数据中心资源调度关键技术包括以下几个大的方面。

①调度策略（Scheduling Policies）：资源调度管理的最上层策略，由数据中心所有者和管理者界定。

②优化目标（Objective Functions）：调度中心需要确定不同的目标函数以判断调度的优劣。目前有性能（响应速度）、服务质量、总成本控制（耗能低）等优化目标函数。

③调度算法：好的调度算法需要按照目标函数在极短的时间之内产生优化的结果，并且自身不能消耗太多资源。一般来讲，调度算法基本都是NP-Hard问题 ^{[31, 32]} ，需要极大的计算量，而且不能通用。业界普遍采用近似优化的调度算法，并且针对不同应用有不同的调度算法。

④调度算法的系统架构：与数据中心的基础架构密切相关，目前多考虑多级分布式体系结构。

⑤数据中心资源界定及其相互制约关系：分析清楚资源及其相互制约关系有利于调度算法综合平衡各类因素。

⑥数据中心业务流量特征分析：掌握业务流量特征有助于优化调度算法。

数据中心资源调度研究热点如下。

①针对海量信息处理的Hadoop MapReduce模式：进一步改进并增强负载均衡能力和配置管理监控自动化是目前研究的热点，同时这一模式也正被其他不同领域（非大规模数据处理包括Facebook、GIS等）试用。

②数据中心虚拟共享资源的动态管理分配：目前大多数数据中心（包括IBM虚拟计算、Amazon EC2 等）的资源分配管理还是静态的，即在建立和使用数据中心资源时预先配置一定数量的设备，容易造成过度配置资源或过低配置资源两种极端情况。图2-18统计了5000个Google 服务器6个月的CPU利用率，可见大部分计算资源并未得到充分利用。因此，如何依据负载的轻重程度动态分配/释放相关资源，以达到提高资源使用效率和服务质量。并降低成本的目标是比较关键的技术。

文献[33]中讨论并提出了几种高效的动态资源分配模型方案。文献[34]中进一步提出了提高云计算虚拟实验室效能的三种技术方式；文献[35]中提出了云计算动态资源分配的模型，如图2-19所示。

③采用多级和分布式数据中心，以能源消耗效率（降低成本）为优化目标，目前多处于实验模拟阶段。

业界通常使用数据中心能源消耗指数来衡量数据中心的能源使用效率。数据中心能源消耗指数是指数据中心的总能源消耗（包括计算设备、采暖、通风、空气调节、照明和其他能耗）与其中的计算设备能源消耗之比。能源消耗指数越高越好，现实中一般取值0.8～0.9。图2-20展示了22个数据中心的能源消耗指数对比，表明大部分数据中心都需要改进能源消耗，这也是数据中心调度工作的一个努力方向。数据中心调度算法若动态按需分配和移除资源，则能在其他条件不变的情况下减少计算设备的能耗，从而提高能源消耗指数。

另外，文献[32]介绍了一种数据中心能耗的分析模型，是能源消耗的典型模型。