云计算作为一种新兴的IT资源供应模式,近年来得到了快速的发展。云计算旨在低成本地为用户按需提供高质量的弹性云服务,而云服务的运营状态主要取决于能否成本有效地为其供应虚拟资源。随着虚拟化数据中心规模的增大、异构性的增强和云服务应用类型及其资源需求特征的多样化,数据中心的高能耗问题、资源动态管理问题以及应用性能与资源供应成本之间的矛盾越来越突出。为了解决这些问题和矛盾,已有的研究工作进行了大量探索,取得了较好的研究成果,但是在能耗感知的IaaS云服务虚拟资源供应、大规模虚拟化数据中心资源动态多目标供应优化、SaaS云服务请求调度等方面仍然存在不足。为此,本文针对已有研究存在的不足,围绕着云计算基础设施运营商(即IaaS云服务提供商)和云服务供应商(即SaaS云服务提供商)的成本与收益,对成本感知的IaaS、SaaS云服务虚拟资源供应机制进行了深入的研究,取得了以下研究成果：1.针对大规模虚拟化数据中心的高能耗问题,提出了一种基于离散粒子群优化能量感知的虚拟机静态放置智能优化算法。该算法首先根据虚拟机放置问题的本质特点,将虚拟化数据中心的能耗优化建模为多维可变尺寸的装箱问题；然后重新定义粒子的参数及算子,提出了一种新的二维编码方法,设计了一种基于白适应权重机制的适应度比例方法和一种能量感知的本地适应优先机制,分别用以更新粒子的速度和位置,从而有效提高了虚拟机放置优化问题的求解质量。仿真实验结果表明该算法在满足应用性能的前提下,提高了资源利用率,降低了数据中心的能耗成本。2.针对当前大规模虚拟化数据中心动态资源管理与IaaS云服务供应的多目标协同优化难题,提出了一种面向虚拟化数据中心的动态资源管理机制,并实现了其核心的两阶段资源重配置多目标供应优化算法。该算法不仅考虑了数据中心总能耗、资源利用率和系统可靠性等多个优化目标,还综合考虑了应用约束和性能约束,首先提出了一种新的混合式多目标禁忌搜索算法以获得资源重配置多目标优化的Pareto最优解集,然后利用多属性决策理论中的理想解法求出资源重配置优化问题的最终解。仿真实验对比表明本文提出的算法实现了数据中心资源的多目标动态优化供应,同时满足了运营服务的性能约束和服务间的应用约束,从而为虚拟化数据中心的动态资源管理与供应优化提供了有益的参考。3.针对SaaS云服务请求服务等级协议(Service Lever Agreement, SLA)约束与云服务资源供应成本之间的矛盾,首先对SaaS云服务请求进行建模以量化其SLA约束,然后提出了一种基于动态重用成本感知的云服务请求调度算法。该算法不仅能够根据云服务请求的个性化特征和不同虚拟机实例配置及其定价模型的特点,结合当前系统负载状况,按需租用和重用多样化异构虚拟机实例,实现云服务请求的动态优化调度,而且还能在满足云服务请求SLA约束的同时,最小化虚拟资源租赁成本,增加云服务供应商的运营利润。仿真实验结果表明本文提出的云服务请求调度算法显著降低了虚拟资源租赁成本,提高了资源利用率和SaaS云服务供应商的运营利润。