日前，人们对计算能力、软件服务质量以及大规模数据量的处理要求越来越高，而现有的计算能力不能满足这些需要，于是云计算得以提出。云计算发展到今天，不论是在学术界还是在商业领域都有着非常广泛的应用。科技的发展使得现在数据量的级别从最早的GB级上升到TB级乃至PB级，因此研究出更好的云平台计算服务迫在眉睫。本文一开始对云计算的定义做了归纳，提到计算能力作为一种商品向用户提供并按使用情况收取服务费用，接着列举了云计算系统的特点以及架构，并对云计算实现的关键技术做了详细的分析，然后介绍了当今流行的云平台。为了能让本文提出的算法在云平台上模拟实验，本文还研究了MapReduce机制的原理、执行流程、 Hadoop的架构等。同时，为了比较本文提出的算法和Hadoop资源调度算法的异同，本文就当今流行的三种作业调度算法：FIFO队列调度算法、Fair公平调度算法以及基于计算性能的Capacity算法做了详细的研究，分析了每一种算法的优劣，以便同本文的算法进行更为详细的比较。分布在云平台下的节点资源数量非常巨大，这就不可避免的造成了不可靠节点资源的出现，这些节点会对应用程序的执行和调度任务产生很大的影响。在本文中，受贝叶斯认知模型的启发和社会学的信任关系模型的引导，本文首先提出了一种新的基于贝叶斯方法的认知信任模型，然后，将这种模型应用到资源调度系统中。理论分析和仿真实验证明，本文提出的方法能有效的满足云计算对节点资源的信任要求，并且牺牲较少的时间成本，确保在一个相对安全的节点资源池中执行云计算任务。