随着虚拟化技术的发展,云服务供应商可以为用户提供灵活、可靠和低成本的按需服务,云平台中的虚拟机可以确保云服务供应商借助互联网为用户提供计算、存储、网络等服务。一方面,随着云平台规模的不断扩大,高能耗已成为云平台亟待解决的问题。另一方面,部署在同一台物理机上的多个虚拟机之间由于资源共享和竞争导致虚拟机性能下降。针对云平台中物理机高能耗和虚拟机性能下降问题,如何对虚拟机进行有效地部署是一个重大的挑战。现有的虚拟机部署研究主要从降低能耗和避免服务等级协议违规的角度展开,没有考虑虚拟机性能下降问题,因此现有的虚拟机部署方法不能保障虚拟机的性能,可能会影响用户体验。为了解决云平台的高能耗和虚拟机性能下降问题,本文从两方面研究云平台虚拟机的部署方法:物理机能耗和虚拟机性能,提出了一种兼顾物理机能耗和虚拟机性能的虚拟机部署方法。本文主要贡献如下:第一,本文建立了物理机能耗模型。通过测试物理机不同CPU利用率下的能耗,得到相应的能耗数据,挖掘出物理机能耗和物理机CPU资源负载的关系,建立物理机能耗模型。实验结果显示二次多项式的非线性模型比线性模型和分段线性模型更符合实际物理机能耗与物理机CPU资源负载的关系,因此本文采用二次多项式的非线性模型描述物理机能耗与物理机CPU资源负载的关系,该物理机能耗模型为后续云平台虚拟机部署方法提供了基础。第二,本文建立了虚拟机性能模型。随着物理机上部署虚拟机数量的增加,虚拟机之间存在的资源共享与竞争导致虚拟机性能下降。通过测试不同物理机CPU利用率下虚拟机的性能指标数据,挖掘出虚拟机性能与CPU资源负载的关系,建立虚拟机性能模型。实验结果显示分段模型比二次多项式模型更符合实际虚拟机性能与物理机CPU资源负载的关系,因此本文采用分段模型描述虚拟机性能与物理机CPU资源负载的关系,该虚拟机性能模型为后续云平台虚拟机部署方法提供了基础。第三,本文提出了一种兼顾物理机能耗和虚拟机性能的虚拟机部署方法。基于物理机能耗模型和虚拟机性能模型,本文将虚拟机部署问题描述为最小化物理机能耗和虚拟机性能下降的双目标优化问题,并采用蚁群优化算法对虚拟机部署问题进行求解,建立适合虚拟机静态部署的信息素、启发素、信息素更新规则和状态转移矩阵。最后在云计算仿真平台CloudSim上进行对比实验,将本文提出的方法与其他部署方法进行比较,实验结果表明本文所提方法在物理机能耗和虚拟机性能上均有更优的结果。