云计算受到广泛的关注,在将计算作为一种资源的新型观念下,其重要性更是日益凸显。云环境下的资源主要有三种:计算资源、网络资源和存储资源。在云数据中心里,成百上千台服务器同时运行。在高效利用虚拟资源的前提下,为云用户提供较低时延的云服务极为重要。一个高效的调度方法应较大限度地减少传输时延,提高单位资源的计算能力,从而有效地帮助个人及企业以合理的资金投入获得最优的计算资源,减少运营成本。所以,云环境下通过资源分配进行网络的优化一直是学术界和工业界的研究热点,而在多云环境下,由于不同云数据中心存在不同的虚拟资源租赁价格和时延特性,使得时延的优化变得更为复杂。以此为出发点,本文以数据中心资源和用户任务为研究对象,将数据传输时延作为优化目标,重点对云环境下MapReduce的时延优化、多云环境下组用户的时延优化和多云环境下时延敏感的资源分配进行了深入研究,三个研究点都以时延作为优化目标进行资源分配,研究取得如下成果:1.针对数据密集型应用的虚拟资源分配,提出云环境下时延敏感的虚拟机放置方法,该方法可以有效地降低总数据传输时延和最大数据传输时延。首先,将虚拟机按照与数据存储节点之间的传输时延进行预分类。然后,通过提出的两个虚拟机放置算法分别优化总数据传输时延和最大数据传输时延,并放置Map层的虚拟机。最后,通过Reduce层虚拟机数目的限制和阈值筛选,为Reduce层放置虚拟机。提出的方法可以有效降低算法时间复杂度,通过云计算仿真软件进行验证,结果表明相比于已有研究,该方法可以分别降低平均26.3%的总数据传输时延和20.6%的最大数据传输时延。2.针对多云环境下协作组用户场景,提出了一种基于反三角不等式的、云环境下时延敏感的虚拟机租赁方法。该方法首先使用有权图表示多数据中心网络。然后,定义了协作组路径时延模型和路径开销模型。最后,使用Yen’s算法和混合整数规划为协作组成员分配路径,以此优化协作组总数据传输时延。提出的方法允许云用户调整预算,进而控制总数据传输时延的取值。以真实时延、租赁价格数据为基础,通过对比实验,证明了所提方法不仅可以为用户提供灵活的租赁策略,而且还可以有效地降低协作组总数据传输时延。3.针对多云环境下虚拟资源分配,在限制租赁预算的条件下,提出了云环境下时延敏感的虚拟资源分配方法。该方法首先定义数据传输时延模型和租赁开销模型。然后,使用K-means对数据中心进行聚类,从而得到最合理的云区域。最后,将时延优化问题建模为二次规划,并分别对每一个云区域进行求解。实验使用22个数据中心之间的真实时延数据作为数据集。实验结果表明,相比于已有方法,提出的虚拟资源分配方法能够降低46.1%的总数据传输时延,为云实时性应用程序用户保证了较高的服务质量。