云计算是一种基于互联网的资源共享模式,其利用虚拟资源管理和分布式计算等技术管理计算资源,并以在线和按需的方式向用户提供计算服务。根据提供服务类型的不同,云计算可以分为三个层次的服务,分别是基础设施即服务（Infrastructure-as-a-service,IaaS）、平台即服务（Platform-as-a-servic,PaaS）和软件即服务（Software-as-a-service,SaaS）。其中,SaaS是把软件应用定位成共享的云服务,能够直接满足用户的应用软件需求。本文主要关注的是SaaS环境下一类广泛存在的应用—易并行应用,该类应用的特点是所提供的服务之中有一个或者数个易并行服务。易并行服务的任务可以分割为多个独立的、无依赖的子任务,这些子任务可以在不同服务器上并行执行。SaaS环境下的典型易并行应用有渲染应用、翻译应用、大多数的数据处理应用以及大多数的机器学习应用等。随着云计算的蓬勃发展,尤其是数据密集型计算领域的兴起,SaaS环境下易并行应用的工作量急速增加,这对SaaS提供商的应用性能管理提出了更高的要求。一方面,针对不同类型的易并行应用,SaaS提供商需要研究系统配置、任务负载和性能指标之间的相互关系,优化云资源配置、任务执行策略和资源分配算法,进而高效地、可靠地处理大批量的用户任务;另一方面,为用户任务分配云资源时,SaaS提供商需要考虑多样化的用户服务质量请求,在保证用户服务质量的前提下,提高任务执行效率,减少资源消耗。目前,由于云架构的可伸缩性、易并行应用的多样性和用户任务的复杂性的限制,国内外关于SaaS环境下易并行应用的性能管理的研究还存在很多不足。例如,现有的性能管理研究很少考虑云环境下易并行应用的特征以及并行化对资源利用率的影响,对用户需求及任务的多样化约束考虑的也并不全面。因此,为了提高SaaS环境下易并行应用的性能管理水平,优化不同类型易并行应用的服务质量,本文从性能分析模型和资源分配算法两个方面开展了以下四个研究。（1）针对SaaS环境下的易并行独立应用,基于排队理论和马尔科夫理论,本文提出了适应多并行度分割的多站多服务器排队性能分析模型。可靠的性能分析模型可以帮助易并行应用确定合适的任务并行度,进而大幅度地减少任务执行时间,提高应用的性能。为了在SaaS环境下建立有效的易并行独立应用的性能分析模型,本文将易并行独立应用建模为多站多服务器的服务系统,面向易并行独立应用提出了基于M/M/c/r排队系统的性能分析模型。该模型可以预测不同系统设置下的重要性能指标,进而指导SaaS提供商制定最佳的应用系统设置,如服务器数量、缓存容量和并行度等,最终提高SaaS应用的性能。（2）为进一步优化SaaS环境下易并行独立应用的性能,本文制定了针对易并行任务的差异化并行处理策略,并基于排队理论,面向易并行应用提出了并行多队列多站的性能分析模型。该差异化并行处理策略可以根据任务对应用性能影响的差异,对任务进行差异化的处理,进而提高应用的服务质量。然后,为了分析不同任务的处理方式以及资源分配情况下的性能差异,基于该策略,本文提出了并行多队列多站的易并行独立应用分析模型,该模型可以指导SaaS提供商为不同的任务确定最优的并行度和资源分配方案,进而优化SaaS环境下的易并行应用的性能。此外,本文还提出了一个新的度量指标来量化不同任务的性能优化水平,从而避免在性能优化过程中出现任务性能恶化的情况。（3）针对SaaS环境下易并行服务组合应用的性能分析和优化问题,本文提出了两种性能分析模型,分别是并行多站串联排队网络模型和多类多池分析模型。该性能分析模型可以为SaaS环境下不同类型的易并行服务组合应用提供准确的性能预测。本文一方面分析了不同服务之间时间依赖和资源约束的关系,并为易并行服务组合应用构建性能分析模型;另一方面基于分析模型的预测结果,提出了高效的任务处理以及资源分配策略,进而优化易并行服务组合应用的性能。（4）针对用户对应用服务质量需求多样性的问题,本文将其深化为公平与效率的冲突问题,分别在资源竞争和非竞争情况下,为SaaS环境下的易并行应用提出了公平高效的资源分配算法。由于用户服务质量需求的多样性,SaaS提供商通常向用户提供多层次SLA（服务水平协议）。为了在任务处理时满足用户多层次的SLA,本文提出了加权加速比公平性定义。然后,为了提高执行效率、协调效率和公平性,在加速比公平原则的指导下,针对资源竞争和非竞争两种情况,本文提出了公平高效的资源分配算法。此算法可以在满足用户不同SLA的同时,最大限度地提高任务的执行效率。