随着计算机技术迅猛发展和互联网运用高速的扩展，云计算作为现在炙手可热的分布式计算模式，改变了传统互联网的服务模式。这种由大量廉价的普通机器组成的集群，可以为用户提供计算能力、存储能力和信息服务，从技术上解决了当前互联网面临的海量数据处理、大规模并行计算和多用户等问题，给整个互联网带来了革命性的技术变革。Hadoop作为一个应用广泛的分布式开源云平台具有高可靠性、良好的扩展性和低成本等优点。作业调度是影响Hadoop集群整体性能与资源利用率的一个重要因素，不仅关系着集群运行的有序性，而且是整个集群能否有效利用系统资源满足用户需求的关键。但是随着应用环境的变化，现存Hadoop的调度算法很难充分满足用户的多种需求，因此研究和改进现存的作业调度算法具有重大意义。通过认真分析Hadoop现有调度算法，提出了改进策略。⑴针对计算能力调度算法的缺陷提出一种基于优先级的计算能力加权调度算法。即根据作业的优先级和提交时间等因素来计算作业的权重，依据作业权重来排序作业队列，从而既可以避免调度陷入局部最优也能更好地满足作业的多样性服务要求。⑵综合考虑作业响应时间和任务数据本地化之间的矛盾，在延迟调度基础上对作业是否延迟调度做了进一步要求，以损失部分数据本地化来提高部分作业的响应时间。通过搭建Hadoop平台，对算法进行测试来验证算法的性能。实验结果表明基于优先级的计算能力加权调度算法提高了集群的效率并可以提前部分小作业的响应时间；对于实验延迟调度的改进算法虽然任务数据的本地化比延迟调度算法要低，但是达到了提高作业的响应时间的要求，算法的性能也比公平调度算法要好，体现了调度算法改进思想的效果。