随着数据密集型计算需求的快速增长,采用MapReduce框架的云数据中心日益流行。其中,能耗问题已成为基于MapReduce框架的异构云数据中心当今急需解决的问题。为了能够提供超大规模数量级的数据存储、处理能力,以及提供良好的可靠性、抗灾性和处理性能,通常将MapReduce框架部署在具有数万节点的大规模集群上,同时对数据使用副本技术进行数据冗余。虽然副本技术可以提高系统的可用性和容灾性,但它也引入诸如副本一致性、负载均衡等问题。特别是多副本意味着多份的高昂设备运营成本,这必然会对系统能效的提高产生消极影响。本文在对Hadoop的默认副本放置策略进行分析的基础上,提出了一种基于超图的数据副本节能算法。该算法通过对由服务器和任务构造的超图求解其横贯,得到集群中关于数据副本和服务器的一个良好的覆盖结果。通过数据和任务的迁移,关闭处于空闲状态的服务器节点,提高了数据中心内服务器的使用效率,进而降低系统的能耗。为了验证本文所提出的算法的有效性,我们与覆盖集发现算法CS-k进行了对比实验。实验结果表明本文所提出的算法在保证数据完整性、可用性方面具有一定的优势。在同样的运行环境下,节能效率也好于CS-k算法。