云计算作为一个新兴领域正处于一个迅猛发展的阶段。越来越多的用户要求云中心能够提供有质量保证的服务。若要判断云中心的服务质量优劣就需要对其进行性能评估。云中心由大量物理机构成,每台物理机可运行百台以上虚拟机／服务器,规模庞大且复杂性高,要求必须采用可扩展模型对云中心进行分析。而构造可扩展模型的基础是对云中心的单元设备即物理机进行建模。用排队系统对拥有百台以上虚拟机的物理机系统进行描述,并通过建模计算得到系统平均任务数量、立即服务概率等性能指标是一种有效的性能评估手段。大量实际数据统计分析显示,云服务中25%的用户任务为批量任务,并且任务服务时间服从一般分布。因此,为面向批量任务的云中心物理机进行建模是十分必要的。现有成果主要集中在单服务器Mx/G/1排队系统上,少量的研究者关注多服务器Mx|G|m排队系统的建模。已经有研究者采用排队系统对物理机进行抽象并建模,得到了一些性能指标。但是,大部分模型都没有考虑到批量任务并且模型可描述的系统虚拟机数量较少。因此,目前还没有一个模型能够对面向批量任务的云中心物理机进行准确完整的描述。本论文旨在批量任务环境下,利用建模分析技术为运行在一台物理机上的多虚拟机服务器系统进行性能分析。本文的主要工作是：1.使用Mx|G|m|m+r排队系统对IaaS层云中心物理机上虚拟机服务器系统进行描述,并采用嵌入马尔可夫链方法为该系统建立一种创新的近似分析模型,即NMC[x]模型。该系统批量任务到达过程符合泊松分布,服务时间服从一般分布,存在m台服务器和容量为r的等待队列。基于IaaS层云中心的系统概况,本文提出了建模的相关假设以及推导了模型的相关参数。之后,利用嵌入马尔可夫链技术,获得模型转移概率计算方法。2.在NMC[x]模型的基础上,本文提出了对物理机进行性能评估的方法。为解决由NMC[x]不满足PASTA性质而带来的平均时间稳态概率无法计算问题,本文将原始过程进一步近似为嵌入式半马尔科夫过程,最终获得了系统任意时间的任务平均数量和批量任务被立即服务的概率等性能指标求解公式。经过实验的证明,本文提出的模型不仅具有更高的精确度,而且能够描述中等规模及以上的系统,具有很好的实用性。