云计算是从网格计算、并行计算和分布式计算发展而来的，云计算采用虚拟化技术对数据中心的各种硬件资源进行虚拟化，形成虚拟资源池，然后动态部署虚拟资源供用户透明使用。数据中心规模的不断扩大以及用户数量的持续增加，都导致如何在海量数据中快速提取有价值的信息成为云计算首要解决的问题。本文在总结前人工作的基础上，针对云环境中基于Map/Reduce的虚拟机调度策略做出两种改进方案，一是对Map/Reduce框架进行改进，将GPU应用到Map/Reduce并行计算模型平台进行大规模数据处理，形成双层次并行处理模型，有效的加快任务的执行效率。二是结合云计算不确定性和复杂性的特点，将基于Map/Reduce的改进蚁群算法应用到云计算的虚拟机资源调度问题中，首先采用Min-min算法得出的任务预期最小完成时间，以实现最小调度时间；其次在信息素局部更新时不仅考虑到当前节点还考虑到周遭节点的信息素变化情况，加强了蚂蚁间的协作；然后在双向蚂蚁机制中根据信息素最优原则保存反向蚂蚁携带的信息；最后将需求的价格弹性应用到改进的蚁群算法中，以价格间接控制系统负载，达到用户和商家的双赢。仿真结果表明基于Map/Reduce的改进蚁群算法能够更快地为用户寻找到适合执行任务的虚拟机资源，保证用户服务等级协议，提高负载均衡水平。