随着云计算的快速发展,大多数应用被配置或迁移到云数据中心中执行。各个应用所需求的资源各不相同,给云数据中心的服务质量(Quality of Service,QoS)带来了极大的挑战。随着技术的不断创新,任务处理技术已经发展的趋于完善。用户对于云服务的服务质量开始有着更高的追求。为了满足用户的QoS需求,云数据中心中需要配置大量的资源类型以及资源数量。由于云基础设施资源的不断增长,云数据中心的能耗急剧增加。如何权衡数据中心能耗以及QoS已成为当前研究的热门问题。本文主要是对QoS感知的高能效任务分配方法展开研究,目的是在减少能耗的同时,能够更好地满足用户对于服务质量的需求。主要工作包括:(1)针对当前云数据中心能耗及成本过高的问题,提出了 QoS提升的高能效任务分配策略。首先提出了云数据中心能耗与成本之间的影响关系,并且构建了一套云数据中心能耗模型。在任务分配过程中,根据任务自身需求将任务划分成不同的组别,并且考虑物理机状态,设定阈值来判断何时进行切换物理机状态的操作,从而减少物理机使用数量以及使用时间,做到最小化能耗,降低成本。最后在仿真平台上进行实验,验证所提策略的有效性。(2)针对当前研究中较少关注能耗与QoS性能指标参数数学关系的问题,提出了基于QoS的能耗模型。基于该模型提出了 QoS感知的绿色化任务分配策略。在异构的云环境中,用户提出的任务有多种类型,例如计算密集型任务、存储密集型任务等。因此,本章根据任务需求寻找合适的物理机。并且基于物理机QoS参数将任务分配到最优物理机上。为贴近实际,在模型中将能源使用效率也考虑在内。最后在仿真平台上进行实验,验证该策略在提高服务质量以及最小化云数据中心能耗方面的优越性。