云计算是一种新型计算模式,通过网络对资源进行统一组织管理形成可共享的资源池,提供按需服务的资源利用方式。数据中心是云计算的物理实体,随着云计算的快速发展,云数据中心的能耗问题日益严重。云数据中心的能耗由多方面因素造成,其中,资源分配决定了物理资源利用模式和任务执行模式,从而对云数据中心的物理机能耗、网络能耗、任务执行能耗等产生直接影响。因此,如何设计高效的面向能耗优化的云数据中心资源分配机制是云数据中心研究的重要问题。针对上述问题,本文从物理层资源利用以及应用层任务执行的角度分别在物理机能耗优化、网络能耗优化、任务执行能耗优化等三个方面开展研究工作,并结合真实物理实验及理论分析的方法,提出云数据中心能耗优化机制并予以验证。本文贡献可概括为以下三点：1.针对物理机能耗优化,以在线虚拟机部署为研究对象,提出了基于资源多维性的资源利用刻画模型及基于多维度资源均衡利用的资源分配机制。首先,通过大量的真实环境实验,分析了基于多维度资源利用的物理机能耗变化情况,提出了基于CPU利用率的物理机能耗模型。其次,提出了一种基于资源多维性的物理机资源利用刻画模型,定量地描述了多维度资源利用可能产生的资源碎片及资源泄露情况。结合物理机能耗模型和资源刻画模型,提出了基于多维度资源均衡利用的虚拟机部署机制,通过优化多维度资源利用率,减少活跃物理机数量,实现物理机能耗优化。模拟实验以及对真实负载数据的分析结果表明,基于多维度资源均衡利用的虚拟机部署策略能以高资源利用率实施资源分配,并通过降低物理机能耗优化云数据中心能耗。2.针对网络能耗优化,以复合虚拟机部署为研究对象,提出了基于网络感知的有效资源分配机制,提出了基于物理机问通信连接数的网络能耗模型,并就三种不同通信模型下的数据中心网络通信,分别提出了网络能耗优化机制。首先,在物理机数量固定的基础上,针对用户请求同构的情况,提出了一系列基于递归思想的网络感知的虚拟机部署算法,并理论证明了算法的最优性,即实现网络能耗的最优；针对用户请求异构的情况,提出了一种近似算法,并理论分析了近似算法在三种通信模型下的近似度。其次,在综合考虑物理机能耗与网络能耗的情况下,分析了总体能耗随物理机数量增加产生的变化情况,并由此提出一种基于二分查找的虚拟机部署算法。实验表明,所提出的网络感知虚拟机部署策略能有效地实现网络能耗优化。3.针对任务执行能耗优化,以数据敏感型任务及数据的联合部署为研究对象,提出了一套优化的计算资源及存储资源分配机制。首先,通过真实的系统实验验证了任务的数据本地化(data locality)特征的客观性以及在优化任务执行能耗方面的重要性,并由此提出以完全数据本地化为约束的数据敏感型任务及数据联合部署问题。其次,分析了云数据中心物理机规模、物理机存储资源容量及计算任务规模的关系,该关系可以对联合部署问题的难易程度进行定性的描述。然后,理论分析了联合部署问题在不同关系条件下的可行性及难易程度,结果表明该问题在大多数情况下可被最优解,并提出了一种最优的联合部署算法。而对于无法适用最优算法的情况,提出了一种近似算法,并理论证明其近似度为2。综合理论分析及实验结果,本文所提出的计算资源及存储资源分配机制可以有效地实现任务执行能耗优化。