在云数据中心中,用户提交的任务往往需要对指定的数据进行分析和处理,因此大规模的数据处理问题变得越来越常见。为了提高这类数据密集型任务的运行效率,我们希望最小化任务的执行时间,因此合适的任务调度机制显得十分重要。同时,传统的只调度单一类型任务的调度策略已经不再能满足用户的需求,需要考虑如何同时调度混合任务。由于任务的执行需要依赖指定的输入数据,因此调度任务的决策是受数据驱动的。本文从数据的存储部署和任务执行时是否可以从本地读取数据这两个角度出发,提出了一种结合数据迁移的异构任务调度机制,通过提高数据读取效率以及数据本地性来降低任务的执行时间,并且可以实现同时调度系统中的批量任务和实时性任务。总的来说本文主要做了如下两部分的工作:(1)针对传统的动态随机存储器在存储数据时具有易失性的缺陷,提出了DRAM和NVM混合的存储架构,利用新型非易失性存储器NVM的存储优点,提高数据存储的安全性。在DRAM和NVM混合存储架构的基础上,对数据做出分类,并分别定义数据标签,提出了一种基于标签化的数据部署策略。本文通过对数据定义数据标签的方式来将数据部署到混合内存中,然后在适当的时机根据数据标签在NVM和内存之间进行数据迁移的操作。这种数据部署方式可以有效提高任务读取数据的效率。(2)根据任务执行时是否可以实现数据本地性,将任务执行的方式分为本地执行和远程执行,由于远程执行需要通过网络传输数据,相比于本地执行,会带来额外的时间开销,因此为了提高任务的执行效率,本文希望尽可能让任务本地执行。然后针对系统中同时存在批量任务和实时性任务的情况,提出了一种异构任务调度机制,在减少任务执行时间的同时保证实时性任务可以得到及时响应。为了进一步提高数据本地性,本文还考虑在调度任务时进行数据迁移的操作。