为了充分的发挥云计算资源的使用效率,很多的研究都关注于云计算资源调度。传统的资源调度通常是根据历史数据对资源需求作出预测,根据服务器的负载情况作出调度,或者对负载均衡算法进行优化改进等。但是这种方法需要较长时间收集大量的历史数据,为了更有效的对应用进行调度,提高应用的执行效率,本文研究基于应用类型的云计算调度策略。通过对云计算中的应用进行分析,提出了应用的识别模型,将应用进行分类。在对应用进行分类后,根据应用的类别提出了相应的调度策略,实现对典型的应用调度,并在此基础上,建立了对混合应用的调度模型,实现了对混合应用的调度。最后,提出了基于应用负载的虚拟机动态调整策略,实现了基于应用负载的虚拟机资源动态调整。本文的主要贡献有如下几个方面:一、针对云平台中的应用分类问题进行研究,对云计算中的典型应用进行了特点分析,分析了CPU、IO和网络密集型应用的特点,然后根据云环境下不同类型应用对资源的消耗情况,分析不同类型应用的特点,从中找出能区分不同类别应用的主要参数,并从这些参数中提取出能代表它们的特征,根据这些特征对应用进行分类,进而建立了针对这些应用的识别模型;二、通过对CPU、IO和网络密集型应用研究,提出了相应的调度策略,有效的提高了应用的执行效率;结合不同应用的特点及典型应用的调度模型,提出了混合应用的调度框架和模型,实现了对混合应用的调度,有效了提高了混合应用的执行效率;三、针对虚拟机资源的动态变化问题,提出了针对负载预测的资源动态调整策略,该策略对系统中主要资源和应用服务响应时间进行预测,通过比较各关键资源因子的大小,发现影响系统状态的关键资源,并合理调整该资源,对资源进行适当伸缩。即当系统低载时,回收适当富余资源,减少资源的浪费;而当系统过载的时候,及时发现系统瓶颈资源,动态增加该资源,以达到提高系统性能的目的;四、针对上文提出的应用识别模型、典型应用的调度策略、混合应用的调度策略和基于应用负载的虚拟机资源动态调整策略,进行了大量的实验验证,对各个模型或策略的实验结果进行了分析,归纳并总结了实验数据所反映的情况。通过这些实验,证明了上述各种模型或策略的有效性。