云计算是新兴的IT模式,它是基于互联网的相关服务的增加,使用和交付的模式。它通过使用虚拟化技术将硬件基础设施虚拟化,然后将这些资源以动态弹性的方式为用户服务。但是随着云计算的用户逐渐变多,云数据中心的规模也日益增大,如何在保证服务质量的同时,降低云计算平台的运行损耗,提高资源的效用比,为云计算按需使用和资源弹性构建提供合理的资源负载预测方式。如何在提高整个集群的资源利用率及平衡度,降低能耗的成本,并且保证服务质量基础上,提出改进物理资源的调度的合理有效的方案。这些问题成为现今云计算中需要解决的。本文对于Openstack开源平台的进行了相应的分析,并对其内部资源调度的机制进行了深入的研究分析,针对性的提出了相应的解决方案。主要的工作有:(1)设计了一种云平台负载预测模型,能够在保证用户的SLA的同时,提高资源的使用率。通过理论分析,文中发现云平台用户的请求服务量是一个类似于电信网络的泊松过程,接着通过分析几种不同的预测模型进行仿真和对比。最后得出时间相关模型作为基础模型来为云平台负载进行预测。最后通过在实验室搭建好的Openstack云平台上进行相关的工程实现。验证预测模型的可行性。(2)设计了基于多目标遗传蚁群改进算法的虚拟机放置策略。本文融合了遗传算法和蚁群算法。通过使用遗传算法提供初始的信息素分布,然后利用蚁群算法寻找最优解。仿真结果表明,该算法能够较好的平衡冲突目标间的矛盾,以使整个云平台既能保证较好的应用性能又能降低资源负载及电量消耗。(3)设计了针对低载和过载的虚拟机的动态迁移策略。我们通过不同标准来判断物理机是处于低载和过载情况下,如果确定处于低载情况下,我们尝试将虚拟机迁移至其他物理机上,将该物理机调至休眠状态,降低能耗。如果处于过载情况下,尝试迁移该主机上的虚拟机保证达到基本的服务标准和负载均衡。仿真结果表明,该算法能够较好的实现动态迁移的目标。