在云计算中,保持服务连续性至关重要,而断电是最常见和最严重的威胁之一。为了提高断电情况下云的恢复能力,云数据中心通常部署了紧急电能供应。由于紧急供电有限,云服务供应商需要提供合理的解决方案并设计能耗高效的调度算法以保证服务的连续性运行。而现有的相关工作缺乏关于断电情况下保持服务连续性的理论研究。基于此,本文分别研究了两个不同场景下的云服务恢复/连续性问题。本文首先研究了工作负载随着网络实时动态变化的单个网络服务的场景。为了处理断电情况下数据中心的供电不足问题,本文引入了混合云的调度模型,即通过引入公有云处理部分工作负载。当发生断电时,云服务提供商需要根据当前到达的工作负载,决策工作负载的分配并动态地调整计算资源,以降低花费在公有云的成本。本文研究了这种断电情况下在线的云服务恢复问题。本文通过利用Lyapunov优化技术将长期的在线优化问题转化为一般性的优化问题。基于此,本文提出了一种基于电能感知的在线控制算法(POCA),它实现了在能耗和成本之间的[O(V),O(1/V)]性能折衷,即用大的V值控制能耗的增加以减小灾难恢复成本。仿真实验验证了所提算法具有较好的性能。接下来,本文研究了一般云数据中心部署了多个不同服务的场景。当数据中心发生断电时,云服务提供商需要确定虚拟机选择策略和虚拟机合并策略,以便使用紧急供电将其损失降至最低(或使利润最大化),同时保证服务的连续性需求。本文研究了该场景下的云服务连续性问题。本文首先形式化表达了一个目标是最大化在有限电能约束下总的服务连续性利润的优化问题。在展示问题的困难性后,本文将重点放在解决问题的近似算法的设计上,并考虑两种实际情况。首先考虑用于再分配的服务器数量充足的情况,本文开发了一个常量近似比的算法,其最坏情况下的性能在一个常数因子(≈4.5-6.4)内接近最优解的利润。接下来,考虑服务器数量有限的一般情况,本文开发了近似比大约为5.7-8倍的近似算法。通过将这两种算法组合在一起,它可以实现良好的平均性能和最坏情况下的性能下界。仿真结果验证了所提算法在最大化服务连续性利润上的性能。