集群系统由于其良好的扩展性和可用性,逐渐成为当前并行计算的主要平台。随着实时应用范围的扩大,对计算机处理能力的要求不断提高,集群系统由于能够很好地处理计算密集型和数据密集型的应用,成为了解决这一问题的平台。在集群系统中,为了提升已有资源的资源利用率,调度算法的改进和优化是关键。由于实时任务有时间限制性的要求,因此为了防止系统出错而导致的任务失败,在实时任务调度算法中还必须考虑容错问题。本文在已有文献的研究基础上,研究异构集群中对于有服务需求的实时任务的容错调度算法,以提高集群系统的整体性能。已知的实时调度算法可以分为静态调度算法和动态调度算法两种。静态调度算法主要调度状态预先已知的任务,动态调度算法主要调度动态地到达的状态预先未知的任务。静态调度算法可以在编译时期实施完毕并且效率较高,主要用于调度周期性的硬实时任务；动态调度算法的灵活性更好,应用更加广泛。本文介绍了经典的静态调度算法及其扩展算法,还介绍了动态调度算法中任务的安全需求模型,系统的可靠性模型,以及系统的可获得性模型等研究内容。由于容错技术是实时任务调度算法的基本要求,本文介绍了Primary/Backup容错技术在调度算法中的应用。本文研究的调度算法是一种动态的调度算法。在基于异构集群平台上,为了处理有服务需求的实时任务,如具有安全需求或质量需求等服务需求的任务,本文采用Primary/Backup容错技术,综合考虑了任务的时间限制、任务的服务需求、系统整体性能等方面,提出了一种灵活的自适应容错调度算法SAOL。该算法在尽量满足系统对任务的调度成功率的基础上,根据系统的负载情况自适应地改变任务的服务级别。同时,为了减少容错技术带来的资源分配冗余,算法中还包含了PB和BB两种重叠技术,力求最大限度地提高资源利用率。本文经过模拟实验,将SAOL算法和已有文献中的算法做比较分析,实验结果表明SAOL算法具有更好的整体性能和调度灵活性。