随着云计算服务的大规模应用,云服务可靠性受到云服务提供商和用户的广泛关注,多种容错技术被采用来增强云服务的可靠性。当前,云服务可靠性有两个关键性的问题尚未解决。第一个是由于目前的虚拟集群分配方法很少考虑物理机和交换机的故障概率,更没有考虑对虚拟集群分配方案进行风险评估,而这经常导致宕机事件。第二个是由于当前的容器合并方案尚未考虑由能源消耗和服务水平协议（ServiceLevelAgreement,SLA）违背率引起的可靠性问题。因此需要通过对整个云数据中心物理机上的虚拟机和容器进行调整来提高该中心的资源利用率和云服务可靠性。以上两个问题虽然已经获得了广泛关注并取得了很多研究成果,但是在风险感知的虚拟集群分配、基于主动容错的虚拟集群重分配、以及可预测容器合并等方面仍存在诸多不足,因此,本文针对这三个云服务可靠性的问题进行了深入研究并取得了如下成果:1)针对当前的虚拟集群分配方法过多地考虑优化算法本身,而很少考虑虚拟集群分配的高风险导致的可靠性问题,本文拟借鉴生物地理学理论,提出一种风险感知的虚拟集群分配方法。该方法首先根据虚拟集群分配的问题域和生物地理学算法的特点,实现生物地理学算法与虚拟集群分配问题的映射;然后,基于已有的数据密集型应用程序模型来构建风险成本模型;最后,采用改进的生物地理学算法获得最优解,从而在网络资源消耗和执行时间的约束下,提高云数据中心网络的可靠性。2)针对众多容错方案很少考虑多个虚拟机协同完成一个并行任务时的主动容错问题,如果这些虚拟机不协调,该任务最后的执行结果可能存在错误。为了解决该问题,本文提出一种基于主动容错机制的云服务可靠性增强方法。该方法首先对物理机的CPU温度指标进行建模,通过对该指标进行监控来决定物理机是否处在健康退化的状态,进而防止因温度过热出现宕机事件;然后,该方法开始为健康状态恶化物理机上的虚拟机搜寻与其在同一虚拟集群中的虚拟机的传输负担之和最小的目标物理机;并最终通过实验分析和对比,对所提方法的有效性和效率进行验证。3)针对目前关注较多的降低能源消耗和SLA违背率的工作负载合并方案较少考虑容器合并问题,本文对整个数据中心中物理机上的可预测容器合并方案进行研究。该方案首先基于已有CPU使用率数据采用线性回归模型来检测和预测物理机的工作状态;然后,依据获得的物理机工作状态和虚拟机与容器的分布情况,提出一种容器合并方案来指导物理机上的虚拟机和容器的调整;最后,采用物理机选择方法对所提容器合并方案进行评估,进而使得整个云数据中心在遵守SLA的情况下降低能源消耗。