云计算概念自提出后,业界各大企业纷纷投入研究,并推出不少新兴产品,而各国政府也发布相关政策扶持本国企业,打开有利于云计算发展的初期规模。云计算技术从并行计算、网格计算、效用计算、虚拟化计算等演变而来,其采用的是按需提供服务模式,云计算的商业价值决定了如何满足用户的要求,实现资源分配最优化是云计算研究的热点。一个好的资源调度主要需要均衡各方的利益,同时由于各方利益角度不同,各种资源调度目标也不尽相同。目前云计算资源提供商的主流研究目标有：降低数据中心能耗、提高服务质量、提高资源利用率、基于经济学模型、负载均衡等。资源调度方案数据中心关键技术包括：调度策略,优化目标,调度算法,数据中心基础架构。调度策略由数据中心管理者制定,是调度管理的最上层策略。优化的目标与用户及服务商的实际需求有关,调度时根据不同的目标函数衡量数据中心服务质量,其优化目标主要有响应速度、服务质量、总成本控制等。合理地分配资源需要动态地分配云计算数据中心的物理及虚拟共享资源,不仅要考虑动态系统的性能,也要考虑数据中心成本,这就要求云计算数据中心的资源管理调度算法能够高效的迎合不同的商业需求,建立云计算数据中心平台的关键是如何动态地管理和分配资源,并能提高资源利用率。Map/Reduce是由Google提出的一种云计算编程模型,并而在云计算研究领域得到广泛的应用。Map/Reduce由两部分组成：第一部分是将用户提供的原始任务分割成多个子任务；第二部分是将各个子任务分配给虚拟资源。本文的任务调度研究内容基于Map/Reduce思想的第二部分,并且就虚拟机迁移这两方面作了工作：(1)任务调度算法优化,本文主要研究是如何合理地将各个子任务分配给虚拟资源,以提高任务的总体完成时间。首先将云环境资源建模成遗传优化和蚁群优化的任务调度算法优化问题,将任务进行分类后利用改进的遗传算法求得初始解,再将初始解代入改进的蚁群算法,求得最优解。结合遗传优化算法全局优化能力和蚁群优化算法的局部优化能力,通过Cloudsim进行仿真验证该算法的优越性,实验表明该算法收敛速度较快,能够有效地节约时间,是一种有效的资源调度算法。(2)一种虚拟机迁移技术的研究,本文提出了一种考虑多重因素的虚拟机迁移策略,以降低服务器使用率为目的,通过选择负载均衡代价最小和网络传输代价最小的虚拟机迁移策略以降低数据中心能耗。通过实验,可以得出本文策略能够有效降低网络流量和能耗,将虚拟机迁移后与迁移前的网络流量和能耗对比分析,验证的本文策略的优越性。该策略为节约数据中心成本作出了一部分贡献。