数据中心能耗控制与应用服务质量(QoS)优化是当前云计算产业面临的关键问题。在保障应用QoS的前提下，优化整个数据中心资源组合与分配方式，将不同资源需求的应用程序环境(AEs)对应的虚拟机(VMs)映射到最合适的物理机(PMs)，从而提高数据中心资源利用率和应用QoS，具有重要的应用价值。　　论文在国家重大科技专项支撑下，针对高性能绿色虚拟机部署策略展开研究，提出基于QoS优化和数据中心节能的虚拟机部署模型QOES。论文将数据中心虚拟机部署问题抽象为两个约束满足问题(CSP)，第一步为特定的应用程序环境(AEs)配备合理的虚拟机资源组合(VMs)，第二步以数据中心当前监控数据为依据将第一步中准备的VMs部署到最合适的物理机上，从而实现数据中心高性能虚拟机部署的功能。论文将以上两步操作，通过形式化方法抽象为CSP求解模型，将虚拟机部署问题转化为经典CSP求解问题。实验结果表明，在保障应用QoS的前提下，能够有效地提高数据中心资源利用率。同时，模型在自适应监控数据传输与CSP求解两个方法上做出了创新，具体工作如下:　　提出了一种数据中心资源监控自适性数据传输算法PapX。该算法能够高效自适应地完成云数据中心监控数据的传输，为QOES模型提供决策依据。　　提出基于最小环切割集和零压缩二叉决策图(ZBDD)的CSP高效求解算法。论文在传统CSP求解算法的基础上提出基于最小环切割集的优化算法，将源问题划分为等价的目标子问题集合，在目标子问题中采用深搜思想进行求解，从而提高相容性检测时选择变量值对的成功率，达到加深相容性搜索深度的目的。论文引入零压缩二叉决策图，将CSP求解转化为对组合集合的相关操作，从而快速实现弧相容传播，最大程度的减少回溯次数，甚至可以做到无回溯。　　最后，介绍了论文算法在钱塘云服务管理平台（JTangCMS）上的应用，重点探讨了云主机管理模块中部署策略的设计与实现。