近年来，云计算已经成为了一种被业界广泛接受的计算模式。对于云计算的核心概念，在工业界和学术界内有了一定的共识，并对云计算提供的新型商业服务模式和消费模式有了一定程度的认可。云计算具有高度扩展性、高度异构性以及资源的细粒度化等特点。作为大规模集群的云平台，负载均衡系统是云平台能否稳定、可靠、充分利用云平台资源的关键技术。目前云计算环境中缺乏一种适合大规模的负载采集架构，以及在这种大规模的负载采集架构下如何有效地根据负载信息保持云平台内节点负载平衡的均衡系统。本文针对云计算资源进行了分析和研究，提出一种基于资源为中心的神经仿生负载均衡系统。本文对云平台的服务进行抽象化，再具体到云平台中的本质形态，提出了五层的资源类型，依次划分为物理服务器、虚拟机集群、虚拟机、虚拟会话和虚拟应用。考虑到云平台中资源的异构性问题，对云平台中的各种资源根据粗糙集的理论进行同构化处理，从而降低对资源的管理复杂度。在本文中设计的负载均衡系统以定义的五类资源为中心进行资源的监控和负载调整，具体提出一种考虑到机器固有资源提供能力、服务请求的资源需求和系统当前资源剩余量三方面因素的负载均衡信息的评价策略。本文设计的负载系统通过结合请求调度和资源迁移两种负载的均衡处理方式。通过云平台在任务调度时根据系统内节点的负载信息，最大程度上实现资源负载均衡，从而减少资源迁移的需求和负载均衡处理工作。在系统资源负载过重时，对到来的资源请求并不会被分配到资源节点中，而是采用报警请求分配新资源的形式，提升系统的扩展性和高可靠性。同时，当服务处理在运行过程中服务节点出现高负荷情况下，根据最小资源迁移原则将负载在服务域范围内达到负载均衡状态。