本發(fā)明涉及一種基于強(qiáng)化學(xué)習(xí)的異構(gòu)MapReduce集群推測執(zhí)行調(diào)度方法，屬于大數(shù)據(jù)處理領(lǐng)域。本發(fā)明采用基于Q?learning強(qiáng)化學(xué)習(xí)的節(jié)點(diǎn)權(quán)重動(dòng)態(tài)更新方法，基于歷史信息實(shí)現(xiàn)節(jié)點(diǎn)權(quán)重的自適應(yīng)調(diào)整，有效提升了task剩余運(yùn)行時(shí)間的估算準(zhǔn)確性；對(duì)straggler進(jìn)行是否遷移的判別，需同時(shí)滿足備份task比例約束，以及遷移后的運(yùn)行時(shí)間約束兩項(xiàng)條件，straggler才能啟動(dòng)備份任務(wù)；同時(shí)結(jié)合map task快節(jié)點(diǎn)和reduce task快節(jié)點(diǎn)，這種方式提升了異構(gòu)MapReduce集群的資源利用率?；诘湫蛿?shù)據(jù)集的仿真試驗(yàn)結(jié)果表明，相比于現(xiàn)有算法，本文提出的算法對(duì)于大規(guī)模數(shù)據(jù)的處理效率明顯提升。