随着信息技术的快速发展和普及应用,大规模的数据处理需求日益增加,传统的并行计算机在存储空间和计算资源方面难以满足海量数据处理的需求,因此云计算技术为解决海量数据处理提供了良好的环境。MapReduce编程模型为云计算进行海量数据处理提供了新的思路,它克服了传统分布式并行程序编写复杂的缺点,提供了简化的编写方式。但是MapReduce编程模型的性能上仍然存在一些问题,因此本文从任务调度的角度对MapReduce的性能进行优化。本文研究的主要内容是:首先对云计算和Hadoop平台进行简单介绍,重点研究MapReduce计算模型和任务调度算法,在分析MapReduce调度算法不足的基础上,提出了蚁群模拟退火算法,在该算法中,以减少任务的完成时间和保证资源负载均衡为目标,根据蚁群算法构造局部最优解,将蚁群算法的局部最优解作为模拟退火算法的初始解进行全局搜索,并根据Metropolis准则判断是否接受当前解。针对MapReduce编程模型中的容错技术的缺点,本文提出引入失效恢复机制的可靠性任务调度策略,对云环境中的资源节点进行可信任度评估,建立可信任度模型,根据可信任度模型为任务分配可靠的节点,避免任务失败重新分配执行,浪费时间和资源。最后,通过仿真平台CloudSim验证了本文提出的任务调度算法和调度模型的有效性和稳定性。