IaaS是云计算的主要服务模型之一,IaaS云通过在云数据中心部署虚拟机来分配计算资源,并将这些计算资源通过操作系统的实例按需地提供给用户。准确评估IaaS云的性能是云服务提供商与用户之间确定SLA中QoS参数的先决条件,因此,评估IaaS云性能的研究具有重要意义。然而IaaS云数据中心异常复杂,系统性能受许多因素的影响,包括物理设施的特性、虚拟设施的特性、管理和自动化工具的特性、系统负载以及可用容量等等,因此评估IaaS云的性能是极具挑战性的工作。基于排队论的分析建模技术广泛应用于计算机网络的建模研究,已成为计算机科学的一门基础工具。本文首先介绍了云计算、马尔可夫模型、排队论等方面的背景知识,然后根据顾客任务类型不同,分别为具有同构任务和异构任务的IaaS云数据中心提出了基于排队论的分析模型。本文的主要工作如下：第三章中,我们使用M/G/m/m+K队列和嵌入式马尔可夫链技术,对IaaS云数据中心中由多台活跃的同构虚拟机构成的系统提出了一种创新的分析模型。通过模型,可以近似精确地计算出系统中任务数的稳态概率分布,进而求解包括平均队长、平均响应时间、立即服务概率和拒绝服务概率等一系列性能指标。实验表明我们的模型与已有模型相比能够更加准确地反映系统行为。第四章中,我们使用连续时间马尔可夫链分析技术,对IaaS云数据中心中同时运行多台异构虚拟机的物理机提出了一种创新的性能评估分析模型。该模型与已有工作相比具有更加准确的状态描述和状态转移概率公式。实验结果证明了该模型的有效性。