云计算是一种2007年才出现的新型服务模式。它的出现正在悄然改变着信息技术产业的商业服务模式。云计算通过对物理资源的整合,为用户提供了按需服务的计算能力和存储能力。随着云计算的兴起,世界各地都建立起动辄上千万个服务节点的大型数据中心。随之而来的是能量的大量耗费,数据中心的能源耗费尤其是电能的耗费,不仅提高了云服务提供商的运营成本,而且释放了大量的二氧化碳,进一步污染环境。目前,虚拟化技术为数据中心的高能耗问题提供了一种全新的解决思路。通过虚拟机在线迁移技术可以将虚拟机迁移到少量的物理节点上运行,从而达到降低能耗的目的。但是,虚拟机在迁移过程中,会降低服务性能,出现服务器过载的情况,影响用户的用户体验,从而影响云服务提供商的经济收益。针对以上问题,本文提出了一种云数据中心的虚拟机节能调度算法,该算法同时兼顾了数据中心的能量耗费和虚拟机的频繁迁移问题。一方面,通过利用虚拟机的在线迁移技术,整合现有资源,提高资源利用率从而降低数据中心的能量耗费。另一方面,本文提出的算法能够缓解虚拟机频繁迁移的问题,从而保证了用户的服务质量。本文的主要工作和成果如下:首先,本文使用遗传算法解决数据中心的高能耗问题。针对数据中心的不同服务器构成,本文设计了一种带区域的通用染色体结构,将虚拟机的迁移限制在同构物理机之间,进而计算出较为节能的虚拟机-物理机映射方案。其次,运用前面提到的算法计算出目标配置方案,为了得到从原始配置方案到目标配置方案的具体迁移过程,该过程要求该过程中虚拟机的迁移次数最少。本课题将迁移过程转化为求图中的最大加权独立集问题,设计了贪心算法计算虚拟机的具体迁移过程。最后,通过利用采集现实中虚拟机负载的真实数据,利用Cloud Sim云计算模拟平台对本文提出算法进行试验验证。试验的结果表明,本文提出的算法能够有效地降低能耗,同时避免虚拟机的频繁迁移。