随着云计算的发展,产生了面向组件服务的云应用系统。云应用系统以业务流形式向用户提供服务,而不同的业务流中的不同任务被分配到不同的组件服务上,这些组件服务共同构建应用系统。因此由于大并发等原因造成系统服务性能下降时,需要通过资源调整来改善系统性能以便于满足SLA需求。传统的资源调整仅仅针对虚拟机层次,没有考虑组件层面的资源需求,并缺乏基于组件层面的SLA需求,导致资源动态调整不准确,造成资源利用率较低,导致资源浪费。如何快速准确的进行资源动态调整成为云计算中亟待解决的问题。为解决传统资源调整所引起的若干问题,本文在以往研究的基础上提出了一种面向云服务SLA性能约束的资源动态自适应调整方法。整个资源动态调整方法主要包括计算满足SLA约束的组件目标响应时间、选择关键组件、选择待调整资源类型和计算资源调整量。首先通过分析组件响应时间和应用响应时间历史数据建立组件响应时间和SLA约束模型,并建立贝叶斯分类器以便于将满足SLA约束的应用响应时间转化为满足SLA约束的组件目标响应时间;然后根据组件目标响应时间、组件调用频率和用户并发量建立关键组件选择模型,并采用优化搜索算法在组件集合中选择关键组件,形成关键组件集;再根据组件响应时间和四种资源类型资源使用情况历史数据的基础上,基于灰色关联度分析方法,通过数据标准化处理、计算一阶差分、计算关联系数和计算关联度,选择其中关联度较大的资源类型,作为待调整资源类型;最后建立组件响应时间和资源使用量模型,并确定组件响应时间和资源使用量方程,结合已经得到的满足SLA约束的组件目标响应时间,确定资源调整量,产生多种资源调整方案,计算每种资源调整方案的代价收益,选择最优方案执行资源动态调整,以便于达到满足SLA约束的目的。在本文末尾通过实验对本文提出的资源动态调整方法进行实验验证。实验结果表明本文提出的处理方法能够有效的计算出满足SLA约束的组件目标响应时间,并选择出关键组件和待调整资源类型,同时在计算资源调整量和选择最优方案时通过对比实验,验证了本文提出方法的准确性和有效性。