基础设施即服务(Infrastructure as a Service, IaaS)是云计算技术中常见的服务形式。用户可通过租赁获得IaaS数据中心基础设施的使用权,从而无须臼行建设价格昂贵且利用率极低的基础设施。但是这种服务提供模式也决定了IaaS服务供应商的经济效益完全取决于其对自身虚拟化资源的管理水平。虚拟机聚合(Virtual Machine Consolidation)是一种有效的虚拟资源优化技术。该技术利用时间序列分析法对任意虚拟机在特定时间段内的资源利用量序列进行识别。并基于资源利用量时间序列中表现出的互补特性,将可进行资源互补的虚拟机配对聚合到特定的物理服务器中。因此可极大地提高数据中心的资源复用程度,减少了服务商的管理压力和运营成本,客观上也符合低碳环保的绿色运营理念。然而,如何更有效地在数据中心运用虚拟机聚合技术,还有很多问题函待解决。其中最基本的一个问题是：如何在虚拟机聚合操作中同时兼顾服务质量与资源利用效率这两个相互矛盾的性能需求。这个问题,在很大的程度上影响了IaaS云计算数据中心的基本运行效率。针对这个问题,本文在假设能以较高的精度和置信度预测虚拟机资源利用量序列的前提下,设置了五个核心研究点：一维虚拟机的分段迭代动态聚合流程；虚拟机容量控制的融合聚合模型；基于可测物理量的虚拟机聚合潜力分析；多维虚拟机聚合研究；受限于带宽流量的虚拟机优化放置。这五个核心研究点可以进一步归纳凝练为如下三个研究方向：第一个研究方向对一维虚拟机的聚合问题进行了相关研究。其包含了本文前三个核心的研究点：一维虚拟机的分段迭代动态聚合流程：虚拟机容量控制的融合聚合模型和基于可测物理量的虚拟机聚合潜力分析。相关成果在论文第二章进行了介绍。论文首先对一种名为迭代相关匹配算法(ICMA, Iterative Correlation Match Algorithm)的现有典型纯动态聚合算法进行了相关研究。随后在本文第一个研究点内针对纯动态聚合算法的性能缺陷提出了一种算法改进方案。该方案将虚拟机按照峰值资源利用率分类后进行分段迭代聚合。其次,论文的第二个核心研究点在相关研究的基础上提出了一种结合了动态聚合模型与静态聚合模型优点的融合聚合模型。而论文对第三个研究点的研究解决了现有聚合算法无法对个体虚拟机的聚合潜力进行估计的问题。以上三个核心研究点,从不同的角度对一维虚拟机的聚合过程进行了研究。最终得到了一种一维虚拟机高效资源利用率聚合算法：分段迭代相关合并算法(Segmentation Iteration Correlation Combination, SICC,)。第二个研究方向以本文的第四个核心研究点为核心,以结合了前三个研究点的基础上构成了本论文的第三章。该研究方向针对多维虚拟机的聚合进行了研究,并基于研究成果设计了一种二维虚拟机商效资源利用率聚合机制。论文通过研究分析,指出制约虚拟机在多维度间同时进行高效聚合的关键障碍：多维度间的聚合干涉效应。为此,论文首先定义了虚拟机内维度间协同状态(Inter-dimension Collaboration, IDC),并以此为基础量化分析了维度数量限制状态下高效多维聚合的理论性能上限。论文以二维聚合环境为例设计了基于维度间协同状态分类的高效二维虚拟机高效聚合机制。在该机制下,系统内的维度间协同状态的虚拟机可采用最大资源利用率聚合算法(Utilization Maximum Consolidation Algorithm, UMCA)进行聚合。而系统内的非维度间协同状态虚拟机则可采用可接受资源利用率融合算法(Utilization Acceptable Consolidation Algorithm, UACA)进行聚合。论文的第三个研究方向体现在论文的第四章,即论文的第五个核心研究点。该方向的研究针对核心层交换机间交互流量易拥塞的问题,提出基于流量度和权重的最大流量比例算法(Degree and Weighted Maximum Traffic Ratio, DWMTR)。这是一种为虚拟机聚合算法进行配套的流量优化算法。该算法通过合理安排虚拟机在数据中心中的放置位置,在最大的程度上减小了数据中心网络流量拥塞对虚拟机聚合算法效能造成的影响。