全球数字经济背景下,应用公有云计算基础设施即服务（IaaS）成为企业数字化转型的趋势。通过应用IaaS云服务,可以显著降低企业的运营成本、提升业务的灵活性。随着企业的用云成熟度不断提高,企业对公有云基础设施投入已经进入精益化管理阶段。因此,使用IaaS云服务的成本管理问题已成为广大用户的重要关注点。为了满足不同用户的需求,IaaS云服务提供商通常提供具有多种定价选项的资源。用户可以在稳定但昂贵的按需市场上购买资源,也可以选择在动态定价的竞价市场上以大幅折扣购买资源。竞价实例是IaaS服务提供商为了应对云资源市场需求波动提供的一种灵活的定价方式,其价格相对于按需和预留实例有很高的折扣,但同时具有较差的可靠性。因此,用户必须仔细权衡竞价实例的高折扣与低可用性。目前,IaaS用户面临的一个重要问题是如何以具有成本效益和低风险的方式获取竞价实例,即在动态的竞价市场中合理预估实例价格以及根据工作负载的要求制定可靠的实例购买策略。基于此,本文的研究方向是通过使用基于竞价实例历史价格数据的广泛评估,为注重成本的云用户建模,主要研究工作如下:1.首次使用基于自注意力机制的Transformer网络结构预测竞价实例价格。该预测工作将帮助云用户提前计划如何时获取竞价实例,并为云用户做出竞价实例的投标决策提供有效参考。本文通过分析竞价市场,并使用Transformer网络结构来预测竞价实例价格。通过对90天内真实历史价格数据模拟,使用均方根误差（RMSE）和平均绝对百分比误差（MAPE）衡量预测的准确性。实验结果显示,本文采用的预测算法准确性优于对比实验中的基准算法。2.提出基于复制执行容错机制的在线终止算法。结合竞价实例价格低、高度动态化的特性,本文创新性地提出了一种在线终止算法,在竞价实例可用时间未知的情况下,首先通过复制执行提高竞价实例运行可靠性,并进一步通过在线终止控制使用成本的策略,该策略在保证竞价实例运行可靠性的同时优化了竞价实例的使用成本。通过理论证明,在大多数情况下本文提出的在线终止算法成本不会超过最优离线算法的两倍。除理论分析之外,本文还考虑不同的工作负载大小、不同的实例折扣程度,并分别进行大量对比实验。实验结果表明,在真实竞价实例历史价格数据下本文提出的算法能够让云用户在保障竞价实例可靠性的同时显著节省成本。