进入21世纪以来，地理分布式的公有云平台已成为最为普及的互联网基础设施。在云平台上部署应用服务具有投入低、性能高、可移植性强等优势，目前已成为互联网公司的首选方案。然而，在进行跨数据中心的应用部署时，由于应用实时性要求高，数据中心间流量大，以及同类应用相互竞争等原因，使得跨数据中心应用的资源管理面临着网络传输实时性难以保障，网络传输费用居高不下，以及竞争环境下资源分配方案难以制定的问题。为此，本文从面向应用实时性的跨数据中心网络流量调度技术，低传输费用的跨数据中心网络带宽管理技术，以及跨数据中心应用竞争环境下多资源管理技术，三个方面开展具体研究工作，所取得的创新成果如下：
　　首先，本文提出了兼顾公平性和截止期限保证的跨数据中心网络流量调度算法——TINA。在该方法中，首次提出了随机型流量调度的思想，与传统确定型流量调度相比，在保证数据传输请求截止期限的同时，兼顾了调度的公平性，从而有效解决了服务干扰问题。该方法由访问控制机制和保证截止期限的优先级分配机制两部分组成。前者用来决定每个待传输的请求是否可以获准发送，后者为获准发送的数据传输请求分配合适的发送优先级。实验结果表明，TINA在没有牺牲网络吞吐量、链路利用率、总体效用和请求接受率的前提下，有效地提升了公平性和截止期限保证率，同时还降低了计算开销。
　　其次，本文提出了流量信息不可知情况下具有低传输费用的跨数据中心网络数据传输机制——RIFT。通过设计请求切分机制，将长期数据传输请求分割成一系列短期数据传输请求，从而解决在跨数据中心流量信息不可知的情况下，由云租户订购分层计费的跨数据中心网络传输服务时，所产生的带宽资源超额配置问题。该机制持续在线预估短期数据传输请求的流量规模，同时为每个短期数据传输请求确定合适的截止期限和服务等级，从而实现传输费用和传输截止期限保证之间的权衡。此外，本文还讨论了云服务提供商的反制措施对该方法的影响及算法的最优性。实验结果表明RIFT最多可以为云租户降低59%的跨数据中心网络传输成本。
　　最后，本文研究了信息不完整的竞争环境下跨数据中心应用多资源分配方法，提出了跨数据中心应用竞争关系模型并给出了基于机器学习的资源分配方法。该方法首先将竞争环境下跨数据中心应用的多资源分配问题分解为多数据中心预算分配和单数据中心资源分配两个子问题，然后分别将两个子问题建模为上校博弈问题和线性优化问题，并分别求出其最优求解，从而得出部署跨数据中心应用的最优资源分配方案。实验结果表明对于在竞争中处于相对弱势的一方而言，选择放弃一些区域然后将其资源集中在一些特定区域是更好的资源分配方案。
　　综上，本文所提出的方法可以为跨数据中心应用提供网络传输截止期限的保障，降低网络传输费用，提高应用在竞争环境中的经济利益。本文方法简单、高效、具有可扩展性，且易于部署，具有广阔的应用前景。此外，本文有待对跨数据中心网络和数据中心内部网络的资源统筹管理进行深入研究，这将作为后续研究方向。