云计算(Cloud Computing)领域是当前学术界与工业界共同的研究热点,在云计算时代,用户通过云服务提供商获取服务,其服务质量(Qo S,Quality of Service)直接影响到用户的满意度,因此服务质量对于云服务系统的大规模商业应用至关重要。而基础设施即服务(Iaa S,Infrastructure-as-a-Service)云是云服务的基础服务模式,其服务性能直接影响到整个云服务系统的性能,因此对Iaa S云的服务性能分析研究就很必要,其可以用来评估云服务系统的性能并能为以后系统的性能优化提供参考依据。由于云计算环境的复杂性导致其性能分析难度高、准确率低,本文分别针对Iaa S云服务平台的基本模型、考虑处理机故障及修复情况的系统模型和并行处理及任务迁徙情况等复杂条件下的云服务模型展开详细分析。本文分析的云服务系统模型不仅考虑了服务计算节点故障与恢复机制,也考虑了服务节点并行处理任务时的负载均衡问题,从而得到了更加符合工程实际的云服务系统性能分析模型。针对需要精确地评估分析Iaa S云服务性能以保障服务质量和避免违反服务水平协议(SLA,Service Level Agreement)的要求,提出了一个利用排队网络的知识对云服务请求被处理的过程进行分析的模型。通过底层的马尔科夫随机过程概率分析云服务系统的状态变化来推算服务响应时间的分布,然后依次分析出服务请求期望完成时间、服务请求被拒绝概率、处理机负载率等性能指标来综合衡量云服务系统的性能。在实验分析阶段,利用离散事件模拟工具Sim Events对云服务请求被服务过程进行模拟,通过试验仿真获得的服务请求平均完成时间等数据与利用分析方法获得的数学结果进行比对,发现数学分析结果落入仿真结果置信度为90%的置信区间,验证了本文模型分析结果的准确性。最后针对云服务系统性能优化方面展开了一些研究,利用模拟退火算法来寻求云服务系统最优配置数据来平衡云服务系统配置成本与服务性能之间的关系,以达到云服务系统性能优化的目的。本课题在相关研究学者研究的基础上增加了更细粒度的建模条件(考虑处理机故障及修复机制、处理机并行处理任务、处理机负载均衡等情况),通过深入研究分析接近工程实际情况的云服务系统的性能以及一些性能优化方面的工作,为商业云服务系统的性能分析与优化提供了参考。