随着虚拟化技术的快速发展,现如今基于虚拟化技术的云计算平台的建设也愈加完善。越来越多领域的人们开始使用云平台去完成他们的任务部署,大型的基础设施提供公司通过云平台向外出售不同类型的虚拟机租用服务来赚取利益。由于其用户的全球化,区域化趋势愈发显著,基础设施提供商近年来更倾向于将其数据中心部署在多个国家和地区。为了应对来自世界各地的用户不断增长的服务请求,很多服务提供商近年来改变了服务器自给自足的运营模式,而是通过从基础设施提供商的分布在多个地区的数据中心租用虚拟机来部署其各种类型的服务,这样不仅减少了企业初期的服务器积累及运维的资金投入,还可以获得更好的服务性能。那么,对于服务提供商来说,面对不同地区的虚拟机租用价格及用户请求响应时间的异构性,如何调度来自各个地域的用户服务请求,如何选择不同的虚拟机租用策略得到了广泛的关注。在节约服务提供商虚拟机租金的过程中,更要尽量保证用户的SLA,本文中使用用户请求响应时间来度量。服务提供商保证各个数据中心租用虚拟机均衡的负载率也可以使其更好地应对流量高峰等情况,使服务更稳定,负载率即为数据中心中被使用的虚拟机处理能力与总租用的处理能力的比值。然而,各个数据中心虚拟机的租用价格和服务能力的多样性使得此服务提供商的租金优化问题变得更为复杂。在本文中,在节约服务提供商的虚拟机租金时,建立了整数规划数学模型,其目标为最小化虚拟机租金,其中考虑了虚拟机处理能力以及价格的多样性因素。在约束限制中,不仅考虑了不同地区以及不同类型的服务请求响应时间限制还考虑了数据中心负载率均衡约束。为了解决上述租金最小化问题,本文分别提出了每个数据中心内部以及多个数据中心之间的调度算法来调度服务请求并调整虚拟机租用数量,使服务商能够节省虚拟机租金并且可以更好的应对流量高峰等突发状况。在此调度算法中,不仅有对新到达的请求的调度策略,还包含了紧急情况下的正在被服务请求的再次映射。同时,本文可以通过收集多个时间段的不同区域不同服务的请求数量,形成数据集,进而对其处理及分析,并训练出预测模型来预测接下来的时间间隔内的各个服务的请求数量,最后估算所需的虚拟机处理能力,以便提前在各个地区租用适量的虚拟机。最后,模拟了实验环境,采用真实数据集以及ARIMA预测模型进行实验,使用分析和处理后的实验数据来训练模型参数,根据预测准确率选择预测的时间间隔,进而收集多个时间段积累的数据来预测下一个时间间隔的请求数量。为了验证本文提出的服务请求调度算法TRSA的有效性,与其他两个算法进行了对比实验,并在虚拟机总租金,虚拟机租用数量和数据中心负载率均衡这三个方面对实验结果进行了详细的分析。最终可以发现,本文提出的TRSA调度算法在综合考虑了虚拟机租用价格和处理能力差异的情形下,既可以保证用户服务质量,又能维护数据中心负载率均衡,并且可以节省更多的服务提供商虚拟机租金。