云计算是一种新型的分布式计算模式，它将任务分布在由大量计算机构成的集群上，让用户可以依据自身需求获取计算能力、存储空间及信息服务等。它能够为用户提供安全可靠的数据中心，使用户无需担心数据丢失、数据窃取、病毒入侵等问题。云计算从技术上解决了大规模并行计算、海量数据分布式存储、海量数据实时备份以及应用高度集成等问题，并凭借其安全可靠的特点以及个性化的应用深受企业和用户欢迎。云计算的出现对于IT演进具有深远的意义，它不仅推动了企业与社会的进步，带来了新的商业契机，而且开启了更高效、更灵活、协作的分布式计算模式。Hadoop是基于Java的用于海量数据分析与处理的分布式开源云平台，它凭借着高容量和低成本的双重优势，已成为大数据行业发展背后的驱动力。Hadoop是需要运行在大型集群上，并对成千上万的任务进行调度的海量数据并行处理系统，选择合适的调度程序对Hadoop的执行能力和交互能力有着非常大的影响，因此对Hadoop调度算法上面的研究和改进工作具有非常重要的意义。本论文主要研究开源云平台Hadoop的调度算法，在广泛调研的基础上，提出负载均衡的调度算法，并在自主搭建的Hadoop集群上实现。该算法对Hadoop原有的推测执行机制进行了改进，修改任务各阶段的权值，对任务的进度值、进程速率和剩余完成时间有更好的把握。同时，通过合理设定算法参数，使系统能够找到真正的掉队任务，并在非掉队节点上推测执行其后备任务，提高系统的响应时间。该算法还可以根据网络中的负载情况，不断调整后备任务数量的上限值，避免因过度执行后备任务导致的网络拥塞，保证网络的负载均衡。为了验证算法的性能，我们搭建了Hadoop集群，并在集群上实现所提出的负载均衡的调度算法。通过大量的实验数据，对任务各阶段权值以及算法各参数进行合理设定，使算法的性能达到最优。对该算法的性能进行反复测试并与Hadoop原调度算法与LATE调度算法进行比较。实验结果表明，在异构环境下，该调度算法能够将系统的响应时间缩短10%左右，提高系统的处理效率。并且能够通过系统的负载情况动态地调整后备任务数量的上限值，避免系统资源的无谓浪费。