由于其巨大的能量消耗和持续不断的发展，数据中心的能效问题已经成为当前信息技术领域研究的一个热点。基于动态速率调节、休眠模式的高能效资源调度，以及虚拟化和云计算环境中的资源调度是近年来出现的降低数据中心能量消耗的常用技术，受到了广泛的关注。但是降低数据中心能量消耗与保障应用性能之间存在权衡关系，而保证应用的性能对数据中心的收益至关重要。因此研究高能效资源调度，以及虚拟化和云计算环境中的资源调度，对降低数据中心能量消耗与保障应用性能具有重要的意义。　　本文主要关注降低数据中心能耗与提高系统性能的资源管理与任务调度，研究了任务具有资源适应性限制的能效最优化调度算法、提高服务质量的虚拟机聚合调度方法、以及联合优化云数据中心能效和性能干扰的虚拟机调度算法。算法分析和实际运行结果表明，所提出的算法及优化技术能达到降低数据中心能量消耗和提高系统性能的目标。本文的主要贡献包括:　　针对任务只能在部分服务器节点上运行，并且有最晚完工时间约束的问题，本文研究了任务具有资源适应性限制的能效最优化调度算法。该任务的节能调度可以转化为如何将任务安排在满足条件的服务器节点上，并设置最优的服务器节点运行速率。当服务器节点的速率可以在一个区间上任意取值时，本文对于任务具有相同工作量的情况，提出了最优的调度算法;对于任务的工作量不相同的情况，证明了该问题是NP完全的，并提出了相应的近似算法。实际运行结果表明，该算法优于目前主流的最少适应任务优先和最少适应服务器节点优先算法。　　把前述的问题扩展到服务器节点速率只能在有限个数的离散集合里取值，本文研究了其近似算法，并给出了算法的近似比。　　本文综合考虑了数据中心的能量消耗和应用性能，提出一种虚拟机聚合调度方法。通过设计随机规划方法解决了虚拟机在动态运行中的资源分配问题。然后根据虚拟机在多个时间片上的资源需求，设计了虚拟机动态聚合算法。最后采用PlanetLab提供的真实负载，设计实验来评估算法在节约能量消耗与保障服务质量之间的权衡作用。实验结果表明，在付出少量能耗节省的前提下，所提出的虚拟机聚合调度方法能把应用性能损失减低4倍。　　本文提出了有效的兼顾降低数据中心能量消耗与优化虚拟机间性能干扰的虚拟机部署和调度算法。通过对虚拟机间的不同组合及虚拟机间生命周期的重合进行了深入的分析，建立了能量消耗与性能干扰的整体模型。然后把虚拟机部署和调度问题形式化为一个优化问题，并且证明该问题是NP难的。当所有虚拟机到达时间的信息都已知时，提出了离线的高能效虚拟机部署和调度算法。当扩展到虚拟机动态到达的情况时，提出了相应的在线算法。而且利用云数据中心资源预留等特点，进一步改进了在线算法。同时，为了降低大型数据中心中收集信息的时间，提出了一种分布式的实现方式。在实验中，本文提出的虚拟机部署和调度算法能有效地降低数据中心应用间的性能干扰，同时优化了数据中心能效与性能干扰的总体代价。