摘要: 现代社会的飞速发展，也带来了云计算行业的兴起。人们越来越喜欢云计算这种新型高效和价格低廉的计算模式，而云环境下的负载资源预测和资源调度策略问题是学者一直研究且从未间断的问题。云计算系统经常会造成资源浪费，负载不均衡，而且资源利用率... 展开 现代社会的飞速发展，也带来了云计算行业的兴起。人们越来越喜欢云计算这种新型高效和价格低廉的计算模式，而云环境下的负载资源预测和资源调度策略问题是学者一直研究且从未间断的问题。云计算系统经常会造成资源浪费，负载不均衡，而且资源利用率较低的情况，这些问题目前越来越受到重视。本文将虚拟机的负载预测和虚拟机动态调度策略相结合，可以有效提高云计算环境资源利用率、解决资源浪费问题并均衡资源利用率，给更深层的研究带来一些启发。 首先，研究了虚拟机负载随时间变化的变化特性，在利用这些特性实时预测虚拟机负载值时，采取基于时间序列的ARMA(p,q)模型。根据负载序列数据和R语言估计出预估模型为ARMA(0,1,1)，并通过对残差进行模型和参数检验来验证预测模型的有效性。即可利用预测模型对虚拟机未来一天不同时间段的负载进行实时预测，为云数据中心的动态调整负载提供了科学依据。 其次，为了提高云计算环境中的资源利用率，又提出了一种新型资源利用率均衡模型和虚拟机任务分配最少时间模型。并在基本粒子群算法的基础上，对惯性权重、学习因子两种参数进行优化，得到优化后的PSO算法，并用此优化算法求解模型。 最后，利用Matlab定义两个测试函数对两种不同算法进行仿真，验证了优化后算法的有效性。然后利用CloudSim云仿真平台从三个方面验证了此算法和模型的可行性，证明了进行优化后的PSO算法能精准快速的找到最优解。 收起