云数据中心作为互联网架构的重要组成部分,已经为越来越多的应用提供底层支撑。但随之带来的高能耗和低资源利用率问题也日益突出,导致严重的环境污染和资源浪费。在云数据中心中高效地分配资源以满足各种需求,既有利于云服务提供商和客户的利益,也符合节约资源和保护环境的基本国策。本文在研究云数据中心架构和应用架构的基础上,提出多QoS分组模型,并实现了基于该模型的虚拟机和网络带宽分配算法,保证了关键应用程序的网络性能。本文完成了如下工作:1.构建QoS感知的应用程序多QoS分组模型。当前对云数据中心高效的资源配置的研究存在不足,对高QoS要求的应用程序的资源分配往往陷于失去资源弹性或无法满足用户满意度的两难境地。为此,本文提出了多QoS分组模型,采用K-means算法对谷歌集群跟踪数据进行聚类分析,将请求划分为多个QoS等级,聚类时充分考虑了优先级、时延敏感度、持续时间等反映QoS要求的参数指标。多QoS分组模型准确划分了应用程序的QoS需求,为云数据中心高效的资源配置提供了依据。2.设计基于多QoS分组模型的虚拟机和网络带宽分配算法。当前的资源配置方案往往忽视云数据中心的异构性和应用程序的虚拟机之间的连通性,导致较高的能耗和QoS冲突。本文根据多QoS分组模型对提交到云数据中心的应用程序请求进行QoS等级分析,提出的QoS感知的虚拟机放置算法,将高QoS等级应用程序的虚拟机放置在紧密连接的主机上,减少了其他等级应用程序造成的网络拥塞。提出的QoS感知的网络带宽分配算法,通过在SDN控制器管理的交换机上配置优先级队列确保了高QoS等级应用程序所需的网络带宽。3.验证QoS感知的虚拟机和网络带宽分配算法。本文在Cloud Sim-SDN云仿真平台中修改源码实现算法,选取了响应时间、QoS违约率、能耗等指标验证了所提出算法的性能。实验结果表明,与轮询和首次适合下降算法等资源配置算法相比,本文提出的算法具有更好的表现,尤其对网络要求较高的应用程序,表现更加突出。