随着互联网的迅猛发展和信息数据的大规模增长,工业界和学术界对大规模计算和海量数据处理的需求也日益增多。云计算作为一种新型的商业计算模型和服务模式应运而生,它将计算任务分配在由大量计算节点构成的大型数据中心上,使得各种应用能够按需获取计算能力、存储空间和信息服务。高效的云数据中心资源分配技术是云计算得以大规模应用的关键所在。资源规模的巨大、虚拟化技术的运用以及应用请求的实时多变性都对云数据中心的资源分配提出了诸多挑战。针对云计算资源分配的不同阶段,本文分别从资源提供、资源映射和资源调整三个方面对云计算资源分配的关键技术进行了研究,主要的创新性研究内容包括：(1)面向云服务提供商的资源提供方法。针对云计算资源提供过程中的收益优化问题,本文提出了一种两阶段的资源分配方法。首先,针对云服务提供商和云资源提供商的交易行为建立能力规划模型,根据任务需求量制定云服务提供商收益优化的资源提供方案。然后,通过建立请求响应时间和用户出价之间的用户效用模型来度量用户满意度,提出了一种兼顾用户满意度与收益优化的资源提供方法。最后,根据亚马逊EC2的实例数据进行仿真实验,验证了所提方法的有效性。(2)面向时空约束的虚拟机资源映射方法。针对云计算环境中虚拟机到物理服务器的资源映射问题,本文提出了一种基于时间和空间约束的多维资源映射方法。该方法首先根据虚拟机的运行时间,计算出不同放置策略下的物理服务器的运行时长,以及由此产生的能耗成本。然后,将能耗成本与空间属性共同作为资源映射的约束。最后,以最小化资源成本为目标,采用改进的粒子群算法对其进行求解。实验结果表明,本文所提方法有效降低了资源成本,提高了数据中心的资源利用率。(3)面向服务器聚合的资源调整方法。针对应用运行过程中,由于工作负载的变化所导致的数据中心资源利用率低下的情况,本文提出了一种综合的虚拟机迁移策略,对数据中心进行资源调整,以提高资源利用率。首先,通过迁移前后的位置关系及拓扑结构评估迁移成本；其次,根据应用相关性和拓扑结构计算通信成本；最后,采取最小化物理服务器数目的方法来优化能耗成本。实验结果表明,本文所提方法能有效降低迁移成本和虚拟机通信总成本,并且能显著减少工作物理服务器的数目,实现节能优化的目标。(4)面向应用性能的弹性资源调整方法。针对应用运行过程中,可能出现难以预测的负载波动,本文设计了一种细粒度的资源调整方法,在保证应用服务质量的基础上了提高资源利用率。该方法分为三个步骤：基于自愈机制的资源调整方法、物理资源层的资源调整方法和虚拟机层的资源调整方法。本文方法通过监测应用响应时间以及资源利用率,当监测值超过门限时触发资源调整策略,在不同层次上实现资源调整。仿真实验验证了本文所提方法的有效性。