在快速增长的云服务需求下,云服务供应商部署了大量的数据中心。与此同时数据中心的能耗也在大幅增长,而其中存在很大的浪费现象。一方面由于服务请求调度不合理会造成服务器资源利用率低,另一方面为了满足高峰期的需求,数据中心通常会按照高峰期的需求来开启相应数量的服务器,而在低谷期会造成大量的空闲服务器。为了改善这些问题,目前主要有请求调度与能量管理两方面的研究。在请求调度的研究中主要关注当前资源利用率,将问题转换为装箱问题,但是忽视了服务请求的时间需求对资源利用的影响。在能量管理方面大部分研究将服务器转入理想的单一休眠模式,忽视了服务器睡眠与唤醒期间的延迟与能耗,而且目前许多服务器具有多种睡眠模式,合理利用不同睡眠模式会更加节能。为了解决这些问题,在考虑到睡眠的能耗与时延前提下,本文根据ACPI多睡眠模型,建立了数据中心的能耗模型,给出了优化目标以及相关约束,提出了基于时间的请求调度与多睡眠能量管理算法。不同于以往以当前资源利用率为匹配基准的算法,本文提出了优先时间匹配、资源匹配的调度算法。本文分析了服务请求的时长对服务器能耗的影响,请求时长越长会使服务器运行时间越长,如果将结束时间相近的请求调度在同一台服务器上会减少所有服务器的总运行时间。同时将晚于服务器最晚结束时间的请求调度到服务器上会延长服务器运行时间、降低利用率。最后分析了不同匹配模式,并将效果最好的与资源匹配做对比。实验结果表明对于多时间的服务请求,本文所设计的算法相比注重资源匹配的方法能够更加节能。本文分别在离线与在线的场景下提出了多睡眠能量管理算法。在离线的情形下,即已知一段时间内数据中心接收到的所有服务请求,在服务器不足的情形下通过对睡眠服务器进行回溯调整来增加活跃服务器,文中分析了服务器在调整过程中可行的调整方案以及产生的额外能耗,通过选择额外能最低的服务器来回溯从而节能。而在在线的情形下,即只知道过去信息的情况下,本文分析了不同深度的服务器睡眠对数据中心处理能力的影响,通过对不同预测时长内的负载轨迹进行预测,并调节相应的服务器以来应对短期与长期的轨迹波动,同时加以服务器的预留与延迟睡眠的算法,从而在降低服务不足的次数下尽可能多的节能。实验中与单睡眠以及非预测的能量管理算法进行比较,结果显示本文所提出的的多睡眠能量管理算法能够更有效的减少数据中心能耗。