近年来，随着云计算产业的蓬勃发展与日益普及，其核心支撑系统—数据中心也在全球范围内得到了大规模的建设和运营。这些部署在全球不同地区的跨域数据中心的能源消耗正在不断攀升，并引发了高昂的能耗成本与大量的二氧化碳排放。在当前云计算市场竞争日益激烈、全球能源资源日益紧张、气候环境日趋恶化的背景下，如何高效管理跨域数据中心的能效这一问题已经引起了各国政府、大型企业及研究机构的高度关注。　　为了应对上述问题，当前的研究主要通过降低数据中心能耗来促成节能减排的效果。然而，对跨域数据中心而言，由于电力能源的碳排放率在时间和空间两个维度上存在动态差异性，因此节能并不意味着减排，这表明能耗与碳排放需要被协同优化。为了进一步降低数据中心碳排放，可再生能源已经被广泛应用于数据中心供能，然而，对于燃料电池这一新兴可再生能源而言，如何在跨域数据中心最大化发挥其能效优势仍然是一个开放性前沿问题。此外，在降低能耗成本这一方面，能源市场的需求响应机制为数据中心带来了新的机遇，然而如何设计高效的需求响应机制来促进跨域数据中心的参与是能耗市场急需解决的问题。最后，随着大数据时代的到来，数据中心间大量频繁的数据移动使得数据中心间异构广域网成为了新的能效瓶颈，广域网络能效管理的重要性已日益凸显。针对上述新的机遇与挑战，所提出细粒度能效管理方案将跨域数据中心的能效管理从“能耗――性能”的二维范畴扩展到“能耗――碳排放――性能”的三维范畴，并分别从能耗与碳排放的协同优化、新兴可再生能源的高效利用、能耗市场的经济激励机制和数据中心间广域网络效能优化这四个切入点针对跨域数据中心的能效管理问题展开了研究，具体包括以下四个方面。　　基于碳排放感知的跨域数据中心在线优化体系。针对若干代表性云服务商如Google、Microsoft、Facebook等运营的跨域数据中心进行的电价与碳排放实证分析揭示，跨域数据中心的能耗成本与碳排放这两个目标相互冲突。这一规律表明，对于跨域数据中心而言，其碳排放应该通过优化利用二氧化碳在全球不同区域产生率的时空差异性来进一步被降低。为了权衡上述两个目标，综合考虑云服务的能耗成本、响应时间与碳排放之间的多路平衡优化模型被建立。进而，运用理论严密的李雅普诺夫优化方法设计并分析了基于碳排放感知的跨域数据中心最优在线控制体系，具体包括：（1）跨域数据中心之间的负载均衡策略；（2）各数据中心内部的服务器状态调度策略；（3）服务器CPU计算速率的动态控制策略。该在线控制体系不仅能够最小化云服务的长期能耗成本，而且能够在满足云服务的实时响应性能需求的前提下，确保云服务的长期碳排放总量处于给定减排目标范围之内。　　燃料电池在跨域数据中心的优化利用机制。基于可再生清洁能源的燃料电池目前正越来越广泛地应用于大规模数据中心的供能方案。然而，燃料电池究竟能为云数据中心带来多大的优势以及如何真正发挥其优势，仍然是数据中心面临的开放性问题。为了量化建模了燃料电池为地理分布式云服务带来的优化空间，并揭示了如何智能协同燃料电池和传统电网以达到能耗成本、碳减排、负载性能的多目标共赢，能够统一权衡和量化评估云运营商在能耗成本、碳排放以及响应时间三个关键方面综合效能等级并考虑燃料电池的多目标云服务能效指标UFC(Utility of Cloud Using Fuel Cells)被提出。UFC最大化问题被建模成一个包含燃料电池输出量和地理负载分发决策两方面变量的凸优化问题。为了克服集中式控制算法高复杂性和低扩展性的不足，所提出的优化策略运用交替方向算子法设计了新颖的分布式控制算法来求解上述UFC最大化问题。　　面向数据中心与智能电网协同合作的需求响应拍卖机制。为了有效激励跨域数据中心最大程度地发挥需求响应潜能，从而促进跨域数据中心与智能电网的双赢局面，面向跨域数据中心与智能电网协同合作的需求响应拍卖机制被提出。该机制首先建立了综合运用两种典型需求响应策略，即前端交互式作业的跨域负载均衡以及后台批处理作业的灵活调度的拍卖模型。不同于传统的虚拟机拍卖或频谱资源拍卖等模型，需求响应拍卖模型中竞价者的估值函数天然地不满足单调性条件，这使得近年来提出的拍卖机制均无法应用。为此，所提出的新机制通过Vickrey–Clarke–Groves方法计算每个区域电网的实际支付，从而确保拍卖机制的激励相容性。为了克服集中式求解算法高复杂性和低扩展性的瓶颈，所提出的新机制运用凸优化理论中的邻域雅可比交替方向算子法，设计了新颖的分布式算法来求解各个区域电网的实际支付。　　面向跨域大数据处理的广域网络效能优化机制。不同于传统的计算密集型应用，跨域大数据处理这一网络传输密集型新兴应用的性能与成本（含能耗成本、带宽成本）主要在于数据中心间的网络传输，而非数据中心内部的计算，并且其性能与成本这两个目标之间存在折衷的关系。平衡优化上述两个目标需要求解一个综合考虑数据放置与任务放置的随机NP难问题。对于这一难题，所设计的调度器Mensa通过感知广域网带宽异构性来协同优化数据与任务放置，Mensa兼顾性能与成本，即同时最小作业的响应时间和跨域数据传输量。通过对数据放置和任务放置分别设计离线的启发式算法和在线的贪心算法，Mensa能够高效近似求解上述随机NP难问题。其中，优化任务放置的在线贪心算法具有可证明的性能保障，即能够保障最差情况下的中间数据跨域传输的延迟和数据传输量。