数据中心,作为支撑大数据处理和云计算平台的核心,通过网络向企业和公众提供多种服务,从高性能计算、海量数据存储到各类互联网服务。随着互联网和信息社会的进一步繁荣,特别是云计算的提出和发展,现代化数据中心的规模也以数以万计的速度扩张。互联网服务负载的高动态性,Web应用架构的日益复杂化以及服务器虚拟化后带来的资源竞争,这些都对数据中心性能的高效率管理提出了挑战。此外,随着能源成本的不断增长和不容忽视的环境问题,构建绿色数据中心已成为了一个迫切的议题。本论文以此为依据展开相关研究工作:首先,分析和总结当前数据中心在资源管理和节能方面的研究现状;然后,围绕数据中心在资源管理和节能方面的自适应绿色控制技术进行深入研究;最后,依托与中科院光电技术研究所的合作项目,在对自适应光学系统进行仿真建模的基础上,将自适应绿色控制技术应用到自适应光学仿真系统(Adaptive Optics Simulation System,AOSS)延迟误差控制和并行化计算的研究当中。论文的主要创新点包括:1.针对已有数据中心管理方案,将性能和能耗作为两个重要指标分别进行控制的现状和传统节能方案不能直接适应于虚拟服务器环境的缺点,基于自适应控制理论和动态电压调频(Dynamical Voltage and Frequency Scaling,DVFS)技术,提出了一种新型二层结构的虚拟服务器控制框架,来解决服务器性能和能耗的协同实时控制问题。该框架第一层采用多输入多输出(Multi-Input-Multi-Output,MIMO)控制策略来维持不同虚拟机(Virtual Machine,VM)之间的负载均衡,以使不同Web应用的响应时间接近一致;第二层通过动态调节服务器的物理频率,来达到节能的效果。实验结果表明了所提出控制框架的有效性。2.针对运行在同一服务器上的多个虚拟机之间存在资源竞争的问题,区别于已有的服务器建模方法,在建模过程中未考虑到真实Web服务器在运行过程中存在不确定扰动现象,在这里将Web服务器系统看作是离散随机时变系统,形式化为耦合的MIMO控制问题,并使用时变ARMAX模型(Autoregressive movingaverage model with exogenous inputs)来进行系统建模。实验结果表明了模型的有效性,并且模型精度要优于已有的ARMA模型。3.针对虚拟服务器在处理动态负载时,需要对性能和能耗进行在线实时控制的要求,基于鲁棒自适应控制理论,提出了一种能耗感知型虚拟Web服务器资源控制策略,用来解决已有资源控制策略严重依赖于基于特定负载的离线模型,不适用于处理动态负载变化的缺点。该策略采用带有随机方法的自适应线性二次型控制算法(Adaptive Linear Quadratic Gaussian with Stochastic Method,ALQGwS)来计算最优资源分配方案,其最大的优点在于对所建立的ARMAX模型进行随机离散化处理,把对最优资源分配方案的求解建立在适用于模型集合所有成本函数的平均性能上。在采用Xen虚拟化技术的服务器虚拟化实验平台上,对控制策略性能进行测试。实验结果表明:在动态负载情况下,该策略在保证各Web应用性能的同时,可以最大限度地降低系统能耗,与已有控制方案相比,表现出更好的控制稳定性和控制精度。4.针对虚拟服务器集群在资源管理、性能和节能控制方面的要求,提出了一种注重节能的虚拟Web服务器集群性能随机控制策略,用来解决已有虚拟服务器集群控制方案在面对网络高动态负载和突发事件时表现出的不稳定和低效率问题。该策略采用带有约束性条件的随机线性二次型控制方法(Constrained Stochastic Linear Quadratic Control,cSLQC)来对虚拟服务器集群的性能和节能进行管理。将服务器资源分配问题看作鲁棒性动态优化问题,并针对Web服务器的特点,对Web应用的响应时间进行概率性约束,使用Semidefine Programming方法进行求解。同时,该策略集成了一个比例控制器,用来应对系统模型由于突发事件而导致的模型失准问题。通过对基于Xen虚拟技术的服务器实验平台和来自互联网真实负载数据的测试表明,相比于已有方案,该策略表现出高效性和鲁棒性的特点,并且具有良好的弹性。5.针对已有预测控制算法不能直接应用于AOSS实时计算的缺点,基于在服务器资源管理当中所提出的在线控制和负载均衡控制方法,设计了一种自适应预测控制器,用于解决AOSS性能受时间延迟误差影响的问题,实验结果表明了该控制器的有效性。同时,为了提高AOSS的计算效率,提高系统资源利用率,应用所提出的能耗感知型虚拟Web服务器资源控制策略,设计了一种基于虚拟服务器的AOSS并行运行平台。实验结果表明了该平台不仅可以保证多场景AOSS的并行计算性能,同时显著提高了服务器的资源利用率,达到了节能的效果。