云计算是一种新型的商业计算模型和服务模式,它将计算、存储、内容传输、网络和应用从用户终端集中到"云端",用户只要按需付费,便可以获取"云端"资源。就目前的云运营方式来看,云的分类大致分为私有云、公有云和混合云。私有云为企业或者组织内部使用,它可以有效地控制数据的安全性,保证服务质量。公有云是以第三方提供商的方式为用户提供服务的云计算平台,拥有大规模的计算机资源。随着大数据时代的到来以及云计算的飞速发展,新兴的混合云模式具有广泛的实用价值。混合云融合了私有云和公有云的特性,不仅利用了私有云的安全可靠性、服务质量高、易于管理的特点,同时还利用了公有云的弹性可扩展性、资源规模大、按量付费等优势,突破了私有资源的硬件限制,更灵活更高效地完成大规模的峰值作业的调度。但是,混合云环境包含着大量的异构节点,不同规模的计算机集群存在明显的差异性,而且其用户数量级非常大,用户提交的任务也越来越多样化,使得在混合云环境下,满足用户多目标需求的资源调度变成一个需要大规模优化、非常复杂的问题。因此,结合用户的多目标需求,如何高效地将任务映射到合适的计算节点上,是本文研究的重点。论文针对混合云环境资源调度面临的难题,将其抽象表示为大规模异构资源上多目标优化的调度问题。首先提出了二次聚类的方法对混合云资源进行分簇,实现了资源预处理,解决了混合云环境资源的异构性问题;在此基础上,构建了资源与任务的关联模型以及多目标资源调度模型,实现了对多目标任务调度算法的求解与优化;最后,在CloudSim仿真平台建立了混合云场景,模拟了任务的多目标需求,实现了本文提出的多目标优化的资源调度算法,并通过对比实验说明了算法的优越性。本文旨在为混合云环境下资源调度提供一种可行的解决方案。