云计算改变了传统的计算模式,它通过与互联网技术的结合为用户提供相应的应用服务。而随着云计算的快速发展,云数据中心的也出现了一些挑战,作为建设绿色数据中心的核心问题,需要能够在确保云计算可靠的为用户提供服务的同时,通过优化数据中心的虚拟机资源的调度方式,来解决日益突出的资源利用率、能耗和负载均衡等问题,这也是能够保障未来云数据中心可持续发展的前提。同时为了提高资源的利用率,以虚拟机为粒度能够实现对资源的灵活调度,虚拟化技术可以通过构建虚拟资源池的方式整合云数据中心异构的物理资源,进而可以使用虚拟资源调度策略对虚拟化资源进行动态的按需分配,是云计算核心的技术。因此,设计行之有效的虚拟机资源调度策略成为了当前的研究热点,目的为了实现高利用率、低能耗和负载均衡的云数据中心。本文通过分析目前云数据中心存在的高能耗、低效率和负载不均衡等问题,深入学习虚拟机资源调度相关技术,展开了对云数据中心虚拟机资源放置和迁移的研究。本文的主要研究工作如下:首先,针对云数据中心能耗和服务器内部资源负载不均衡问题,提出了基于改进分组遗传算法的虚拟机放置算法。该算法通过建立了多维资源模型、能耗模型和负载均衡度量指标,在分组遗传算法基础上,采用资源利用率多维标准差控制参量,设计适应度函数引导搜索解空间,通过定义基因评估参数并结合传统启发式算法对交叉、变异等方面进行优化,从而提高搜索最优解的效率。其次,针对静态阈值的虚拟机迁移算法无法根据云数据中心的负载情况实时的降低系统频繁迁移和优化系统能耗的问题,提出基于动态阈值的虚拟机迁移算法。该算法通过对数据中心负载情况的预测动态改变阈值范围,选择合适的迁移时机、迁移对象和目标主机,结合迁移策略完成虚拟机动态迁移,从而减少服务器的运行数量,以此最小化数据中心能耗。最后,通过CloudSim云仿真平台针对于本文提出的虚拟机资源调度算法进行了相应扩展,对于算法的性能与其他调度算法进行了对比,实验表明本文提出的调度算法具有一定的可行性和有效性。