电信业务支撑系统是电信运营商的一体化、信息资源共享的支撑系统。随着信息需求的扩大,各大运营商为适应市场竞争的变化,正对其业务支撑系统进行集中化改造,全面提升电信运营商的服务质量。云计算作为新一代分布式计算技术,是解决大规模计算与海量存储的优秀平台。MapReduce是Google提出的一个软件架构,主要用于大规模数据集的并行运算,其中任务调度是MapReduce框架的重要组成部分,但MapReduce框架中的原有任务调度算法无法完全适应于现在复杂的电信业务支撑系统的异构环境。本文基于电信业务支撑系统的特点,对DT(Dynamic Threshold scheduling algorithm改进的动态阈值调度算法)算法做了部分改进:定义了节点特征(静态特征和动态特征),并在此基础上提出了基于BP(误差反向传播)神经网络的任务分配算法,使任务分配更合理,提高整个作业的执行效率;改进落后任务判断方法,即改变备份任务的生成条件,充分发挥了性能相对较差节点的作用,提高了资源利用率;为落后任务启动备份时,在所有备份按优先级排序的基础上,遵循数据的本地化以及节点的特征等因素,来提高备份任务的处理速度,从而缩短整个任务的工作时间。最后,通过仿真实验证明了以上三个改进算法的有效性。论文的创新在于:(1)定义节点静态和动态的特征,并引入BP神经网络算法进行任务分配;(2)改进落后任务的判断算法(3)提出基于节点特征和数据本地化因素的备份任务启动算法。