为了提高经济收益和使用效率,当代数据中心普遍采用超配来部署尽可能多的服务器。然而,超配会对系统可用性造成威胁,数据中心可能会因为过载而崩溃。目前的解决方案通常专注于管理数据中心工作负载以避免负载高峰。然而这些研究都没有考虑数据中心内组件的影响,而组件故障确实会影响这些策略的有效性。同时目前也没有任何研究可以回答数据中心在给定的可用性约束下,到底可以超配多少服务器。在本研究中,我们提出了一种超配情况下量化分析多层数据中心可用性的方法。我们使用了马尔科夫链和随机回报网来模拟数据中心组件的故障和修复过程。处于上层的设备(PDU,交换机)使用马尔科夫链来建模。底层服务器被划分在两个池内:主服务器池和备用服务器池,运行着的服务器处于主服务器池,断电的服务器处于备用服务器池。一旦主池内有服务器故障,备用池内的服务器将转移到主池,故障服务器则被送去修复。随机回报网被用来建模这两个服务器池。本研究采用了Wiki和Google数据中心的负载数据来测试,并得出了数据中心超配比和可用性的关系,可以帮助数据中心运营商在满足给定的可用性约束下,选择合适的超配比。本文的主要工作和贡献如下:1)提出了一个三层模型来对数据中心可用性进行分析,分析的同时将组件故障因素考虑在内。我们使用马尔科夫链和随机回报网来模拟数据中心组件的故障和修复过程,并使用两个状态池来为服务器的不同状态建模。2)为了解决马尔科夫模型过于复杂的问题,我们采用两个随机回报网子模型来为服务器层建模。根据这些模型的组件参数、网络拓扑结构以及模型之间的状态转换,我们推导出数据中心可用性和超配比之间的关系。3)我们使用Google和Wiki的工作负载来测试,当超配比改变时数据中心可用性所发生的变化。通过评估,我们可以定量给出在不同可用性约束的情况下,适合数据中心的超配比。4)使用经典超级电容模型来为UPS建模,研究了UPS对数据中心可用性的影响,通过模拟给出了UPS存在时,数据中心可用性与超配比的量化关系。5)对分析单个数据中心的方法进行了扩展,将其应用于多个数据中心的分析。通过分析和模拟,我们得出了多个数据中心可用性与超配比的量化关系。实验结果还表明,将一定数量的服务器分布在多个数据中心时的可用性要高于将其只集中于一个数据中心时的可用性。