随着云计算与互联网技术的不断发展,云网融合不断深入,数据中心资源呈现异构化特点。由于应用服务类型及用户需求的复杂多样化,云环境中的负载也呈现出多样性,如何在异构环境中对负载进行合理分配,改善云数据中心的资源调度效率具有重要意义。本文通过分析云计算数据中心的负载特点,建立负载评估模型,以实现数据中心的负载均衡为目的,分别从任务分配与虚拟机资源管理两方面,对数据中心资源调度进行研究,并采用CloudSim云仿真平台进行实验分析,论文主要内容如下:(1)通过分析云负载特点,提出基于动态阈值的负载评估方案。基于阿里云于2018年发布的clusterdata数据集中的各资源配置与使用情况的分析,选取四维负载指标建立负载模型。并针对静态阈值法判断负载状态存在的灵活度低问题,综合考虑全局负载度及高低节点占比提出基于动态阈值的负载评估方案,用以判断节点的负载状态,为资源调度奠定基础。通过仿真实验证明,该节点负载评估方法可以实现对节点负载的有效评估,具有一定的灵活性与适应性,且对资源调度起到积极促进作用,可以有效保持数据中心负载度并减少虚拟机迁移次数。(2)在任务分配方面,提出基于遗传蜂群混合算法的工作流调度策略。针对关联型工作流任务的调度问题,综合考虑数据中心负载情况与节点、虚拟机等异构资源的可获得性,从而确定调度目标优化函数,并设计一种基于遗传算法与蜂群算法相结合的工作流任务调度策略。该策略针对人工蜂群算法初期寻优速度慢与易陷入局部寻优的问题,使用遗传算法对蜂群算法进行优化,并使用精英保存策略提高种群个体质量,提高任务分配效率。通过仿真实验证明,该策略可以有效减少任务执行时间并改善数据中心负载均衡。(3)在虚拟机资源管理方面,提出了基于虚拟机动态整合的资源调度策略。针对数据中心中异构节点资源利用率不均衡导致的个别节点负载过高或者过低现象,使用基于虚拟机迁移的虚拟机动态整合方案,对负载过高和负载过低节点资源进行调整。在基于动态阈值的负载评估基础上,根据虚拟机与节点资源的依赖度和虚拟机贡献度选择待迁移虚拟机,并从最小通信代价与负载均衡角度选择目的节点,进行虚拟机迁移,实现对节点的虚拟机资源动态调整。实验证明,该方案可以有效减少虚拟机迁移次数,并提高节点资源利用率和保证数据中心服务质量,从而优化节点资源配置并改善数据中心负载均衡。