Xen是一种被广泛应用的虚拟化软件平台,具备出色的隔离特性。隔离特性是通过引入VMM层实现的,Xen是VMM的一种具体的实现载体。由于本文的研究涉及到修改VMM的源代码,而Xen开放源代码的特性恰好为本文的衰退分析研究提供了实证基础,因此本文采用Xen作为虚拟化系统的研究载体。在分析了国内外软件衰退的研究现状的基础上,论文指出现有的两大研究方向分别是基于理论模型和基于测量的方式。前者的主要思想是：借助马尔科夫过程,Petri网等数学工具刻画系统运行时状态变迁的模型,并应用数学方法求解最优自愈时间间隔,适用于具有静态衰退剖面的场景。而后者的主要思想是：持续的监测系统运行时的表征性能参数,分析系统当前所处的性能状态,并综合考虑目前的实时负载等因素确定最优自愈时刻。通常利用数据挖掘和人工智能方法建模分析,适用于具有可变衰退剖面的场景。基于上述背景分析,我们首先针对Xen虚拟化系统,进行系统监测,设计并实现了一种系统监测工具,负责从VMM层采集运行时的VMM和VM资源使用状态信息,以及主要系统功能部件的活动信息；在采集数据的基础上,研究衰退分析方法,并设计了衰退分析系统,提出的衰退分析方法考虑了不同的负载特征对于衰退预测和识别准确性的影响,建立了负载模型用于区分不同负载模式,应用主成分分析方法对于资源使用信息进行深入分析,识别导致衰退的关键参数,进一步地,研究了改进的马尔科夫和人工神经网络相结合的衰退预测方法识别和预测软件衰退；结合负载模型和衰退预测方法,提出了一种自适应的衰退分析方法,并进行了系统验证。