资源弹性部署是云计算的重要特征之一。目前，大部分云资源弹性部署技术仅注重快速调集资源响应负载上升以确保应用性能，而忽视低负载服务器造成的浪费。另外，典型的资源弹性部署技术常常与应用密切相关，不具备通用性。针对云计算的基础设施—虚拟化数据中心，本文设计并实现了一套兼具负载均衡和绿色计算能力的资源调度方案。该方案使用虚拟机迁移作为调度手段，具有与应用无关的优点。该方案的三个关键组成部分包括一个负载预测算法和两个资源调度算法。　　成功的资源调度依赖准确的负载预测。基于回归模型的预测算法能利用周期性，且预测精度较高。但它在预测前需要训练，计算量大，使用不便。指数加权移动平均(EWMA)算法虽然简单方便，但不能把握可预见的负载上升趋势。本文基于EMWA进行了如下改进:1）将α参数取值范围从[0,1]扩大到[0,2]，使它能捕获变化趋势;2）用不同的α分别控制负载上升和下降阶段的预测，使它具有加速预测上升和延迟预测下降的特性。实验证明该算法的负误差概率明显低于正误差，有效抑制了热点的产生，并提高了调度的稳定性。　　如果服务器各种资源使用越均衡，那么它剩下的资源的可利用性就越高。我们引入了“偏度”的概念来量化服务器各种资源使用不均衡的程度。基于此概念，我们设计并实现了偏度调度算法，在消除热点和绿色计算的过程中谨慎选择迁移方案，使服务器的偏度最小化。本文通过模拟实验和真实系统实验证明:偏度算法能合理组合资源需求互补的虚拟机，充分利用服务器资源:能有效地抑制热点并降低服务器运行的数量。偏度算法的阈值方便我们根据数据中心的实际需求在热点抑制和绿色计算之间灵活折衷。　　为研究实际的资源调度能在何种程度上接近最优，本文基于装箱算法设计并实现了VISBP调度算法。我们理论证明了VISBP算法的渐进性能比达1.5·d，其中d是我们考虑的资源种数。且每个虚拟机负载的显著变化引起的迁移数不超过七个。本文通过模拟实验和真实系统实验证明，在每轮调度中，每台服务器出现热点的概率被抑制在1.75×10-5左右，而每个虚拟机发生迁移的概率也被抑制在8×10-4附近。在1600个虚拟机、80台服务器的系统规模下，平均每轮调度时间不超过0.02秒。