务的云资源的数量。值得注意地是,缓存的使用在发送查询的过程中起到了重要作用。在云计算和异构计算系统中,调度算法对性能提高很重要。本文提出了一种基于云计算中改进MiM-MaM调度任务(I-MMST)的有界数完全连通图调度算法。此外,基于主成分分析(PCA)的原理,通过引入预见功能可以在不增加计算成本相关的时间复杂度的情况下实现显著的完工期改进。性能分析和仿真结果表明,基于随机生成具有各种特征的拓扑图,所提出的调度算法在完成时间、速度和效率方面都优于已有方法。尽管云计算已在各种应用中广泛使用,但是任务调度和资源调度问题仍然值得进一步研究。在异构计算系统中,使用任务调度算法将传入的任务分配给相关计算机以减少完成时间并最大化资源利用率。所提出的算法通过使用主成分分析(PCA)算法大大降低了完成时间及复杂度,从而减少了计算矩阵的预期时间(ETC)。与已有的Min-Min,Max-Min,QoS-Guide和MiM-MaM调度算法相比,仿真结果证实了我们提出的异构系统算法在效率、加速和调度长度比等方面的优越性能。随着云服务器的流量一直在不断增长,单台服务器几乎不可能处理来自所有客户端的请求,而该问题的解决方案是通过将流量转移到未充分利用的交换机以平衡繁重的负载。传统的负载平衡器采用的硬件设施非常昂贵且灵活性不足,而替代方法则是采用软件定义网络(SDN)。SDN负载均衡器不需要昂贵的硬件,并且可以进行编程,因此使得实现用户定义的算法和负载均衡策略变得更加容易。本文首先提出控制流量均衡问题,得到每个交换机的最优控制链路转发路径以使整体网络的平均控制时延最小。均衡问题在SDN中非常重要,因为由OpenFlow交换机启动的控制流量的及时传输直接影响路由策略的有效性。本文实现了几种主流负载均衡算法,给出了各算法主机负载平衡技术性能,并且对比了使用OpenFlow与连接到控制器的交换机的性能。