随着云计算技术的快速发展和应用普及,使得以往分散的资源再次呈现出集中的趋势,这使得云计算环境的规模也相应的变的越来越大,复杂性也相应提高。如何保障云计算环境的可靠运行,如何有效的评价云计算环境的服务性能,又该如何应对云计算环境庞大的能耗问题,以及研究有效处理用户服务请求和资源优化供给之间的均衡优化调度,都成为迫切的需求。针对于此,必须对可靠计算、高性能计算和节能计算技术进行深入研究,综合可靠性、性能和能耗等多指标,建立多维关联的评估模型,并基于综合评估模型研究面向多目标的均衡调度机制。为了保障可靠性,监控是重要的保障手段,但现有监控缺乏自主自治能力,系统架构也不太适合云计算环境;为了进行性能评估,必须充分考虑云服务的特征才能建立合适的性能模型,并有效考虑可靠性对性能的影响才能更准确的评估云服务的性能;为了节能高效计算,传统方法仅将能耗和性能作为相互制约的因素,而忽略了可靠性。在已有的研究中,将可靠性、性能和能耗分离割裂的评估建模,也导致了基于相关模型的优化调度带有局限性。针对以上问题,本文主要研究了面向云计算环境的仿生自主监控系统和多指标关联的均衡调度机制,主要研究内容及贡献体现在四个方面,如下:1)针对传统监控系统扩展性差、缺乏自主性,以及未能充分考虑云计算虚拟化和动态弹性等问题,设计了一种具备仿生自主神经系统特征的云监控系统。该云监控系统具备“人机交互层——中枢神经系统层——周围神经系统层——神经元层——神经突轴层”五层的分层架构,融入自组织、自诊断、自修复和自行为等自主特性。新的架构设计,采用周围神经和神经元的结构能充分反映虚拟资源的宿主特性,同时设计周围神经系统内部的自治特性,即能完成自治任务,也可有效减轻中枢压力;逐级扩展的树型结构赋予系统良好的扩展性。将自主特性融入云监控系统,有效提升了监控系统对规模复杂云计算环境的适应性和健壮性,并利于自动扩展。通过自组织功能有效解决了规模虚拟化资源因动态变化(加入、退出等)带来的监控难和部署繁琐问题;通过自诊断和自修复提升云监控系统自身的稳定可靠性;通过自行为模块的设计,不仅增强了系统的扩展功能,也减少了不必要的数据传输,降低了对系统的开销。2)针对传统性能评估忽略可靠性的问题,提出了一个面向云服务特征的关联“可靠性——性能”的性靠度模型。云计算环境具有异构性、虚拟化和按需服务特征,其关联性能(性靠度)评估模型也因此不同。考虑虚拟资源的失效和修复行为,运用Markov链对其可靠性进行评估,提出采用通用生成函数(Universal Generating Function,UGF)分析异构云资源池可靠性的方法;考虑按需服务特性,分析1:1和1:D映射模式下云服务的不同性能,建立反映请求生灭过程的云服务系统性能模型;考虑资源可靠随机性对服务性能随机性的影响,通过Baysian方法将可靠性、性能模型关联,建立新的面向云计算特征的性靠度模型。实验结果表明,该二维关联建模方法,能更准确的评价真实云计算环境的服务性能。其意义还在于,提供了一种通用的分析不同的性靠度关联的方法。3)针对传统评估方法将可靠性、性能和能耗指标割裂开来的不足,以及云计算环境所面临的严重能耗的现实问题,提出了一种关联“可靠性——性能——能耗”的多维关联的层级建模方法,建立综合性评估指标。该层级建模的思想是:提出和求解一个复杂系统的全局模型往往较为复杂,本文采取将全局模型分解为覆盖交互因子的多个子模型的方法,然后通过对子模型的迭代求解可以获得全局模型,以顺利的完成系统的整体评估。在云计算环境中,多维层次模型的关联交互存在一个共同的条件参数——“可用资源随机数量”,基于该条件参数所建立的各个子模型,最后可通过Bayesian途径,移除条件参数,最终整合各个子模型,并获得多指标关联的综合性评价指标——期望性能和期望能耗。采用该方法,本文将基于真实采样数据进行统计分析所获得的能耗模型与可靠性和性能关联,通过实验验证了多维关联的能耗评估的有效性。4)针对云计算环境所面临的复杂供需制约调度需求,及现有层次化调度缺乏自主性和优化调度目标单一等问题,提出了一种分层优化调度模型和多指标联合优化的调度策略。其具体工作机制为:全局代理负责全局的任务分发,体现集中管控;局部代理实现区域自治,通过本地自主计算形成反映任务不同分配情况的局部资源优化的“供需地图”,在多指标联合的利润目标优化下实现资源的合理调度供给以匹配全局代理动态变化的任务需求。在局部优化的基础上,利用反映多维关联的优化函数,设计具体的遗传算法进行问题的求解,实现多目标联合优化下的全局最优。实验结果表明该分层优化调度机制能够提高搜索最优解的效率,可以获得综合的优化效果。