近年来，作为一种最有前途的资源共享方式，云计算引起了学术界和工业界极大的关注。云计算的出现对信息工业产生了巨大的影响。在过去的几年里，许多大公司，包括Amazon，Google，Microsoft，Yahoo，IBM和Oracle等，在世界各地部署了大量的数据中心来提供云服务。云服务提供商面临两个互相矛盾的目标，即减少云基础设施的能源消耗同时确保遵守与客户商定的服务质量（QoS）。QoS以服务品质协议的形式被定义。服务品质协议（SLA）是云服务商和客户间的一份合同，它定义了一些关键的性能指标，例如最小吞吐量和最大响应时间。一方面，减少能源消耗有助于降低云基础设施的总体拥有成本（TCO）和提高投资回报率（ROI）。然而，另一方面，违反服务品质协议可能导致用户满意度下降，并向客户支付罚金。因此，云环境下资源管理的一个重要问题是如何正确地管理云环境的物理资源，以便服务品质协议被满足，同时最大限度地降低功耗。　　在这篇论文中，我们提出了两个针对云数据中心的电源和性能的自动资源管理机制。所提出的资源管理机制能有效的降低服务器的电源消耗，同时保证托管应用程序的性能目标。　　具体来说，这篇论文的贡献如下：　　首先，这篇论文提出一个面向云数据中心计算密集型应用程序的服务品质协议感知的能效资源管理机制。该机制结合动态电压频率调节技术和服务器整合技术来自动的管理云基础设施的物理资源，以便降低云基础设施的功耗和最小化违背服务品质协议的情况发生，从而最大化云服务提供商的利润。我们结合一个单输入单输出（SISO）的控制器和一个队列网络模型来动态的调节CPU资源的分配和运行频率，从而确保虚拟化Web应用的性能目标。一个求解虚拟机放置问题的贪心算法被提出，利用虚拟机实时迁移技术来动态整合虚拟机到少量的物理服务器上，从而降低云数据中心的能耗。　　其次，这篇论文提出一个面向云数据中心多层Web应用程序的通用的电源和性能管理机制。该机制利用虚拟机资源再配置和服务器整合来改进云数据中心的能效和确保多层Web应用程序的性能目标。它由一个多输入多输出（MIMO）的性能控制器和一个能耗优化器构成。性能控制器自动的为多层Web应用程序分配多种类型的资源，以便保证运行在多个虚拟机上的Web应用的性能目标。能耗优化器负责整合虚拟机到高能效的物理服务器上，以便节约云数据中心的能耗。　　最后，这篇论文提出了一个用于求解云数据中心虚拟机放置问题的蚁群优化算法。算法的目标是找到一个虚拟机与物理服务器之间的映射，以便最小化整个服务器集群的功耗。与现存的虚拟机放置算法相比，所提出的算法将一个最大最小蚂蚁系统（MMAS）算法和一个局部搜索算法相结合来更加有效和全局的搜索解空间，从而可以找到一个具有最低电源消耗的解。