云计算是目前国内外商业领域和科研领域重点研究的一种新型计算模式，它是分布式计算、并行计算、网格计算的发展，是传统计算机技术和网络技术发展相融合的产物。它旨在将多个成本较低的计算实体整合成一个具有强大计算能力的系统，向互联网上的用户提供服务。其核心思想是对大量通过网络连接的计算资源进行统一管理和调度，构成一个资源池向用户提供按需服务。因此，任务调度和资源分配成为云计算的关键技术。同时，其商业特性又决定了云计算在向用户提供服务的时候需要关注服务质量。目前的很多调度算法是借鉴网格环境下的调度策略，有很多在云环境下的调度算法也只是将任务作为一个整体考虑，并没有分析任务对资源中各个具体属性的要求。云环境下的调度更加注重满足用户的需求，有着自身的特点。而且在满足用户QoS要求的前提下，负载均衡程度的高低会影响任务执行的效率等性能。针对以上问题，本文分析了云计算环境下的任务的特点，为任务设定了七项内容，分别是任务的id号，任务对CPU、内存、带宽及数据存储空间这四种资源的需求量，还有任务的指令总条数和任务的大小。为资源节点也设定了具体的内容，分别是资源节点的id号，资源节点的CPU处理能力、内存大小、数据传输能力、数据存储空间大小以及四类资源的单位价格。然后建立了合理的QoS约束指标，将任务从用户满意度和系统负载两个方面对资源的调度作了约束。用户可以对任务的完成时间及成本约束指标规定不同的权重比例，以满足对任务调度的需求。在此基础上，提出了一种基于QoS约束的遗传算法（MQoS-GA算法），该算法可以在满足约束条件的计算资源中，为每个子任务寻找合适的资源节点，并将资源节点分配给对应的任务。最后，通过CloudSim云仿真平台的验证，实验结果表明本文提出的MQoS-GA算法能够根据时间、成本及负载三项指标的不同权重比例为任务寻找合适的资源节点，并将任务分配到对应的节点去执行。将本文的MQoS-GA算法与云计算资源调度的传统经典算法Min-Min算法的仿真实验结果比较，结果分析表明，该算法更好地满足了用户对任务的QoS约束的需求，并保证了系统的负载均衡，得到的分配方案的整体目标函数值比Min-Min算法小，呈现出较好的性能。