近年来，随着云计算这样的新兴的商业计算模型的出现，单集群的服务器数量达到了前所未有的水平，大规模的数据中心随即应运而生。数据中心在为普通用户提供了超强的计算能力与存储能力的同时，其能耗问题也成为不可忽视的重大问题，当前全国数据中心的能耗已经达到了百亿千瓦时的数量级，如此庞大的能耗量给企业、国家以及自然环境带来了非常大的副作用。为了应对数据中心的能耗问题，国外的政府机构与企业纷纷投入了巨大的人力物力财力并已经取得了较为令人满意的成绩。然而，与此同时国内的数据中心对此问题的研究还鲜有实际应用。　　 当前对数据中心的节能研究主要分为基于服务器电源管理和基于用户行为两个层面。基于服务器电源管理的层面主要是针对计算机的两大能耗部件CPU和内存提出能耗控制的机制，但在业务模型比较复杂时这种方法常常影响集群的性能;基于用户行为的层面主要是从集群的用户访问量人手，对整个集群的虚拟机数量进行控制，但对于用户访问量的预测精度依赖比较严重。　　 本文提出了自适应的Holt-Winters’预测法补偿用户访问量周期性突变的特征。它引入了周期因子来补偿周期性对线性预测模型的影响，并在预测过程中使用参数估计的方法不断调整模型的参数，尽可能使预测模型符合负载特性，以此提高预测的精度和稳定性。　　 在自适应的Holt-Winters’预测法的基础上，本文结合虚拟机迁移技术、动态电压频率调节技术(DVFS)等相关节能技术，设计了包含反馈环节的自适应节能系统。这套系统通过对访问量的预测来估计下一时段服务所需的虚拟机数目，结合动态迁移技术对当前虚拟机的分布进行调整并休眠多余的虚拟机。同时，在实际服务过程中自适应调整集群资源以防止资源预留的误差影响。　　 实验仿真中，我们使用NASA网站一个月的真实用户的访问量trace数据，对自适应的Holt-Winters’预测法和包含反馈环节的自适应节能系统进行仿真，以检验预测算法的精确性和稳定性以及节能系统的资源利用率和优越性。