随着互联网的发展和层出不穷的各种应用,互联网产生着大量的数据,如何有效存储和处理这些大规模数据成为了一个亟待解决的问题。为了解决相关问题,运行大规模分布式计算的数据中心正在全世界范围内构建。作为数据中心核心基础设施的分布式计算框架Hadoop被提了出来。为了减少在作业执行过程中数据迁移所带来的时间开销,在Hadoop中扮演重要角色的作业调度算法尽可能将任务分配到任务所需数据所在的节点上执行,从而缩短了作业响应时间和提高了集群的性能。在保证作业公平性的前提下,由M Zharia等人提出的延迟调度算法尽可能地分配任务到任务所需数据的存储节点。但是,该算法只是根据人工经验设置一个静态等待时间阈值,不能有效适应数据中心动态的负载变化,从而带来调度算法性能的降低。本文所提出的BS-IDS算法充分考虑了影响延迟调度算法性能的数据中心负载情况、网络情况和队首作业的执行状态等几个因素,得到一个自适应的等待时间阈值。通过利用SDN(软件定义网络)对网络控制的灵活性,对数据迁移进行网络控制,避免因网络负载变化而带来的任务响应时间影响。通过实验表明,BS-IDS算法能够有效适应数据中心动态的负载变化,并且相比较于传统的延迟调度算法,在作业响应时间等方面有着更优的表现。