云计算的出现改变了传统的IT服务模式。通过虚拟化技术,云计算将大量的物理资源组成虚拟化资源池,用户可以随时随地按需获取计算、存储、网络等资源服务。由于其管理灵活,易于扩展,弹性计算等特点,越来越多的企业正逐步将自己的服务迁移至云计算平台,这样既提高了硬件资源利用率,同时也降低了企业的维护成本。随着云计算的发展和云服务的普及,云数据中心资源的异构性和云用户对资源需求的多样性给云平台的资源管理带来了巨大的挑战。如何在复杂的云环境下合理的分配资源给用户,这是云计算技术研究的一个重要课题。云计算中心的虚拟资源主要以虚拟机的形式组织和分配,因此,虚拟机的调度成为了研究的核心。虚拟机的调度对资源利用率、系统能耗、负载均衡以及用户服务质量等多方面产生影响。因此,虚拟机的调度策略需要考虑多方面的优化目标。虚拟机的调度可以分为虚拟机的分配和虚拟机的迁移两个方面。对于虚拟机的分配,可以描述为虚拟机与物理机的关联映射。如何在保证多方面优化目标的前提下找到多台虚拟机与多台物理机之间的最佳映射,这是虚拟机分配策略需要解决的问题。本文针对物理资源平衡度和系统负载均衡两方面的优化目标,建立了物理资源剩余模型和系统负载均衡模型,设计了基于粒子群算法的虚拟机分配策略。利用CloudSim仿真软件对算法进行了实现,并与First-Fit、Best-Fit算法进行了对比,验证了本文算法的有效性和算法性能。由于云平台的动态性,系统负载会随着平台上服务的运行而发生变化,所以需要通过虚拟机的迁移技术来对云平台进行动态调整。对于虚拟机迁移策略的设计,本文主要从迁移的三个过程考虑,分别设计了迁移触发策略、虚拟机选取策略和目标主机选取策略,并将用户服务质量和系统负载均衡作为优化目标。最后,本文以当前最流行的开源云平台OpenStack作为平台环境,分析了其虚拟机调度策略的原理,并将本文设计的基于双限阈值的虚拟机迁移策略扩展到OpenStack云平台中,实现了OpenStack云平台对虚拟机的自动化迁移管理,优化了OpenStack的虚拟机调度策略。