随着云计算在各个领域的广泛应用，数据中心的高能耗问题也日益突出。高能耗不但会产生巨额的电费支出，影响系统的稳定性和可靠性，而且降低着空气质量，加剧雾霾污染。立足当下社会，如何构建绿色的数据中心成为了人们关注的焦点。由于在云计算环境下用户需求的动态性，数据中心很容易出现负载不均衡的情况，从而造成资源的大量浪费。因此，通过对资源进行合理地分配和调度，提高数据中心的能源效率，是数据中心实现“绿色”最为有效的途径。虚拟化技术的快速发展为数据中心的资源管理提供了新的解决思路。基于虚拟化技术，本文旨在从资源的分配和调度层面，为业界建立绿色数据中心提供理论支持。　　本文首先在数据中心资源充足的假设下，面向基础设施即服务(Infrastructureas a Service，IaaS)重点研究了同时具有确定性和不确定性资源需求的虚拟机动态部署问题。然后，放松资源充足的假设，加入对接纳控制的优化，探讨了接纳控制和虚拟机部署在资源有限情景下的联合优化问题。最后，将系统升级至对动态降压调频技术（Dynamic Voltage Frequency Scaling，DVFS）的支持，研究了有硬时间约束的实时服务动态调度问题。具体而言，本文的研究工作包括如下三个方面:　　第一、针对动态到达的虚拟机请求，研究了同时具有确定性和不确定性需求的虚拟机动态部署问题。将不确定性资源需求描述为随机变量，采用机会约束的确定性等价形式来保证该类资源一定概率的可用性。为了保证虚拟机部署请求的高响应性以及提高能源效率，采用了虚拟机即时部署与服务器周期性整合相结合的两阶段策略。基于多维空间分割模型，分别设计了即时部署算法和基于基本集的动态迁移算法。仿真结果表明:即时部署算法不但以一定的置信水平保证了用户对资源的不确定需求，而且有效地减少了开机数量。在小规模算例下，动态迁移算法以最优策略无法比拟的求解速度(求解时间的比值达到4.7×10-5)，获得了与最优策略相差不大的近似最优解。　　第二、放松资源充足的假设，研究了接纳控制和虚拟机部署的联合优化问题。由于接纳控制和虚拟机部署这两方面决策具有明显的相互关系，本文将接纳控制和虚拟机部署进行联合优化，建立了一个周期性决策的动态规划模型。为了克服“维度灾”的问题，在近似动态规划（Approximate dynamic programming，ADP)方法的框架下，设计了基于基函数方法的近似值函数，并采用递归最小二乘法对参数进行更新。为了避免近似值函数的参数估计陷入局部最优，提出了一种改进的ε-greedy策略，来选取系统转移时执行的决策。实验表明，ADP算法可有效地平衡资源的使用，极大地提高较大利润实例请求的接受率，从而大幅度提升系统的总收益。当服务器资源供给越紧张时，ADP策略下收益提高的幅度越显著。　　第三、面向支持DVFS的虚拟化系统，研究了有硬时间约束的实时服务动态调度问题，旨在保证服务完成时限的前提下，通过决策每台虚拟机所部署的服务器、该服务器的工作频率以及分配给它的CPU计算能力，实现系统能耗开销最小。本章采用基于滚动周期和即时调度相结合的联合调度策略，分别从Server-level与Cluster-Level进行能耗的优化。对于到达的非紧急服务，采用周期性批调度的方式;对于到达的紧急服务，启用即时调度策略。针对批调度和即时调度，分别建立了混合整数模型和设计了启发式算法。在即时调度算法的设计上，为了获得更高的计算能力，在调高频率与重启服务器间，优先选择调高频率，以尽可能地减少开机数量。通过深入的数值实验，分析了本文所设计的策略在能耗开销、调频次数和求解效率三方面的优势。