近年来随着云计算和分布式计算技术的快速发展,云计算的各种产品也如雨后春笋般涌现。基于物理资源虚拟化的技术,在云计算基础设施及服务层面上进行资源调度研究是支撑各类云计算产品的基础。但当前云计算资源管理仍然处于初级阶段,大量的虚拟机、存储设备、网络资源等基础设施得不到更有效的应用,加重全球互联网负担,并产生巨大的服务端资源浪费和能源消耗,已成为制约云计算相关技术发展的一大痛点。学术界已就云计算资源调度问题提出许多创新优化方法,针对调度算法的理论体系也逐渐完善。虽然目前资源调度算法已有一定发展,但当区域和用户数量规模较大时,原有基于均值的资源调度算法仍然会出现负载不均衡、资源浪费以及效率低下等问题,因此研究基于动态随机需求的分布式云计算资源调度算法,各项研究内容如下:（1）研究资源总量限制下的调度方法,为扩容方法提供合适的输入信息。在满足云数据中心服务质量要求的前提下,结合请求分发等任务调度方法在需求聚集过程中的线性和非线性变换作用,降低需求聚集后的波动。通过结合任务调度中的多种手段,研究满足云数据中心服务质量要求的资源多路复用方法,为后续基于费用总量限制下的调度方法和分布式云场景下多个系统层次的调度方法提供输入信息。（2）研究费用总量限制下的调度方法,为分布式云中多个系统层面的调度提供初始资源配置方案,并用于周期性重新规划资源配置方案,建立云数据中心场景中通用计费模型和通用服务质量要求模型,研究面向随机需求具有普适性的自动扩容方法;并充分考虑需求的层次化特点,寻找高速扩容算法,保证实际场景中的可用性。（3）研究分布式云场景下多个系统层架构下的调度方法,在基于费用总量限制下的基础上,快速调整区域资源配置以满足动态随机资源需求。建立云数据中心场景下分布式队列模型,考虑当前系统状态,结合队列模型表征系统的内部状态,建立服务质量和副本位置限制下的分布式队列,获取系统需要处理的随机需求信息。结合云计算中按需实例、预期实例等多种云资源租用方法,针对未预期的需求突发和波动的资源价格,考虑各区域不同步的需求特点,结合短期和长期的需求变化趋势,进一步优化资源配置。