近年来,为了提升时延敏感型应用的用户体验,越来越多的数据存放在集群系统的内存中,从而衍生出内存集群。内存集群受到多种异构访问因素的影响,而现有调度方案通常仅考虑单一异构性因素,因此不能很好地解决内存集群中由异构访问引发的性能问题。针对上述问题,对内存集群调度方案进行研究。经分析,影响内存集群的异构访问因素至少包括数据位置(数据位于本地机架或者远程机架)、节点负载(节点处于轻载或者重载状态)以及分块状态(缓存命中或者缺失)。通过综合考虑上述三种异构访问因素,提出一种统一度量指标(访问代价)来定量评估异构访问开销。由于内存集群可能有不同的优化目标,提出三种基于访问代价的优化调度策略,即最小化访问延迟(Minimal-Latency,ML)、最小化网络流量(Minimal-Traffic,MT)以及最大化负载均衡(Maximal-Balancing,MB)。对于任一访问请求,ML的基本思想是选取正常读、磁盘读以及降级读中访问代价最小的一个;MT的基本思想是选取正常读与磁盘读中访问代价最小的一个;MB是ML的一个变种,其中磁盘读的访问代价忽略访问磁盘的时间开销。在上述三种优化调度策略的基础上,提出一种内存集群的异构感知型调度方案(Heterogeneity-aware Scheduling Scheme,HaSS)。HaSS支持两级调度优化,分块级别调度针对于每条访问请求,其支持上述任一优化调度策略;请求级别调度针对于一组访问请求,其根据访问代价来重新排序请求。此外,HaSS既支持基于混合冗余方案的内存集群,也支持基于单一冗余方案的内存集群。为了对比评估上述三种优化调度策略,HaSS调度器还部署一种缓存命中优先策略(Basic)。定量实验表明,在异构访问场景下,上述三种优化调度策略分别在访问延迟、网络流量以及负载均衡方面实现最佳性能。以验证性实验为例,ML相对于Basic减少平均访问延迟约22%;MT与Basic的网络流量同为最少;MB与Basic的负载均衡指标RSS分别为0.06与5.20,其中RSS越小说明负载均衡越好。