在云计算（Cloud Computing）环境下，为了满足快速增长的客户服务和部署需求，需要大规模的虚拟磁盘镜像文件需要合理地部署，这要求数据中心需要快速且动态地调整资源，用来降低运营的成本，提高资源的利用率，缩短客户服务的上线时间。在目前的云环境中，通常采取一种衡量物理服务器的某一单一的负载指标的负载状况，来决定欲部署虚拟机的目标物理主机，而忽略了用于不同服务的虚拟机对物理主机所依赖的资源的差异，对目标物理主机的资源负载缺乏有效地预测，从而导致物理服务器因对各虚拟机的资源分配不合理的原因而引起的虚拟机过度迁移现象。本文主要的研究内容是针对云计算环境这一特殊场景探讨虚拟磁盘镜像文件部署的相关技术。首先，分析云平台的架构，研究影响主机计算能力的负载指标，提出一种带权负载因子部署算法。其次，部署算法需要对物理服务器的各项负载指标进行预测，在众多时间序列的预测场景中，BP神经网络模型应经具有良好的实践应用。为此，论文探讨BP算法在用于时间序列的预测场景中的应用，并对其进行了改进，然后使用改进后的BP算法的来预测物理服务器的负载。再次，本文通过实验比较改进的BP神经网络型的预测结果与其他预测的结果，实验验证改进的模型在对物理服务器的负载预测上要比其他的预测技术具有明显的优势。最后，使用BP神经网络模型的预测数据，运用带权负载因子部署算法进行虚拟机服务器部署，进行模拟实验，统计实验中发生虚拟机迁移事件起始时间，实验证明，带权负载因子部署算法在推迟虚拟机迁移的起始时间上具有显著的优异性，这些优势在提高云计算平台的稳定性和提高物理服务器的资源利用率上发挥重要作用。