当今社会伴随计算机技术的飞速发展与互联网技术的广泛应用,云计算的商业化及虚拟化越来越成熟,同时也有越来越多的计算服务依托于云计算来实现。目前在互联网中,计算机资源成爆炸式增长。为了满足大规模计算能力和海量数据存储与处理的需求,我们依靠云计算来建立能支持资源分布式存储和集成并发计算的环境,这是一种有效的解决方案。　　 本文结合大规模的石油地震勘探数据在处理过程中对高性能计算的需求,研究云计算环境下处理地震资料数据的并行调度问题。研究目的是提高数据处理的效率,充分高效的利用云计算资源,使任务透明、方便、高效的进行提交,并且使其快速匹配、高效执行在最优的计算资源中。由于地震资料数据天然的数据可分性,数据之间联系较少,相对来讲一个数据文件并发执行的效率也会越高。所以将大作业文件放到能够恰好满足任务计算能力需求的资源结点上执行,能够最大限度的充分利用已有的计算资源。这也要求必须根据任务和资源属性作业进行划分。精确求解数据划分的最优化过程是较困难的,本文采用了改进的模糊聚类划分算法以作业与资源节点属性的匹配程度为基准进行分类划分求解。在划分完成后通过引入基于改进的贝叶斯分类调度算法将资源节点依据其实时负载情况与队列中的作业进行快速的匹配。经过实验验证,此方案具有较高的执行效率。