随着云计算的迅猛发展,大规模数据中心被建立起来。然而这不可避免的带来大量的能量消耗,与此相关的二氧化碳的排放还会造成环境污染。应用虚拟化技术可以有效的解决上述问题。研究者们提出了各种降低能耗的云数据中心资源管理算法,但是大多数往往都忽视了用户满意度(Customer Satisfaction Level,CSL)问题。本文在充分探索不同算法的基础上,基于MDPSO(改进的二进制离散粒子群)算法的CSL-aware模型和power模型,提出了兼顾CSL和能耗的trade-off模型。接着讨论了根据成功率划分的三个感知区域,并引入了预测机制,进一步的降低冲突次数,提高了资源的利用效率。本文主要的研究工作如下:(1)构建权衡能耗与CSL的trade-off模型。尽管基于虚拟化技术的高能效研究在降低云计算能耗时取得了一定的成效,但是相关研究在提高虚拟资源能效时往往更多关注性能指标,即保证用户满意度前提下降低能耗,然而过去大部分研究主要以关注单一目标为主,然而这样的做法往往会顾此失彼。power模型主要为了降低能耗,因此就会忽视满意度。而CSL-aware模型是以降低SLA冲突率,提高用户满意度为目标,相应的能耗却会大幅度增加。Trade-off模型是以提高单位能耗的用户满意度为目标,这样就很好的达成了一个折中的方案,有效的改进了资源的利用效率。(2)设计基于成功率的预测混合模型策略。选取了两种SLA冲突率,定义了各自的成功率,以成功率作为标准划分了与三个模型分别相对应的三个感知区域,并在此基础上,加入一个加权移动平均(WMA)的预测算法预测成功率处于哪个分区。预测混合模型策略不仅可以降低冲突次数,还能够进一步提高单位能耗的CSL,而产生的开销几乎可以忽略不计。(3)验证trade-off模型和预测混合模型策略。CloudSim是一个开源的云计算模拟平台,它可以方便的在一个物理节点上对大规模的云数据中心进行模拟和仿真,为研究云数据中心的高效资源管理策略提供了极大的便利。本文在详细研究CloudSim的基础上,选取了能耗、SLA冲突率、迁移次数、启动的物理节点数等参数验证trade-off模型的效果;通过SLA冲突率和物理节点过载次数对比验证了基于成功率的预测混合模型算法的性能。实验结果显示trade-off模型和预测混合模型策略,优于单一的power模型和CSL-aware算法。