云计算的出现使得按需提供服务的资源供应模式成为可能,云环境中的应用通常都是以云服务的形态呈现给云用户,而对于服务提供商来说,他们通常希望在满足用户性能需求的同时,减少资源使用成本,获得商业利润,从而形成了云服务的资源配置问题。许多已有的工作根据不同的方法对这一问题进行了研究,他们通常不考虑云服务内部的组织结构,并且大多针对动态环境中的资源配置问题进行研究,而对于由多个组件服务根据不同组合规则构成的基于服务的软件系统(Service-Based Software System,SBS)构成的云服务在云环境中初始部署时的资源配置问题尚缺乏深入研究。本文以SBS作为云服务的典型代表进行研究,针对SBS的初始资源配置问题,提出了一种基于服务选取的SBS资源配置方法。该方法将SBS资源配置问题转换成服务选取问题,使得每个组件服务拥有一个备选逻辑服务集,利用服务选取的方法确定每个组件服务最优的资源配置方案。本文将其分为资源属性分段处理、资源性能关系模型的构建、基于服务选取的SBS资源配置优化模型及求解算法三个部分进行研究。对于资源属性分段处理,本文研究了一种资源属性的离散化方法,针对不同组件服务,分析了多种资源属性与组件服务性能之间的关系,并在此基础上利用CAIM算法得到分段后的资源类型与数量组合的集合,从而为后续研究建立基础。对于资源性能关系模型的构建,分析组件服务初始资源配置阶段的特点,采用协同过滤方法对初始基准测试集的稀疏数据进行处理,然后基于BP神经网络构建资源性能关系模型,用于预测组件服务性能,得到组件服务备选逻辑服务集。基于生成的组件服务备选逻辑服务集,将SBS的资源配置问题转换成最优化服务选取问题,并利用遗传算法对最优化问题进行求解,得到最优的SBS的资源配置方案。最后本文使用一个完整的SBS实例,设计多个实验方案,验证提出的基于服务选取的SBS资源配置方法的有效性、实用性。