云计算能够灵活拓展以及按照用户需求提供所需资源,因此算力与储存成为服务提供商与用户进行交易的商品。由于多云环境规模高速增长,所接纳的任务以及用户数量增加,因此多云环境中的异构分布式数据中心（Distributed Data Centers,DDCs）数量不断增多。在多云环境中,对于不同地理位置的用户所提交的任务,安全性、可靠性以及任务执行时间约束是非常重要的。任务调度在多云环境中是优化任务执行性能和提升异构资源利用率的必要先决条件,在分布式数据中心环境中应对来自不同地理位置的用户所提交的任务,在不同资源需求的情况下,对任务高效合理地选择合适的数据中心负责任务执行。同时任务需要分配给适合的互联网服务提供商（Internet Service Providers,ISPs）进行任务传输,这是多云环境中急需解决的问题。随着分布式数据中心工作负载的增加,绿色计算的概念被提出,通过将绿色能源（如太阳能、风能）以及储能设备（Energy Storage Devices,ESDs）加入分布式微电网（Distributed Micro Grids,DMGs）,为分布式数据中心提供能源是近年来瞩目的研究方向。本文分别针对多云环境中任务调度和资源管理问题进行了详细的研究,并针对不同调度对象提出新的调度策略,以此组成一个完整的调度方法。本文的主要工作如下:针对故障情况的任务调度,所设置的优化目标为:在可靠性和任务执行延迟的约束下对任务的能源消耗、执行成本以及任务拒绝率进行优化。首先,针对分布于不同地理位置的异构数据中心,提出了动态调整优化目标偏好权重的任务与数据中心之间的调度策略。然后,根据上面提出的任务调度策略,考虑数据中心随机出现的机器故障及相关资源可能出现的波动,根据所设置的影响指标以及阈值,通过动态设置数据中心预留服务器比例以及对于服务器多种频率切换（服务器关闭、多级睡眠状态、服务器空闲状态、多级工作状态）的数据中心内部状态进行再分配。使用墨尔本大学研发的云计算环境仿真资源调度工具Cloud Sim进行实验模拟,实现了本文中提出的算法与基准对比算法。通过进行实验仿真得出的结果可以发现,所提出的方法能够得到更低的能源成本、更少的应用拒绝数量、更稳定的任务执行和更高的资源利用率。针对能耗感知的资源调度,所设置的优化目标为:在可靠性和能耗感知的约束下对任务执行的能源消耗以及供电中的能源成本进行优化。首先,针对可再生能源存在的时空特性,进行相应的预测。然后,根据可调度能源相关信息以及数据中心的实时负载进行异构能源的管理策略,改进Cloud Simpy进行实验模拟,实现了本文提出的联合资源调度框架（Joint resource scheduling framework,JRSF）与对应的基准算法。通过进行实验仿真得出的结果发现,该方法能够很好的适应动态变化的可再生能源以及数据中心负载,得到更低的能源消耗、更低的能源成本以及更稳定的系统运行。