云计算是目前比较流行的先进计算模式,通过云计算方式可以很好的实现对服务器等各种资源的构建和整合,使得用户可以非常方便的使用海量计算和存储的资源。为了对上述各种资源进行整合及科学有效地调度,并且能够不断适应用户的各种不同需求和变化,提高用户的良好体验,需要合理分配各种资源和提供Qos保障,从这一点出发,本文提出一种基于遗传算法的虚拟机资源调度方法,旨在达到服务器负载均衡的同时尽量降低虚拟机迁移开销。针对云计算调度算法仅仅关注目前负载情况的不足,对虚拟机出现的变化以及历史的数据并没有很好的考虑,容易造成负载失衡状况,本文改进了服务器负载均衡计算方式,对目前的负载情况和历史数据进行分析,对物理节点进行虚拟化部署和虚拟机-物理机的关系建模,对服务器的负载进行数学表示,在本文中不仅仅对当前的服务器的负载进行估算,还对历史的负载数据进行分析,得到虚拟化负载约束和映射方案的模型,建立虚拟化的模型,构建云计算的系统架构。本文研究并改进云计算环境下负载均衡动态在线调度算法。在当前虚拟机资源被分配到每个物理节点时,会预先计算资源分配对系统的影响,然后优化分配策略使得系统负载最小。预先计算分配方案的过程是通过收集系统历史负载数据信息和当前负载情况,采用遗传算法来完成。该方法根据历史负载数据和系统当前负载状态,通过遗传算法,搜索出一个既满足负载变化约束同时又减少或避免动态迁移的最优分配方案。在算法效率分析中,引入负载变化率和平均负载距离,前者用来描述虚拟机负载变化情况,后者衡量全局负载均衡效果。最后用实验验证了本文算法在小规模节点的局域网环境下相比最小负载优先算法和轮转算法无论是在物理负载恒定和变化的情况下,均具有较好的负载均衡效果。同时验证了随着运行虚拟机数目的增加算法依然保持着三者中最小的迁移率。实验结果证明,所提出的算法具有很好的全局收敛性和资源利用率,可以很好的解决在云计算资源调度中出现的负载失衡和较大动态迁移开销,因此,算法是可行和有效的。