云服务即通过云提供的服务,指以网络为媒介,以按需、易扩展的方式获得所需服务。云服务依托数据中心不仅给用户提供了一个能够部署应用程序和存储数据的平台,还可以给用户提供便利的云计算服务。通过对任务的准确预测可以使得运营商对数据中心未来即将运行的任务情况有宏观的了解,同时采用合理高效的任务调度策略可以有效提高资源利用率,提升服务质量以及提高用户的满意度。本文以云服务为出发点,以数据中心为落脚点,遵循由外至内的思路,分别以任务预测和任务调度为切入点,展开了对数据中心前瞻性研究和内部运行的优化,预测工作可以推动数据中心运营从被动模式转变为主动模式,调度工作可以优化任务分配,提高资源利用率等。论文详细研究工作如下:1、针对任务预测问题中云任务序列的高非线性、非平稳性特点,提出了一种由经验模式分解和时间卷积网络组成的集成预测方法。首先使用经验模式分解将任务序列分解为若干子序列,减弱了任务序列中子序列之间的相互影响,然后使用时间卷积网络对任务子序列进行预测,从而准确的预测出各个任务子序列的趋势,最后将所有任务子序列预测结果进行重构,从而得到真实的任务预测值。实验结果表明,该方法具有较高的预测精度。2、针对任务调度中任务的多样性,数据中心运行环境复杂性和集群规模的异构性问题,提出了一种基于IMCSA的任务调度方法。为解决乌鸦搜索算法存在的求解精度不高、易早熟等问题,在标准的乌鸦搜索算法基础上,采用反向学习的思想优化了原有的随机初始化方法,增加了解空间的覆盖范围。择优选取“领导者”乌鸦,使得具有较好适应度值的乌鸦更容易被选中。采用遗传算法中的交叉变异思想对乌鸦的位置更新方式做了改进,使得适应度值较优的乌鸦得以保留。实验结果表明,改进后的算法性能有所提升。在此基础上,将其与任务调度模型相结合,并在CloudSim平台上与其他调度算法进行对比,实验结果验证了IMCSA算法改进的有效性,有效降低了任务的完成时间,使得系统负载均衡。