随着智能手机、平板电脑等随时随地访问网络工具的普及，使用流媒体应用的用户数也越来越多，流媒体服务提供商常常需要面对十万规模抑或是百万规模的大规模并发流媒体服务的挑战，传统的流媒体服务系统在服务器的I/O能力、带宽、海量存储和系统的可扩展性、可靠性和部署成本等方面都越来越无法满足日益增长的需求。而分布式存储、虚拟机和集群管理等云计算技术的发展，为应对上述挑战提供了技术支撑。本文主要工作包括以下几个方面：　　（1）设计一种基于云计算技术的流媒体服务架构。为了充分发挥云计算技术的各项优势，实现了一个高可用性、高可靠性、可扩展的流媒体服务平台架构。本文利用Xen虚拟化技术和Hadoop技术将廉价的PC机和普通的服务器部署成一个分布式服务集群。在存储方面采用Hadoop的HDFS存储技术，将视频数据以多副本方式存储在由一系列DataNode节点构成的分布式共享存储层上，同时将流媒体服务也部署在这些DataNode节点中，这种方式实现了存储与应用的结合，存储在哪，服务就在哪的方式也有效地减少了服务器读取流媒体数据的时间；并设计前端控制子系统，用来执行请求的预接入、请求的调度和资源的合理分配等，同时通过Eucalyptus云管理软件对服务资源进行动态地增减等集中式管理。　　（2）提出一种基于隐马尔科夫模型的流媒体服务资源管理方法。通过一种准确的流媒体服务状态预测方法，让系统得到最优的资源管理策略，保证用户服务和业务需求的质量，提高系统的可靠性和资源利用率。考虑到流媒体服务过程具有很强的随机性和复杂性，流媒体服务系统状态的变化过程可通过一个无后效性质的马尔可夫切换控制过程来描述，但流媒体的马尔科夫过程具有隐藏性，服务系统的状态不是与观察事件一一对应的，所以本文采用多观测特征序列的隐马尔科夫模型来对流媒体服务过程建模，并通过对模型进行训练得到优化后的模型参数，再根据训练好的模型来预测流媒体服务系统运行状态的变化趋势，最后根据预测的结果实现流媒体服务资源的提前管理。