近年来,云计算已经融入到计算机技术的各个领域,它与5G、物联网、移动互联网和大数据分析等都有相当紧密的联系,是未来信息产业的重要支撑和关键性技术。随着云计算的不断发展和壮大,底层的基础设施规模也日益增大,如何在具有动态性和异构性的云计算环境下,合理有效的调度各个节点的资源,以保证每个用户的需求,提升系统的资源利用率,并尽可能的做到各节点的负载均衡,已成为云计算领域研究的一个重要问题。针对以上问题,本文基于目前主流的开源云计算平台OpenStack,对OpenStack云平台的资源调度机制进行研究,论文的主要工作如下:1.针对OpenStack在虚拟机的资源映射和虚拟机迁移方面存在的不足,提出一种基于OpenStack两阶段的资源调度模型OTRSM,该模型将OpenStack的资源调度分为虚拟机映射和在线迁移两个阶段,通过两阶段的调度减少物理主机的使用个数,使OpenStack平台中主机的物理资源得到充分利用,有效地减少了物理资源浪费。2.在虚拟机的映射阶段,提出一种基于改进量子粒子群的映射算法AQPSO-M。该算法根据粒子当前位置和全局最优位置的关系,采用自适应调整收缩-扩张因子和粒子权值的方法,提高了算法寻找最优解的能力。经过算法仿真,在保证满足用户请求的前提下,该算法能够提高资源分配的效率,降低系统能耗。3.在虚拟机在线迁移阶段,提出基于最小负载压力优先的在线迁移算法MinLPF-LM,算法从物理主机节点的负载体积及各维度资源使用均衡度两个维度出发,来度量主机的负载压力。通过寻求当前物理主机节点中负载压力最小的节点并进行虚拟机的迁移操作,实现物理主机节点间的负载均衡以及主机各维度资源使用的均衡。实验测试表明,MinLPF-LM算法能够很好地均衡物理主机节点资源负载,能有效提高整体资源利用率。综上所述,本课题从主机节点的负载压力、物理主机资源使用的均衡度和能耗这三个方面对OpenStack现有的资源调度机制进行优化,使OpenStack平台的资源调度更加合理有效,具有较好的实际应用意义。