随着计算机技术和互联网技术的发展,各行各业纷纷向“互联网+”和数字化转型,数字信息化服务的用户量剧增,导致了各个领域的数据量呈指数式暴涨,数据计算面临着新的需求和挑战。以单一类型计算资源为主的传统计算系统平台力不胜任,无法满足日趋复杂且多变的应用需求。在此背景下,通用异构计算平台应运而生,被广泛应用于科学计算、深度学习、信号处理和云计算等领域,并取得了显著的成效。它的大规模计算资源为处理海量数据提供了硬件基础,计算资源类型的多样化使平台可以将不同类型的计算任务交付给擅长处理的计算资源。如何利用好这些计算资源来执行计算任务,以求获得最优的性能,满足用户的计算需求,对平台来说是至关重要的,而这正是任务调度研究的关键价值所在。本文对通用异构计算平台下的任务调度进行了研究,主要致力于提升任务调度中最重要的性能指标,即调度长度性能。分别针对通用异构平台的理想静态环境和实际的运行时环境两个方面,通过建立应用和计算资源模型,定义目标问题模型,然后进行理论分析和实验仿真的方式来展开研究工作。本文的主要研究工作总结如下:面向通用异构计算平台的静态调度环境,本文提出了一种通信开销敏感的启发式任务调度算法,称之为CSEFT算法。在该算法中,沿用了表启发式任务调度流程,定义了一种新的任务优先级计算方式,并使用以增加一定量冗余计算为代价来抵消更大的通信开销的思想,对部分通信开销关联的任务进行复制操作或绑定操作,以使得应用的执行获得更佳的性能。通过仿真实验,从调度长度、调度长度比、加速比等性能参数方面对比分析了所提算法和几种现有的任务调度算法,结果表明所提的CSEFT算法在这些性能上表现更优。面向通用异构计算平台的动态运行时环境,本文首先提出了一种在线调度算法,称之为ASR算法,在一定程度上缓解了运行时环境中的不确定性导致的初始调度方案的调度长度性能恶化问题。ASR算法以运行时信息为基础,通过提前预判和即时判断相结合的方式来确定是否需要对剩余任务做出调度方案调整,以保障应用的调度长度性能。基于ASR算法,本文接着提出了以在线调度为主、离线调度为辅的两阶段调度方案,以进一步提升调度长度性能。在对运行时环境中的不确定性进行描述的基础上,对所提算法和方案做了仿真实验分析,从结果可以看出本文提出的ASR算法和“离线+在线”的两阶段调度方案在运行时环境中具有较好的调度长度性能。