随着互联网和虚拟化等技术的快速发展，云计算的研究和应用发展迅猛，已经成为当前主流计算模型，为互联网服务、企业应用、科学研究等诸多领域提供多用户弹性服务。同时，云计算在应用过程中存在的问题也暴露出来，特别是“同时满足系统资源利用率与用户体验要求”的难题日趋突出，使得如何在保障用户体验的前提下优化系统的资源管理，成为当前亟待解决的重点问题。本文研究面向用户体验的云计算系统资源管理技术，围绕用户体验保障下资源调度和资源使用有效性度量这两类问题展开研究，具体的研究内容和主要贡献如下：
　　(1)提出一种面向用户体验的长服务细粒度资源扩展方法，以为长服务进行细粒度的弹性资源分配，同时保障尾延迟服务等级目标(Service Level Objective, SLO)。首先，设计基于卷积的时间序列分析算法，以挖掘长服务的时空变化模式；在此基础上，提出基于top-K的协同过滤和基于小波的聚类两种算法为长服务进行细粒度的资源预留；与此同时，设计在线资源重调配机制，以消除潜在的尾延迟SLO违规。实验结果表明本文提出的方法能够大幅度提高长服务的资源利用率，同时满足尾延迟SLO。
　　(2)提出一种面向用户体验的长服务与批处理作业资源分时复用方法，以满足长服务的尾延迟SLO，同时保障批处理作业的性能。首先，估计长服务的瞬态资源(即临时空闲资源)的回收概率；在此基础上，提出基于基数约束投资组合理论的瞬态资源选择模型，以为批处理作业选择最优瞬态资源；与此同时，设计部分检查点机制，以降低瞬态资源回收情况下批处理作业的重新计算开销。实验结果表明本文提出的方法在保障长服务的尾延迟SLO的前提下，能够大幅度降低批处理作业在瞬态资源上运行的性能损失，同时提高系统的资源利用率。
　　(3)提出一种面向用户体验的资源使用有效性评估方法，以准确地对云计算系统的资源使用有效性进行度量。首先，融合尾延迟和资源利用率，定义“资源生产率”这一综合性统一度量指标；在此基础上，建立基于马尔可夫调制泊松过程的负载分析模型，以准确地刻画负载的演化特征；与此同时，设计基于随机网络演算和效用法则的资源生产率计算模型，以量化云计算系统的资源使用有效性。实验结果表明本文提出的方法能够有效地度量云计算系统的资源使用有效性。