随着云计算服务的增长与互联网的发展,支撑云计算服务的云数据中心的规模不断增大,其能耗已经成为一个严重的问题,如何减少能耗成为运营云数据中心过程中的重要任务之一。云数据中心运用虚拟化技术,其能耗管理的粒度从物理机变为虚拟机。虽然物理机与虚拟机的能耗相关联,但传统的服务器能耗计量和节能方法并不适用于云计算环境中的虚拟机,这给数据中心能耗管理带来了新的挑战。在云数据中心,由于能源的低效利用、软件故障或恶意软件攻击等情况浪费了大量能量,为了更好地提升云数据中心的能效,有必要知晓虚拟机实际消耗的功耗,同时需要准确发现云计算环境下的高耗能任务与异常功耗行为。在此背景下,本文提出了一种在云计算环境中有效的虚拟机功率异常检测框架,实现了对云计算环境中虚拟机性能指标的监控与测量,并通过有效的建模技术估测虚拟机自身产生的精确功率。同时提出针对云计算环境的功率异常检测算法,从而实现对虚拟机功率异常报警。两者相辅相成,共同实现云数据中心节能。本文贡献如下:(1)提出了一种云计算环境下的虚拟机功率建模方法。为消除虚拟机功率模型对具体子组件功率模型的依赖性,并自然地适应工作负载和硬件变化,将反映虚拟机使用各种资源的指标直接与其功耗相关联;通过特征选择算法识别出显著影响虚拟机功耗的硬件性能计数器作为其指标,简化模型构建,并方便功率模型的跨平台移植;结合CPU功耗状态C-States,利用自动分段的决策树回归模型来提高功率模型的预测准确性。(2)构建了一种云计算环境下的功率异常检测算法。针对虚拟机运行过程中功耗模式多变、异常类型多样、数据无标签等情况,本文提出的算法基于聚类分析算法动态识别不同类型的虚拟机功耗模式;对各类功耗数据,利用无需任何先验知识的无监督机器学习方法LSTM学习功耗数据中正常状态下的用能规律,以重建“正常”的功耗时间序列;并通过对预测功耗与实际功耗的差值做离群分析实现异常检测。本文基于OpenStack云计算环境设计完成了云计算环境下基于功耗感知的异常检测系统,通过大量实验对处于不同负载模式与注入特定异常的虚拟机进行了测试。对于云计算环境下的虚拟机功率建模方法,实验结果表明,所提模型能够实时预测单个或多个虚拟机在各种工作负载下的功率,它们的平均相对误差分别为2.81%和4.47%,均优于传统的子组件功率模型。对于云计算环境下的功率异常检测算法,实验证明,针对云计算环境下的虚拟机功耗数据,与传统的异常检测算法相比,本算法能检测出更多的异常,同时具有更低的误报率。