随着互联网技术的发展,SaaS(Software as a Service)作为一种创新的软件应用模式已经兴起。由于其应用领域和实现方式的不同,SaaS应用支持的用户使用行为通常具有一定的间歇性,这种间歇性使各个SaaS服务的业务高峰或低谷并不同步,造成不同的SaaS服务之间资源消耗此消彼长、不确定性较大,导致用户群在使用服务过程中QoS不稳定。然而在支持间歇性用户使用行为的SaaS资源管理的应用领域,还没有成熟的、通用的集群配置方法,也没有准确的数学模型描述,所以如何实现支持间歇性用户使用行为的SaaS资源管理已经成为学者关注的热点和亟待解决的问题。为了实现支持间歇性用户使用行为的SaaS资源有效管理,本文提出支持间歇性用户使用行为的SaaS资源管理方法这一研究课题,根据间歇性用户使用行为下并发请求数的多少,即时、动态、合理地调配资源以达到服务的性能目标和资源的节能目标。第一,提出支持间歇性用户使用行为的SaaS资源管理机制,分析间歇性用户使用行为特征,给出支持间歇性用户使用行为的SaaS资源管理过程,并描述此过程中的重要环节,如服务峰值预测、虚拟机性能分析和虚拟机启／停控制等。第二,对支持间歇性用户使用行为的SaaS资源占用量进行预测。此过程包括两部分：一是基于改进的灰色-马尔科夫模型进行单间歇性用户使用行为下并发请求数的预测；二是基于RBF神经网络进行并发请求数与资源占用量的拟合,根据预测的并发请求数进行资源占用量的预测,然后通过实验验证该预测算法的有效性。第三,采用基于同构虚拟机的SaaS资源管理方法,根据并发请求数调整虚拟机集群的规模,对支持间歇性用户使用行为的SaaS资源进行有效管理,并通过实验验证此资源管理方法的有效性。与现有的资源管理方法相比,本文提出的SaaS资源管理机制支持间歇性用户使用行为,可以根据并发请求数及资源占用情况来调整虚拟机规模,确保在资源需求高峰时的正常可用及在资源需求低谷时的节约性。