随着CG技术的高速发展,越来越多的3D动画作品出现在大型的电影、卡通、电视和广告媒体中。2009年底上映的一部3D电影《阿凡达》,吸引了全球众多影迷的眼球,打破了由《泰坦尼克号》保持的全球票房最高纪录,掀起3D电影制作的高潮,带动了CG产业蓬勃发展。　　 然而,3D动画制作的要求越来越高,普通单机动画渲染速度慢的瓶颈问题日愈突显,为此,集群渲染技术应运而生。为了充分发挥集群渲染的优势,需要对集群环境下的渲染计算资源进行高效的管理。在此研究背景下,本文着重研究集群渲染系统作业管理的资源筛选和作业调度,根据集群渲染的特点,采用Hadoop分布式集群计算框架,统一管理集群中的软硬件资源,保证渲染任务的合理调度,提高系统利用率和吞吐率,进而有效的提高渲染服务质量。　　 本文首先给出研究背景和意义,分析了集群渲染相关技术发展现状,讨论了集群系统的体系结构和集群系统作业管理的需求、结构、流程及作业调度策略；探讨集群渲染系统的建立流程、设计原则、渲染流程及特点。　　 在此基础之上,着重研究集群渲染系统的作业管理问题,探讨典型作业调度策略和集群渲染作业调度策略,确定执行渲染任务的资源需求,分析引起集群渲染负载不平衡的因数,并根据集群系统的负载平衡相关技术以及集群渲染自身的一些影响和制约系统并行效能的关键因素,结合资源的QoS,采用基于减聚类的BRF神经网络算法对渲染资源筛选进行优化,并通过采用基于动态反馈的负载平衡策略,对集群渲染系统作业管理中的资源性能负载平衡和渲染任务的负载平衡进行优化。最后借助Hadoop分布式集群计算框架,设计集群渲染平台,实现集群渲染系统作业管理的优化策略,最终得到优化后的实验结果。　　 本文通过渲染资源筛选策略,并动态反馈机制之上,对渲染计算节点性能负载和管理节点负载,采用动态反馈策略,具有一定的优化作用,动态监测负载信息,并对监测周期内的负载量进行调整,进而提高计算节点的CUP和内存利用率,改善集群渲染的服务质量。