基于Web的在线交互式应用是云计算领域广泛存在的一种应用,为Web应用设计高效的云资源动态调度方法是研究热点之一。本文主要针对单层Web应用设计基于按需实例和竞价实例的异构云资源动态调度方法,在满足用户响应时间约束的前提下最小化资源租赁成本。现有的容错模型提供了异构云资源动态调度的基础框架,但忽略了竞价实例的价格变化,不能保证租赁期内竞价资源的稳定性和低成本,且采用基于资源预留的直接估计方法估计系统所需资源量,容易造成资源浪费、租赁成本高。针对这些问题,本文提出了考虑竞价价格预测、排队模型及反馈控制的云资源动态调度方法。首先分析了现有的价格预测模型,提出了组合状态隐马尔可夫价格预测模型;接着分析了现有基于资源预留和排队模型的资源量估计方法,提出了基于排队模型的反馈控制资源量估计方法;然后基于现有容错调度方法,提出了基于容错、预测与最短租赁期限制的资源调度方法以及基于容错、排队与反馈控制的资源调度方法;最后基于Elastic Sim研发了云计算Web应用模拟平台,通过大量实验分析了所提出云资源动态调度方法的性能。具体如下:（1）针对单状态隐马尔可夫模型长期预测效果差的问题,提出组合状态隐马尔可夫价格预测模型。该方法通过将单状态进行组合,提高状态之间的相关性和状态的后效性,进而建立组合模型并优化,然后预测组合状态和组合观测值概率分布,计算价格波动幅度期望值,得到预测价格。基于多组竞价类型的实验结果表明,组合状态隐马尔可夫预测模型在一定程度上能有效提高长期预测精度。（2）针对基于排队论的资源估计方法没有根据系统实时性能进行调整的问题,提出基于排队模型的反馈控制资源量估计方法。该方法利用反馈控制修正排队模型误差,先根据系统中任务的实际时延与目标时延之间的偏差,通过反馈控制器计算调整因子,修正系统到达率,再调用排队模型进行资源预估。多组实验结果表明该策略能有效降低资源租赁成本,控制平均响应时延。（3）针对现有容错调度方法的不足,提出考虑竞价价格预测、排队模型与反馈控制的资源调度方法。先提出基于容错、预测与最小租赁期限制的资源调度方法,根据预测成本选择竞价类型,提高租赁期内竞价资源的稳定性、保证其低成本,同时最小租赁间隔限制避免了租赁方案频繁更新;还提出基于容错、排队与反馈控制的资源调度方法,降低资源估计误差,有效降低资源租赁成本同时控制任务平均时延。（4）基于仿真平台ElasticSim,研发了云计算Web应用模拟平台。基于维基百科访问数据和亚马逊竞价数据进行仿真,分析了本文提出的资源调度方法的性能。