自2006年被首次提出以来，云计算已经成为IT行业中的持续性热点，它具有很高的商业价值。由谷歌提出的MapReduce云计算编程模型针对大数据集实现自动的并行和分布式计算，性能高且可扩展，已应用在Google App Engine云平台以及开源云平台Hadoop中。本文对基于MapReuce的任务调度算法进行研究，在系统的吞吐率、网络利用率以及作业间的公平性等方面改进云计算任务调度算法，并将改进的算法应用于社区自助健康一体机项目中。基于传统的加权轮转调度算法，提出了改进的加权轮转任务调度算法，在基本保证加权轮转算法原有公平性的情况下，采用了一种改进作业的数据本地性的机制。本地任务优先机制调整每个轮转周期内作业的调度顺序，优先调度有本地任务，从而提高了作业的本地性任务比例。数据本地性的提高将减少所有作业的总完成时间，因此，该算法在保证一定作业公平性的基础上提高了系统的吞吐率。通过研究影响作业数据本地性的因素，基于先入先出算法提出了一种改善数据本地性的云计算任务调度算法。考虑到在剩余任务减少过程中本地性调度概率也在逐渐减小，将本地性调度概率低于阙值的作业放入另一队列，优先调度该队列中的本地性任务，提高作业的本地任务执行比例，节省了输入数据的传输时间，从而提高了系统的吞吐率和网络利用率。本文采用基于MapReduce的Hadoop云计算平台，并在社区自助健康一体机应用上述提出的两个任务调度算法进行实验。实验结果表明本文提出的改进的加权轮转任务调度算法和一种改善数据本地性的任务调度算法调度的本地任务均比改进之前的原算法提高了约15%，作业总完成时间也都有一定的提高，改进的加权轮转任务调度算法也实现了良好的作业公平性，因此缓解了健康一体机项目云平台的网络压力，提高了系统吞吐率，并减少了应用服务的响应时间，从而提高了该项目的服务品质。