随着云计算的发展与普及,云数据中心已广泛应用于日常生产生活中,越来越多的应用依托云系统资源提供服务,基于虚拟化技术,以虚拟机的形式进行资源共享与管理是最常见的方式。物联网与大数据相关技术的发展使数据驱动的服务逐渐成为主流,且应用主体也从云数据中心扩展到边缘云系统,构成了新型的云边融合系统(云边系统)。这些应用服务需要处理海量数据,这使得云边系统内产生大量数据传输,对于具有实时性要求的数据密集型应用服务而言,网络资源成为影响应用服务质量的关键。然而,对于数据密集型服务,已有云边融合环境下的虚拟机部署工作存在一定缺陷。因此,探索云边系统下的虚拟机部署机制,研究面向网络优化的资源管理方法,对提高数据密集型应用的服务质量具有重要意义。本文重点关注云边融合以及数据中心内面向网络优化的虚拟机调度问题,以降低服务时延,提高服务质量,具体工作包括:(1)针对数据密集型云应用的实时性要求,结合边缘云节点的低时延和数据中心强大的计算能力,对于数据驱动应用的低时延虚拟机部署问题,本文提出了一种在云边融合环境下面向低时延的虚拟机部署方案DDP,该方案能够根据应用服务所需要的原始数据在网络中的位置,灵活选择为该服务提供资源的物理机,平衡数据传输时延和处理时延,有效降低服务总时延,并且针对实时请求和批量请求提出了不同的虚拟机部署方案。通过实验验证了方案的有效性,与贪婪策略相比,大大降低了服务时延。(2)针对数据中心内大量的数据传输和有限的网络带宽,对于数据中心内面向网络负载均衡的虚拟机部署问题,本文提出了一种数据中心网络负载均衡的启发式虚拟机部署算法ECBP,将租户任务建模为带权无向图,分析任务模型拓扑特点,在单个物理机无法满足租户的资源需求时,将原租户任务以最小边割集为界分割为若干个子任务,然后根据数据中心当前网络负载,将子任务所需的虚拟机部署到物理机。该方案不仅能够最小化最大链路利用率来平衡网络负载,有效避免网络拥塞并降低服务时延,而且可以在一定程度上降低网络开销。(3)分析了开源云资源管理平台OpenStack及相关组件,并采用了三种不同的部署方案,基于数据中心网络负载均衡的虚拟机部署工作,实现了OpenStack中Heat组件HOT模板以及虚拟机调度的核心组件Filter Scheduler的设计。