数据中心不仅为用户提供了便捷的计算资源,而且为运营商提高了良好的成本效益。在数据中心高计算能力下,程序的执行效率即使产生微小的变化,也对运营成本造成巨大影响。如今,数据中心在线交互应用的设计发生了重大变化,从传统的单体应用架构转变为单一用途、松耦合的微服务架构。微服务程序具有快速部署和更新等优势,使得微服务架构在行业内得到了快速的推广和发展。但微服务程序也面临着许多问题,例如微服务之间紧密连接、不断变化的资源需求以及严格的性能要求等。这些问题使得保证微服务程序的服务质量Qo S（Quality of Service）具有挑战性。为了适应数据中心的程序内容变化趋势,本文对保证微服务程序的Qo S展开系统地研究。从微服务程序的运行时特征分析、基于神经网络的性能预测模型、动态适配微服务程序的所需资源三方面展开工作。首先利用微服务程序的运行时特征预测程序的运行时性能,其次根据预测结果分析微服务程序的运行情况并识别Qo S违规的原因,进而扩展相应微服务的资源,最终达到保证微服务程序的Qo S以及提高系统资源利用率的目的。本文的主要研究工作如下:第一,获取微服务程序的运行时特征,分析微服务程序的运行状态,并利用运行时特征建立基于神经网络的微服务性能预测模型。微服务分析器利用Perf、Docker stats等性能分析工具获取微服务程序的特征指标。通过大量实验发现,特征指标与微服务程序性能之间存在复杂的联系。因此,本文利用大量实验数据训练微服务性能预测模型。该模型以微服务分析器在线获取的运行时数据作为输入,输出为微服务程序的性能预测结果。实验表明:微服务性能预测模型通过建立微服务程序的运行时特征与性能之间的联系,能够准确地预测微服务程序的运行时性能。第二,提出一种基于微服务程序的Qo S感知框架。该框架基于微服务性能预测模型,保证了微服务程序的Qo S,同时提高了系统的资源利用率。微服务性能预测模型的输出值为微服务程序的运行时性能。根据预测模型的输出值,微服务程序的运行情况分为三种状态:abundant,proper以及urgent。微服务性能保证器根据运行情况进行相应的资源调整,并进一步识别Qo S违规的原因。通过微服务性能预测模型以及对系统的资源管理,本文设计了一套合理的微服务资源调整策略。实验表明:基于微服务性能预测模型的反馈,微服务Qo S感知框架动态地分配微服务程序的所需资源,可以有效地提高系统资源利用率。综上所述,本文以保证微服务程序的Qo S为研究目标,利用全面获取微服务程序的运行时特征、构建基于神经网络的微服务性能预测模型、设计基于微服务的性能保证方法等研究方法,保证了微服务程序的运行时性能,提高了系统资源利用率,实现了资源的合理调度。