随着互联网和信息技术的快速发展,云计算在越来多越多的行业中发挥着重要的作用,云数据中心的规模变得更加庞大,使数据中心产生了巨大的能源开销,能耗问题变得日益突出。影响能耗的资源调度问题鉴于其NP复杂性和环境的多样性等,一直没有得到很好的解决,尤其在IT能耗成为影响全球能源和环境因素的背景下。如何在资源调度的过程中权衡好能耗和性能是目前研究者主要研究的问题。针对数据中心的高能耗、低效率的问题,通过对现有云数据中心节能策略进行分析研究,本文取得的研究成果主要包括:1.针对现有任务调度算法存在的任务需求多样性、效率低等问题,本文提出了一种基于密度的任务分组聚类策略。首先,该策略利用K-means算法寻找集群的聚类中心,其次,利用本文提出的聚类算法对任务进行分组,将任务与资源节点的分配缩小到相似类型的集合中。接着,通过对相似的任务与资源进行调度,验证聚类分组算法的执行效率。最后,通过对比实验验证了任务分组聚类策略的有效性。2.通过分析云环境下用户请求任务到达的规律,本文设计了一种节能排队任务分配策略。首先,采用M/M/n排队模型对云计算系统建立云资源排队模型,并对模型性能进行了量化分析,设计了一种云计算系统的任务调度模型。然后,基于此模型,利用改进粒子群算法完成任务到资源节点的调度。最后,通过对比实验验证了模型在降低任务执行时间和降低能耗方面的实用性和有效性。最后,本文采用Spring MVC框架和Java语言设计并实现了任务分配系统,对本文提出的两个策略进行了显性验证,为云数据中心的资源调度策略提出了一种新的解决方案。