在大规模网络中高效地组织和部署资源是分布式资源管理系统所必须解决的关键问题。快速发展的互联网中的资源规模急剧膨胀，多元化网络应用的复杂性也越来越高，为了更有效的管理网络资源以提供高效的网络服务，各种网络计算相继诞生，如效用计算、集群计算、网格计算和新兴的云计算等。在云计算环境下，资源的种类和数量急剧上升，网络中用户规模也急剧扩大，其带来的挑战有：海量资源信息的存取；高并发的用户资源请求；大量动态资源的更新给系统带来的巨大压力等等。传统的基于集中式和层次式的资源管理系统扩展性差，难以应对新型大规模应用的需求，现有的分布式资源调度方法（例如基于非结构化分散式结构和基于结构化分散结构的资源调度方法）则难以处理高并发度的用户资源请求和频繁的资源更新。在这种背景下，本文提出了基于Key-Value Store的资源调度模型，并研究了基于Hash技术的区间划分调度算法及算法优化问题。　　 本文提出的资源调度模型采用Key-Value Store集中存储海量资源的逻辑信息和索引信息，其扩展性好，读写效率高，并且能很好的支持并发访问，从而解决了海量资源存储问题以及高效读写资源信息的问题。同时，该模型利用构成Key-Value Store的DHTs节点来部署资源调度服务，分散了计算压力和读写压力，从而提高了系统吞吐量，降低用户请求的平均响应延迟。　　 本文提出了基于区间划分的资源调度方法，在处理用户资源调度请求时根据资源分区索引快速找到满足用户请求的资源集合，同时还可以根据资源分区索引的逻辑排序大幅度缩小资源选择的范围，从而实现了从海量资源中迅速定位和选择“合适”的资源反馈给用户。另外，该方法采用区间迁移的资源更新模式，即只有当资源的属性值超过其所在区间范围时才进行更新操作，大大降低了频繁的资源更新给系统带来的压力。　　 最后，本文对基于区间划分的调度方法中的区间划分机制进行了研究，以提高系统的稳定性和均衡性。通过分析用户的资源请求历史，调整资源分区规则，将用户的请求尽量均衡的分配到各个划分区间，同时兼顾均衡用户请求与保障资源更新效率之间的权衡。利用PlanetLab的历史统计数据进行的模拟实验显示适当的调整资源的区间划分可以显著地提高资源调度的效率。