随着云计算的快速发展,软件开发模式在不断地演进。各类服务平台是一种由基于小粒度应用服务集松散耦合而成的软件,这已成为当前构建软件产品的主要特征。这个特征一方面根本性地改变了应用程序的开发、部署和调度的流程;另一方面复杂的应用服务和计算资源的多样化影响了软件开发、应用服务调度和资源调度的过程。基于轻量级虚拟化技术——Container技术的并行处理技术的研究是云计算中新兴的重要研究课题。为实现云计算基础架构下的应用虚拟化,更灵活、更精细、更充分地利用计算资源,本文提出并设计了基于容器的应用虚拟化技术和基于小粒度应用容器的并行处理架构模型,主要的研究工作和创新如下:(1)提出了利用应用虚拟化技术在PaaS层和IaaS层之间搭建一个应用服务层(AaaS——Application as a Service),实现在管理平台中基于多核感知的并行调度模型。为满足体系结构中各逻辑层之间在协同工作和任务调度时对计算资源的需求,结合Container技术,提出了一种轻量级的应用虚拟化技术及应用协同技术——基于小粒度应用容器(Granular/Group Application Container,GAC)的并行处理机制。深入分析了框架模型的逻辑结构、计算资源状态集的描述模型和并行处理机制的实现,并通过实验验证了基于GAC并行调度的可行性和有效性。通过构建基于应用服务管理平台的多核感知并行调度模型,使得复杂多样的应用服务能根据业务逻辑需求,用不同粒度的应用服务组装形成系统新功能,并通过多核感知的并行调度模型来处理/响应用户的作业请求。一方面提高系统的灵活性和行业适应性,另一方面也能实现对计算资源进行细粒度的分配,提高系统对基础架构资源的利用率。(2)提出了以形式化语义方法对面向云计算的小粒度应用容器模型的体系结构模型及其基本的映射关系进行形式化描述,以规范定义明确了基于业务需求的小粒度应用服务的组装和复用过程。建立并形成小粒度应用容器模型的形式化描述框架和规范定义的基础性理论框架。为通过小粒度应用容器模型实现应用集成的云计算服务平台,提供形式化语义框架模型和应用服务接入的规范定义。(3)结合模型的应用,提出了一种异构体系结构下云数据中心的性能评估模型。深入分析当前云数据中心的异构特性,在对计算能力进行量化的基础上,针对以小粒度应用容器模型中的任务调度基本实现过程,用排队理论对云数据中心的任务调度、任务委派执行及计算节点的协同工作过程进行分析,建立相应的性能评估建模。通过理论模型和实验验证,分别分析了影响系统性能和吞吐量的核心技术指标:平均响应时间、平均等待时间、阻塞率、立即服务率等,为云数据中心任务调度、性能的优化提供了有效的理论模型。(4)提出了异构体系结构下云数据中心的基于反馈机制的任务调度优化和多服务器动态控制模型。利用排队理论对异构体系结构下云数据中心的任务调度过程进行建模,通过凸优化方法构建两级任务调度的性能优化模型,控制主调度服务器根据计算节点的资源和性能为其分配相应的任务量,实现各计算节点的负载均衡,优化系统的性能——提高任务的平均响应时间和吞吐量;在大规模的计算节点上建立基于反馈机制的动态控制模型——根据任务量动态调整并独立控制各计算节点的服务率,实现了计算节点自适应负载的同时也优化系统的平均等待时间、等待成本和运维控制成本。(5)提出了基于小粒度应用服务资源请求的量化多边形资源描述模型和基于多边互补的多维资源调度算法——MQP算法及相关策略。建立了基于量化多边形的资源描述模型和基于多边互补策略的理论基础,分析了实现MQP算法的多边互补策略的基本原理和应用架构。通过多边互补的多维资源调度算法实现基于小粒度应用服务部署的多维资源(3≤(9≤6)调度,根据资源请求对小粒度应用服务进行部署,实现以最少的计算节点满足所有任务对各维资源的请求。实验证明MQP算法能有效地完成对批量到达的小粒度应用服务的部署工作,而且在节点用量上比其它多维资源调度算法(FFD、L2,DP等)节约了2%-5%,能有效地提高占优资源的利用率。设计完成的多维资源调度算法可用于:任务的静态委派、计算节点的动态负载均衡以及计算节点的资源利用率再平衡等场景,一方面提高计算资源的利用率,另一方面节省系统能耗和成本。