云计算通过虚拟化技术对底层的物理资源进行整合,形成了巨大的资源池。计算中心将整合后的资源以服务的方式弹性、动态地提供给用户,使用户能够以服务访问的方式获得所需的计算、网络、存储等资源。当前,各种公有云平台蓬勃发展,针对公有云平台的各种通用资源预测策略以降低数据中心功耗、最小化代价和最大化收入等作为目标,很好的支撑了公用云平台的运营。而专用私有云计算平台(用于进行专业计算的平台,包括:气象、雷达、地震、卫星等数据的计算)上的任务一般会反复运行,区别仅在每次输入的数据集。然而,由于公有云平台考虑任务的通用性,其资源预测策略并未充分考虑专用私有云的资源需求特点,因此,在这些平台中并不能发挥有效的作用。此外,专用私有云计算平台面向专业用户,需要用户自行描述任务资源需求。但为了能够顺利的完成自身计算任务,用户往往体现出“自私”的特点,即尽可能多的申请资源,夸大资源需求量,从而可能导致其他用户分配资源量不足,造成平台资源的浪费。针对当前私有云中资源需求由用户掌控导致的资源谎报、需求夸大等问题,本文提出了一种用于进行资源需求描述的数据结构,设计并实现了能够进行任务资源需求动态测量并进行调度的原型系统。该系统起初会为任务分配较少资源,根据虚拟机监控模块获取的数据对任务资源的瓶颈做出预判。进一步根据本文提出的三种资源增长策略,把资源受限的任务迁移到拥有更多资源的虚拟机中。本文提出的等分试探求解和动态规划两种算法在虚拟机迁移次数与剩余资源量间找到合理的平衡点。测试结果表明,任务资源需求测量系统能正常识别资源瓶颈并调整虚拟机大小,而等分试探求解和动态规划两种算法在资源利用率上远远比指数增长的慢启动算法优秀,为专用私有云计算平台提供了更为合理的资源调度方法,也为优化虚拟机管理提供了新的思路。