随着大数据和云计算时代的到来，如何有效的执行大规模计算任务和对这些任务分配合理的计算资源是一个极具挑战性的问题。任务调度的问题不仅仅是计算机科学领域的问题，也在其他科学领域，如人工智能领域、应用数学领域等有很大的发展空间，所以，研究高效调度系统模型来解决相关问题具有重要的理论意义。为了能够有效合理的对任务进行调度，本文对目前调度算法和调度系统做了大量的调研和分析，在原有调度架构基础上设计了调度系统模型，并在此基础上研究了资源属性选择算法。算法主要对各个执行器的资源属性进行了定义，并通过发送测试任务对各个执行器的资源属性进行定量化，确定了其适合执行的任务类型，根据基因表达式编程算法的思想建立了适应度函数，用此来减少每次任务执行所需匹配资源的时间。调度模型在原有调度架构上改进了调度策略，建立执行器资源池，并把资源属性算法添加到了调度过程中，增加了部分功能模块，改善了原有调度框架的性能。最后，通过与其他三种调度算法和调度系统的对比，发现基于并行资源属性选择算法的调度系统模型在一定数量任务的执行时间、固定执行节点的吞吐量、固定执行节点的负载程度都具有明显的优势。在实际应用方面，测试了实时处理和离线处理两种类型的任务，从实现效果上看，本论文所研究的系统模型具有良好的调度性能。