1.一种基于云计算和大数据的任务处理优化系统，其特征在于，优化系统包括：数据获取模块：用于获取用户全部进程对应的进程标识符PID、进程状态、内存参数和父进程ID，得到总进程参数；获取云计算平台中待选处理器的相关信息，得到待选信息，根据待选信息确定备选处理器序列；根据进程标识符PID和父进程ID，对进程进行筛选，得到可调参数和可调进程；根据可调参数，在备选处理器序列中确定目标处理器；

性能匹配模块：用于获取目标处理器的性能指数，计算每个目标处理器的综合性能指数；获取每个目标处理器对应的目标处理器节点数、序号和转换引擎信息，构造目标处理器的功能矩阵，记作矩阵TSC；根据每个目标处理器的综合性能指数、矩阵TSC和每个目标处理器的节点数，为每个可调进程的线程分配目标处理器；

任务匹配模块：用于汇总每个目标处理器的被分配线程，使用轮盘调度算法，为每个可调进程的线程分配执行数；

持续监测模块：用于监测用户的新添加的任务进程，并处理；

所述数据获取模块的工作流程如下：

流程A1：通过tasklist命令，获取用户全部进程的PID，记作检索PID；根据检索PID，使用readlink()函数读取/proc/[pid]/cmdline文件中全部进程的进程参数，得到总进程参数；

进程参数包括：进程标识符PID、进程状态、内存参数和PPID；

进程状态包括：运行态、等待态、终止态；

流程A2：获取云计算平台中待选处理器的相关信息，得到待选信息；根据待选信息确定备选处理器序列；流程A2包括：流程A21：获取云计算平台中，处理器状态为空闲的处理器，作为待选处理器；获取待选处理器的信息，作为待选信息；

待选信息包括：待选处理器的CPU主频、CPU内核数、CPU缓存大小和CPU制程；

流程A22：统计待选处理器的个数，记作n；将待选处理器的CPU主频、CPU内核数、CPU缓存大小和CPU制程，分别记作oMF、oMN、oMS和oML；

第1个待选处理器的待选信息：oMF1、oMN1、oMS1和oML1；

第2个待选处理器的待选信息：oMF2、oMN2、oMS2和oML2；

以此类推，第n个待选处理器的待选信息：oMFn、oMNn、oMSn和oMLn；

流程A23：定义计算式11：

MP(i)＝(oMFi*oMii*oMSi)/oMLi；其中，i表示1～n；

MP(i)、oMFi、oMii、oMSi和oMLi，分别表示第i个待选处理器的CPU综合性能指数、CPU主频、CPU内核数、CPU缓存大小和CPU制程；

将待选信息代入计算式11中，计算第1～第n个待选处理器对应的CPU综合性能指数MP(1)～MP(n)；

流程A24：将第1～第n个待选处理器，按MP(1)～MP(n)降序的顺序排列，得到备选处理器序列；

流程A3：在总进程参数中，汇总进程状态为运行态的进程参数，作为集合Ⅰ，集合Ⅰ中元素总数记作z1；

汇总进程状态为等待态的进程参数，作为集合Ⅱ，集合Ⅱ中元素总数记作z2；

汇总进程状态为终止态的进程参数，作为集合Ⅲ，集合Ⅲ中元素总数记作z3；

所述流程A3的后续流程如下：

流程A4：定义判断式12：PPID（Ⅱ）i∈Ⅰ[PID（Ⅰ）1～PID（Ⅰ）z1]；其中，i表示1～z2，PPID（Ⅱ）i表示集合Ⅱ中第i个集合Ⅱ中对应的父进程ID；Ⅰ[PID（Ⅰ）1～PID（Ⅰ）z1]表示集合Ⅰ中，第1～第z1个进程参数对应的进程ID；

定义判断式13：PPID（Ⅱ）i∈Ⅲ[PID（Ⅲ）1～PID（Ⅲ）z3]；其中，Ⅲ[PID（Ⅲ）1～PID（Ⅲ）z3]表示集合Ⅲ中，第1～第z3个进程参数对应的进程ID；

流程A5：将集合Ⅱ中的进程参数代入判断式12和判断式13中，汇总不满足判断式12和判断式13的进程参数，作为可调参数；统计可调参数的数量，记作cn；

流程A6：在总进程参数中，读取可调参数对应的内存参数，记作CS1～CScn；计算CS1～CScn的和，记作ACS；

流程A7：获取备选处理器序列中，第1～第n个备选处理器的内存大小，记作ZS1～ZSn；

定义备选处理器内存大小的累加值AZS（1～j）；

；其中，j为自然数，j≤n；AZS（1～j）表示：在备选处理器序列中，从第1～第j个备选处理器的内存大小的累加值；ZSi表示：备选处理器序列中，第i个备选处理器的内存大小；

流程A8：将j的初始值设置为2，计算第1～第j个备选处理器内存大小的累加值AZS（1～j）；

若AZS（1～j）≥ACS；则将第1～第j个备选处理器作为目标处理器；

若AZS（1～j）＜ACS；则j在原有的基础上加1，再次计算第1～第j个备选处理器内存大小的累加值AZS（1～j），并比较AZS（1～j）与ACS的大小，直至AZS（1～j）≥ACS；

流程A9：在全部进程中，汇总可调参数对应的进程作为可调进程，进入性能匹配模块。

2.根据权利要求1所述的一种基于云计算和大数据的任务处理优化系统，其特征在于，所述性能匹配模块的工作流程如下：性能匹配模块的工作流程如下：

流程B1：将目标处理器的数量，记作m；计算第1～第m个目标处理器对应的综合性能指数P1～Pm；

流程B2：获取每个目标处理器对应的目标处理器节点数、序号和转换引擎信息，构造目标处理器的功能矩阵，记作矩阵TSC；流程B2包括：流程B21：获取第1～第m个目标处理器的目标处理器节点数，记作T1、T2～Tm；

获取第1～第m个目标处理器对应的序号和转换引擎信息，根据目标处理器的序号和转换引擎信息，获取第1～第m个目标处理器对应的转换服务类型；

流程B22：统计全部转换服务类型的数量，记作k；k≥m；

定义集合S表示第1～第m个目标处理器全部的转换服务，集合S＝{S1,S2～Sk}；

流程B23：构造k×m，且矩阵元素都为0的二维矩阵oTSC；

根据第1～第m个目标处理器在集合S中转换服务类型的对应关系，填充二维矩阵oTSC，得到矩阵TSC；

流程B3：将可调进程的数量，记作Rn；根据每个目标处理器的综合性能指数、矩阵TSC和每个目标处理器的节点数，为第1～第Rn个可调进程分配目标处理器。

3.根据权利要求2所述的一种基于云计算和大数据的任务处理优化系统，其特征在于，所述流程B1的具体工作流程如下：流程B11：获取第1～第m个目标处理器的性能指数；

性能指数包括：目标处理器的CPU主频、CPU内核数、RAM大小和RAM主频；

将目标处理器的CPU主频、CPU内核数、RAM大小和RAM主频，分别记作MF、MN、RS和RF；

第1个目标处理器对应的四元组{MF1,MN1,RS1,RF1}；

第2个目标处理器对应的四元组{MF2,MN2,RS2,RF2}；

依此类推，第m个目标处理器对应的四元组{MFm,MNm,RSm,RFm}；

流程B12：将MF1～MFm，按降序排列，得到指数序列1；

将MN1～MNm，按降序排列，得到指数序列2；

将RS1～RSm，按降序排列，得到指数序列3；

将RF1～RFm，按降序排列，得到指数序列4；

流程B13：分别读取指数序列1～4对应的首项和末项，记作max(MF)、min(MF)；max(MN)、min(MN)；max(RS)、min(RS)；max(RF)、min(RF)；

定义转换公式21～24，将第1～第m个目标处理器对应的性能指数映射到区间[0,1]内；

转换公式21：；其中，MFi和，分别表示第i个目标处理器对应的CPU主频和CPU主频的处理值；

转换公式22：；其中，MNi和，分别表示第i个目标处理器对应的CPU内核数和CPU内核数的处理值；

转换公式23：；其中，RSi和，分别表示第i个目标处理器对应的RAM大小和RAM大小的处理值；

转换公式24：；其中，RFi和，分别表示第i个目标处理器对应的RAM主频和RAM主频的处理值；

其中，转换公式21～24中的i，都表示1～m。

4.根据权利要求3所述的一种基于云计算和大数据的任务处理优化系统，其特征在于，所述流程B13的后续流程如下：流程B14：将第1～第m个目标处理器对应的MF1～MFm，MN1～MNm，RS1～RSm和RF1～RFm，分别代入转换公式21～24中，计算第1～第m个目标处理器对应的CPU主频处理值～；

CPU内核数处理值～；

RAM大小处理值～；

RAM主频处理值～；

流程B15：计算第1个目标处理器的综合性能指数P1；

流程B151：将第1个目标处理器对应的CPU主频处理值、CPU内核数处理值、RAM大小处理值和RAM主频处理值，分别记作a1、a2、a3和a4；

流程B152：使用MaCh.random()函数，在（0,1）的区间内随机生成权重参数μ1、μ2、μ3和μ4；μ1、μ2、μ3和μ4满足的约束条件如下：μ1＋μ2＋μ3＋μ4＝1；

μ1/a1＝μ2/a2＝μ3/a3＝μ4/a4＝1；

流程B153：读取第1个目标处理器对应的性能指数MF1、MN1、RS1和RF1；

计算第1个目标处理器的综合性能指数P1，P1的计算式如下：P1＝MF1*μ1＋MN1*μ2＋RS1*μ3＋RF1*μ4；

流程B16：重复执行计算第1个目标处理器综合性能指数P1的相同流程，计算第2～第m个目标处理器对应的综合性能指数P2～Pm。

5.根据权利要求2所述的一种基于云计算和大数据的任务处理优化系统，其特征在于，所述流程B3的具体流程如下：流程B31：定义一个1×m的一维矩阵P表示第1～第m个目标处理器的综合性能；矩阵P＝[1/P1 1/P2 ～ 1/Pm]；其中，m表示目标处理器的个数；

流程B32：为第1个可调进程分配目标处理器；

流程B33：重复为第1个可调进程分配目标处理器的相同流程，为第2～第Rn个可调进程分配目标处理器。

6.根据权利要求5所述的一种基于云计算和大数据的任务处理优化系统，其特征在于，所述流程B32的具体流程如下：流程B321：在虚拟机中，模拟执行第1个可调进程；

在虚拟机中，使用Toolhelp32快照，获取第1个可调进程的全部线程，统计全部线程数量，记作tt；

使用Thread32First和Thread32Next函数，获取第1～第tt个线程对应的操作码和操作时间；

流程B322：根据第1～第tt个线程的操作码，创建一个k×1的一维矩阵，表示第1个可调进程的任务服务矩阵，记作矩阵F；

根据第1～第tt个线程的操作时间，创建一个k×1的一维矩阵，表示第1个可调进程的任务时间矩阵，记作矩阵V；

流程B323：将矩阵V与矩阵P相乘，得到k×m的二维矩阵，记作矩阵ETC；

将矩阵ETC中的元素，记作ETC(j,i)；其中，j表示1～k，i表示1～m；ETC(j,i)表示：在第1个可调进程中，第j个线程在第i个处理器的处理时间；

流程B324：获取第1～第m个目标处理器的目标处理器节点数T1、T2～Tm；

将矩阵TSC中转置，得到矩阵TSC（T）；

将矩阵ETC与矩阵TSC（T）相乘，得到k×k的二维矩阵，记作矩阵PTC；

将矩阵ETC中的元素，记作ETC(y,x)；其中，x和y，都表示1～k；PTC(y,x)表示：将第1个可调进程中的第y个线程，分配到处理器节点数为Tx的目标处理器中；

流程B325：遍历矩阵ETC中的元素：ETC(1,1)～ETC(m,m)；

定义判断式25：ETC(m,n)≠null∩ETC(m,n)≠0；其中，m和m都表示1～k，ETC(m,n)表示矩阵ETC中，第m行第m列的元素；

流程B326：确定第1个线程的目标处理器；将m的初始值设置为1，n的表示范围设置为1～k；

将矩阵ETC中的ETC(1,1)～ETC(1,m)代入判断式25；标记出满足判断式25的元素，作为待选元素；

选择元素值最小的待选元素，作为确定元素，读取确定元素对应的目标处理器，作为分配处理器；将第1个线程分配到分配处理器中；

流程B327：重复确定第1个线程的目标处理器的相同流程，为第1个可调进程中的，第2～第tt个线程分配目标处理器。