● 摘要
商业和科学应用对计算能力的需求，促进了大规模数据中心的飞速发展。这些发展的背后，是电能的大量消耗。在数据中心的环境中，硬件规模几乎可以无限扩展，这使得过去分散的能耗问题变成了集中的能耗问题。因此深入研究数据中心的节能问题是有重要意义的。
为此，本文提出了一个面向虚拟化数据中心的基于负载分类的资源调度算法，并在模拟环境中验证了该算法比传统的单一节能调度算法有更好的节能效果。
本文从影响调度算法的负载属性入手，结合机器学习方法，使用K-Means决策树对负载进行了合理的分类，然后通过大量实验分析总结找出了在已有多种资源调度算法中各种负载类型所最适合的资源调度算法，进而提出了面对复杂负载类型时都能保持较好节能效果的统一资源调度算法。
同时，本文探究了云计算存储能耗的刻画方法，利用系统监控的IO数据，提出了一种估计磁盘能耗的磁盘能耗模型，并通过实验证明该模型对磁盘能耗的刻画是较为准确的。此外，本文对云计算环境的其他存储方式的能耗也进行了研究。
结合实际应用，本文开发了基于CloudSim的集群能耗分析工具CloudSim-EAT，将统一资源调度算法和云存储能耗模拟功能纳入模拟框架，同时开发了用户界面，用户界面包括模拟工作流程的操作界面和整合输出信息的结果展示界面。