随着网络带宽和应用需求的不断增长,通过网络访问非本地的计算服务(包括数据处理、存储和信息服务等)的条件越来越成熟,便出现了云计算技术。它将网格计算、虚拟化、SOA等成熟技术融为一体,将抽象的、虚拟化的和可扩展的计算能力,存储,平台和应用汇聚成资源池,通过互联网按需交付给用户。用户无需了解技术细节,可以直接通过接口访问云上的资源。由于云计算的高度商业化和以用户为中心的特性,向用户提供高扩展性、高可用性、高安全性和高效率的服务是云环境中研究的重点问题,而云环境的复杂性又为这一问题的解决设置了一定的阻碍。资源管理是云环境的核心组件,云环境中的资源管理的目标就是实现对资源的高效,合理管理和利用,以保证服务能以较小的代价获得较高的质量,效率和收益。资源管理的研究主要有两方面的难点:一是如何充分利用历史和当前信息,实现高效的资源调度,并使得调度结果能够满足用户作业性能和QoS的需求;二是如何有效的进行数据管理,在保证用户数据访问的效率和一致性前提下提高服务的可用性。因此,本文围绕云环境资源管理中的资源调度和数据管理问题,开展了以下研究工作:1.分析研究背景,包括云计算概念、特点以及典型商业应用,阐述了云计算产生的历史背景和发展历程,着重分析了网格计算和云计算之间的区别和联系。接着简单介绍相关研究现状,提出问题。2.介绍了云环境中的资源管理的概念。总结了云环境下资源的类型,分析资源管理的关键技术:资源调度,数据管理和虚拟机,能耗管理等。并讨论了这些关键技术的技术要点和所面临的问题。3.为了获得更好的作业调度结果,综合考虑CPU使用率,网络负载水平和资源失效三个因素,提出基于马尔可夫链的预测模型。同时本文设计了一种衡量方法量化预测结果。模拟实验的结果证明,在资源闲置率和预测准确性上,这种方法具有更好的性能表现。4.由于云存储面向用户的特性和组件失效的常态性,可用性成为云存储研究中的关键性因素。但是由于云存储系统的复杂性,如何准确的衡量其可用性成为一大难题。本文提出了一种可用性衡量方法,它简化了复杂的云存储环境,基于节点失效和更新失效两个方面给出可用性定义和详细的计算方法,并举例说明,给出了实验结果的示意图。本文通过分析云环境下资源管理的内容和特点,综合多种资源属性,对其资源可用性进行研究,并引入排队论和马尔可夫模型,提出资源预测机制和可用性衡量方法。本文的工作包括两个部分:第一部分预测资源未来时刻的可用性,并给出衡量方法,用来指导资源调度,以提高资源调度的效率和资源的利用率;第二部分,分析系统各参数对资源可用性的影响,衡量资源可用性,为数据管理策略提供参考,优化存储系统的服务质量。