随着硬件技术的快速发展,多核处理器越来越多地应用到日常生活、科学计算等领域中。多核处理器的性能远远超过传统的单核处理器,并且兼具了低功耗的优势。要发挥出多核处理器在硬件上的优势,需要有相应的软件技术支撑。其中,任务调度是影响多核处理器发挥其性能的一个关键点,要充分发挥出多核处理器每个内核的性能就必须有高效的多核任务调度算法。另外,在多核环境下降低内存访问开销,对于提升整个处理器系统的性能也是非常有帮助的。本文主要针对多核环境下的任务调度与内存管理技术进行研究。多核任务调度目前已被证明是一个NP难的问题,现在大多采用启发式算法或遗传算法进行求解。本文对多核处理器的动态任务调度算法进行了研究。在现有的算法中,TA算法具有较高的任务调度成功率,但在选择处理核执行任务时,忽略了处理核的利用率。在任务密集时,会导致部分核的空闲时间过长,核之间的利用率不均。针对这个问题,本文采用决策论中的多属性决策思想,对TA算法进行改进。在为任务选择处理核进行调度时,综合考虑当前处理核的动态参数信息,为任务选择综合评价值最高的处理核进行调度。通过实验证明,改进算法比TA算法以及另一种优化算法LBTA有着更高的调度成功率、处理核利用率,并且核间利用率更均衡。在多核环境下,内存作为公共资源,随着核数以及任务数的增多,资源竞争也越发激烈。现有的内存管理模型Ptmalloc、Tcmalloc、Jemalloc等在任务数过多时,内存访问效率就会有所下降。除此之外,公有资源的访问需要有相应的同步机制,在同步机制的作用下,如果单个任务频繁争夺资源,会造成其他任务长时间得不到响应,出现“饥饿”现象,就不能发挥出多核高并行的优势。本文提出了一种基于公平同步的高效内存管理模型。该模型对内存进行分级管理,采用私有无锁化思想,结合公平同步互斥算法,旨在提高内存申请释放效率,同时保证多核间内存竞争公平。最后将该模型与Ptmalloc以及实验平台自带的硬件FPA内存管理模型进行了实验对比。实验结果表明,新模型在内存访问效率以及核间资源争夺公平性上更有优势。