负载均衡在Hadoop集群系统中十分重要，合理的负载均衡策略能提高集群的性能，同时也可以改善用户体验。Hadoop集群的任务调度策略和调度方式对负载分配有很大影响，但是目前Hadoop集群的调度方式没有考虑到负载的均衡问题。本文主要是从任务调度的角度对集群负载进行研究，在任务调度程中就考虑到负载均衡，比当集群负载已经严重失衡时再调整更有意义。本文详细介绍了云计算、MapReduce分布式计算框架和HDFS及MapReduce的Java开源实现Hadoop，重点分析了Hadoop中作业执行的过程和当前Hadoop中常见的调度算法FIFO、Capacity Scheduler和Fair Scheduler。充分利用TaskTracker请求新任务的Heartbeat信息，从任务调度的角度出发，提出了动态反馈的负载均衡调度方式(Dynamic Feedback Load Balance，DFLB)。主要是在作业执行过程收集相关信息，反馈给JobTracker，在新任务分配时利用这些信息，并在新任务执行时再收集执行信息，最终形成一个收集-反馈-利用-收集这样一个闭环。本文对集群的负载均衡情况进行了数学定义，为任务调度时任务分配情况是否合理提供了考虑和判断的依据。另外考虑到作业的公平性，在调度过程中提出了作业的动态优先级。在分析完动态反馈负载均衡的流程后，动手搭建了Hadoop集群对研究结果进行验证，对试验结果进行对比分析，结果表明DFLB调度方式可以使集群负载达到均衡状态，作业的平均响应时间较Hadoop自带的调度方式有一定的改善，充分反映了负载均衡对资源利用率和作业并行度的影响，对Hadoop云计算平台的负载均衡研究取得了有意义的进展。