随着全球云计算技术日渐成熟和云服务的日益普及，作为云计算基础设施的数据中心的能耗问题也日益突出。在我国，数据中心能耗目前占全国电力消耗的1％，虽然这一比例呈快速增长趋势，不过总体能源利用率相对不高，有很大的节能空间和潜力。　　 目前，数据中心节能的方案很多。但它们有些只考虑单一方面的节能优化，缺乏对影响数据中心节能效果诸多因素的综合考虑；有些虽然从全局考虑这些因素，却未能提出整体的节能架构。同时，采用日渐成熟的虚拟化架构技术可以将数据中心的大量相同类型的物理资源组建成同构或者近似同构的虚拟资源池，如计算资源池，数据资源池，存储资源池等，进行统一资源管理，以极大地提高云计算服务质量，并提高数据中心资源利用率，节省能耗。　　 本文采用虚拟化技术，结合强化学习和反馈控制机制，从节能和性能两方面出发进行节能资源调度，研究了一种虚拟化数据中心的自主能耗感知和智能节能控制架构方案，主要研究包括以下几点：　　 1)研究了数据中心虚拟化架构技术。主要探讨了数据中心虚拟化架构技术以及虚拟化数据中心的模型结构，分析和比较了传统数据中心和虚拟化数据中心的硬件设施和软件节能技术。　　 2)设计了数据中心节能回馈控制架构方案。以资源利用率与能耗的关系为基础，结合对虚拟化资源池的监控以及能耗回馈信号的接收，从上层服务到底层数据中心，从负载到虚拟机，从虚拟机到物理机映射等多个角度出发设计了一个整体的节能回馈控制架构方案。　　 3)结合强化学习算法和阈值思想，提出了针对虚拟机部署的资源调度优化方法。通过强化学习，对数据中心复杂运行环境进行自适应学习，并评估预测虚拟机到物理机的映射方法；同时，为了避免资源竞争降低能效，根据实际能耗特征设置了虚拟机迁移的阈值，在必要时使用虚拟机迁移进一步优化数据中心能效。　　 最后，本文在CloudSim仿真平台上，设计实现了不同节能策略之间的对比实验。结果表明，本文提出的基于强化学习的虚拟化数据中心节能资源管理方法，在节能和性能上能达到一个相对平衡的状态，比传统节能方法，效果更明显。