目前，数据中心具有强大的计算能力，静态的资源分配策略造成了其资源的极大浪费，通过虚拟化技术进行的服务聚合可以在一定程度上解决此类问题。但数据中心中大多运行的是Web应用程序，其具有负载动态变化、易产生短暂峰值及突然性的堵塞的特点。迁移虚拟机可以进一步提高资源的利用率，平衡负载。虚拟机的迁移主要是由人工手动操作的，人工迁移反应速度较慢，而且容易出错，并且缺少动态控制。如何根据Web应用的特点，进行虚拟机的自动迁移，是目前的研究热点问题之一。　　 目前自动迁移系统主要研究热点检测的问题，资源分配问题，及迁移策略等。在对上述问题及相关技术进行了研究和分析的基础上，分析其中的缺陷，提出了热点的检测标准，及基于不同目标的迁移策略，并验证了该改进方案在实际环境中的可行性，并对迁移策略的优劣进行了仿真对比。总体而言，所做的主要工作如下：　　 (1) 在数据中心中进行三种重要资源的观测和考量，为了充分解决热点检测的问题，通过周期性的收集资源的利用率，利用时间序列分析的方法，对资源的使用情况的趋势进行预测，利用资源利用率的数学期望和预测值等双重标准进行热点的判断。通过资源利用率的数学期望及预测值，对过载虚拟机重新分配资源量。　　 (2) 对黑灰盒中迁移策略进行了详细的研究，针对黑盒/灰盒迁移算法存在的迁移成功率过低，迁移次数过多，及消除热点后负载不均衡等问题，提出了启发式迁移算法Balance算法：结合了排列组合和BFD的启发式算法的思想，以降低迁移的次数，提高迁移成功率，热点消除后系统能够达到负载平衡为主要目标。同时还根据不同的需要，提出了以能耗为目标的Cost算法，它以降低物理节点的使用情况为目标，提高迁移成功率，并且在热点消除后使系统达到负载平衡。　　 (3) 实现了提出的自动迁移系统，在自动迁移系统的原型系统中证明了此系统的可行性，能够根据动态负载的变化进行自动迁移。同时针对两种不同目标迁移算法及黑盒/灰盒算法进行了仿真实验，并将实验结果进行了比较分析。验证了本文算法的有效性和合理性，并在很大程度上提升了数据中心中各物理节点的性能。