云计算技术的飞速发展加快了全球各大厂商建立自家数据中心的步伐,由此也带来了大量的能源消耗。当前,世界范围内数据中心所消耗的电力能源一直在上涨,而数据中心CPU等资源的使用率往往不到一半,这就造成了大量的服务器处于闲置状态。因此可以通过将工作中的虚拟机集中整合到部分服务器中,而将闲置的服务器将切换为低功耗模式,由此降低数据中心对电力能源的消耗。虚拟机整合系统通常包括两种情况,一种是选择一个合适的时间将虚拟机迁移出去;另一种则是查找虚拟机及其放置位置。传统的研究主要是基于主机当前的负载设定高负载阈值或者周期地进行迁移,而目前基于时序预测的研究则面临预测准确率较低的问题,而当前对于真实环境下虚拟机整合系统的研究大多都是在云节点主机上添加插件系统,并没有考虑到当节点数目很多时系统运行对云平台性能造成的影响。针对以上问题,综合考虑多序马尔科夫模型和不同时刻的CPU状态之间的影响,可以使用一种新的K序混合马尔科夫模型,用于对主机未来一段时刻CPU负载预测。随后,基于该模型在开源的OpenStack平台上设计和实现一个虚拟机整合系统,该系统是一种三层模型,添加了一台主机作为管理节点,用于查找合适的虚拟机放置位置和转发虚拟机迁移请求。通过在CloudSim仿真平台上进行大规模数据实验,将基于K序混合马尔科夫模型的主机负载预测方法与传统负载检测方法进行对比,验证所提的模型在虚拟机迁移次数和数据中心能耗上有较大的降低,大规模数据仿真实验表明该系统也适用于真实环境的虚拟机整合。