随着信息技术的发展,在科学研究、工程实践和金融业等计算领域产生了大规模海量的数据。处理这些领域的数据需求的计算能力大大超出了传统计算机架构所能提供的计算能力。云计算通过聚集大量廉价的计算机组成计算机集群,并借助虚拟化技术和分布式系统软件,来达到复杂的计算能力。云计算提供商如亚马逊云、阿里云等,通常以虚拟机的形式向用户提供云服务。用户根据需要向云计算提供商请求指定配置的虚拟机,并支付相应的费用,来获取云平台的计算资源。云平台也通常把大型云计算服务划分成小的任务组,分配给多台虚拟机同时处理,以此向外提供快速、稳定和高效的云服务。云计算平台在以虚拟机为计算单元的模式下,如何对特定配置的虚拟机进行合理准确的性能评估,以及根据指定性能的需要找到合理配置的虚拟机,对用户找到合理的购买决策和云平台进行合理资源分配都具有重要意义。本文以虚拟机性能分析为中心,从实际的虚拟机数据中构建模型,分析虚拟机性能和配置之前的相互依赖关系以辅助决策。具体来说,本文的主要工作如下:(1)针对虚拟机性能预测问题,本文提出了一个带分类参数的贝叶斯网模型(Class parameter augmented BN,CBN)。该模型是对已被验证有效的贝叶斯网模型的优化。该模型首先利用随机森林分类算法,对虚拟机进行分类,然后根据分类结果和对应性能值,构建一个带分类参数的贝叶斯网模型,从而实现任意特征配置下的虚拟机性能预测。(2)针对虚拟机配置决策问题,本文在带分类参数的贝叶斯网模型的基础上,改进随机森林算法,使模型能够根据性能分析出合理的虚拟机配置。当给定一个虚拟机的需求性能值,根据贝叶斯网的推理机制,得到相应的虚拟机类别,再利用改进的随机森林算法预测一组合理的虚拟机配置。(3)本文采用阿里巴巴集群跟踪计划的在线任务跟踪的公开数据作为实验数据集,实验结果表明了本文提出方法的有效性和准确性。基于本文提出的方法,设计并实现了“基于带分类参数贝叶斯网的虚拟机性能分析服务平台”的原型系统,展示了本文的方法如何为用户和云计算平台提供服务与支持。