云计算利用虚拟化的技术将数据中心的各种硬件资源抽象成虚拟单元,进而将资源进行池化,来满足用户复杂动态的资源需求。云计算自诞生以来,以其低成本、高可靠性、高扩展性等特点得到了迅速发展,并广泛应用于各行各业中,随之而来的是海量的资源需求。云计算提供商为了满足这些海量的资源需求,会在各地部署数据中心。由于大量的物理资源聚集在数据中心,加上云计算层次划分的复杂性,如何合理与高效地管理和调度云资源是云计算的难点之一。目前关于云计算中资源调度方法的研究,大都集中在IaaS层,以降低IaaS层的能耗为目标。本文立足于PaaS层,特别是私有的PaaS平台,对PaaS层的资源动态调度、负载均衡、实例动态伸缩等方面进行了研究。本文首先调研了多种PaaS平台的资源管理策略,并着重研究了Cloud Foundry (CF)这一极具代表性的开源PaaS,详细地分析了CF的架构与设计。随后本文研究了几种可用于预测云应用资源使用率的预测模型,包括ARIMA (Autoregressive Integrated Moving Average)模型、神经网络模型以及它们的组合模型,并对这些模型进行了实验与应用。然后本文提出了一种基于预测结果的资源动态调度算法,可为部署在PaaS平台上的应用进行动态的资源调度,具有高实时性的特点,可提高PaaS层的资源利用率,提高云应用的服务质量。接下来针对CF的不足,对CF进行了改进并应用了提出的资源动态调度算法,实现了一个新的DEA (Droplet Execution Agent)组件,让CF具备了资源动态调度、实例动态伸缩以及DEA负载均衡等多种新功能。最后设计了一系列实验,验证了改进后的CF平台的资源动态调度以及实例动态伸缩的能力。实验结果表明,改进后的CF能有效提高CF的资源利用率以及云应用的服务质量。