Internet计算环境，其资源总是有限的，而每个任务/服务都有其特定QoS特征的资源需求。因此无法同时为任意多个用户提供其满意的QoS服务。独占资源虽然服务质量最高，但是资源的利用率极低，大量的资源共享与复用虽然利用率上升，但是单个服务的QoS则会下降，在极端情况下甚至导致整体利用率下降。因此，确定合理的并发服务数量是资源利用率与承诺QoS之间的折衷。接纳控制(AdmissionControl)则是实现这种平衡的关键机制。 随着Internet的发展，Internet应用的瓶颈开始向服务器端转移。相对而言，ISP(InternetServiceProvider)对其所有的主干网络具有完全的控制能力，因而能够向客户提供基于网络的服务水平协定SLA(ServiceLevelAgreement)的质量保证。而在服务器群端，涉及到的QoS控制技术的因素众多，包括网络、CPU、内存、异构平台(操作系统、应用服务器)、具体应用特征等等，通常没有一个通用的接纳控制模型来解决这个问题。 因此，首先我们的研究主要集中于典型的两类Internet服务的服务端接纳控制问题，Web应用与流媒体服务。每一类Internet服务都有其访问/服务的特点，本文则采用了控制理论的黑箱方法来研究。将一个服务节点看作是一个黑箱，它对外提供某种服务，不考虑其内部的实现，而是通过研究输入、输出特征以及相应的QoS水平之间的关系，来判断是否接纳、且评估系统的容量(负载程度)。该方法包括的核心的工作包括两个部分：1)时间窗口的测量机制，测量输入、输出的所达到的QoS参数；2)基于该参数建立模型，通过分析抽象出目前节点的服务能力及状况。 Web应用，其特点是高突发性，访问量巨大，但持续时间极短，并且用户对延迟异常敏感。本文研究发现，服务响应延迟(ServiceResponseDelay，SRD)可以做为客户端和服务器端一致认可的对服务端提供的某类服务的高级的抽象的服务状态描述。它既能精确的反映系统的负载状态，也能确定用户感知的服务水平。本文提出并实现了一个自适应的预测控制算法，最终确保用户感知的QoS。 流媒体服务，对资源以及实时性的要求很高。本文研究发现，对于编码速率相同的访问，其汇聚在时间窗口内的流量数据集，分布满足正态分布，且满足某阈值的概率分布在系统进入过载时将异常变化。据此，本文提出了一个自适应控制概率分位点来控制过载的接纳控制算法，同时将该算法扩展至多速率组合情形。 实验表明，上述方法对服务端提供服务的QoS控制非常有效，能够达到利用率与QoS控制水平之间很好的折衷。 其次，随着Internet资源的增多，Internet面临的最大的问题之一是如何将这些资源有效的集成。据此提出了相应的Grid、WebServices架构。然而，对于参加此架构的基本点一提供服务的节点，目前却缺乏服务端的QoS框架模型。本文针对目前的服务特点，提出一个基于服务类的服务端QoS框架，该框架的特点是对外以统一的服务来描述节点的内容、能力、调用、协同，对内则建立从资源到服务的层次控制结构。 最后，在863项目《流媒体服务网格NDSSG》中，其提供具体流媒体服务的节点上，完全实现了该QoS框架与流媒体接纳控制算法，收到了很好的效果。