云计算推动了信息技术的发展,促使越来越多的应用将转移到云环境中;这些应用将共享使用云环境中的资源,因而如何对云环境中大量的应用进行有效管理是当前云计算发展的一个挑战。而云计算的核心技术是虚拟化,通过使用虚拟化技术将多个虚拟机进行整合;而已有的整合方案中内存资源的分配是取该虚拟机内存消耗峰值进行静态部署,在虚拟机的整个生命周期内并不会随着当前虚拟机上的应用对内存资源的动态消耗进而动态分配。因此对于静态分配模式下虚拟机预分配的内存资源存在未完全使用;从而导致云环境中服务器内存资源的低效率使用。通过对云环境下虚拟机部署进行研究,针对当前云环境中服务器内存资源平均使用率过低问题,本文提出一种新颖的基于服务器内存过量预分配的虚拟机动态预测部署模型 VM-DFS(virtual machine dynamic forecast scheduling)。在该模型中考虑虚拟机对内存消耗的动态变化性,将虚拟机部署过程简化为装箱问题,使用FFD(first-fit decreasing)算法进行近似求解;而在动态部署过程中引入预测技术,通过对各个虚拟机内存消耗历史数据的统计分析,使用基于时间序列的自回归二阶模型进行动态预测;利用Least Squares对模型系数进行估计。通过装箱模型及动态预测,目的是为了满足各个虚拟机对内存SLA(service level agreement)要求的前提下尽可能的减少服务器开启的数量。而为了避免因为过量预分配而导致虚拟机对服务器内存消耗过载,对每个服务器的内存分配设置一个上限阈值Lm,并对超过阈值的过载比例设置一个平衡因子r。实验结果显示,VM-DFS算法能够在满足上限阈值和平稳因子的前提下,提高服务器内存资源使用率。为了确保云环境中虚拟机对内存资源的SLA要求,当物理服务器内存消耗超过设定阈值的比例大于预设定的r值时,此时需要进行虚拟机动态迁移。针对虚拟机动态迁移问题,本论文提出一种基于动态预测的虚拟机迁移模型VM-DFM(virtual machine dynamic forecast migration),VM-DFM算法解决了动态迁移过程中,如何从“热点”服务器上待迁移虚拟机列表中选择合适的虚拟机进行动态迁移。实验结果显示,基于动态预测的虚拟机迁移算法能够降低服务器内存消耗违反SLA要求的前提下,减少云环境中虚拟机迁移的次数。