El desarrollo de grandes datos ha generado tareas intensivas en datos que suelen ser que consumen mucho tiempo, con una alta demanda en los centros de datos en la nube para alojar aplicaciones de grandes datos. Se vuelve necesario considerar tanto la gestión de datos como la gestión de tareas para encontrar el esquema óptimo de asignación de recursos, lo cual es un problema de investigación desafiante. En este documento, abordamos el problema de la programación de tareas en línea combinada con la migración y replicación de datos con el fin de reducir el tiempo de respuesta general y asegurar que los recursos disponibles se utilicen de manera eficiente. Introducimos una nueva técnica de programación, llamada algoritmo de Programación de Tareas en Línea basado en Migración de Datos y Replicación de Datos (OTS-DMDR). El objetivo principal es asignar de manera eficiente las tareas entrantes en línea a los servidores disponibles, considerando el tiempo de acceso de los conjuntos de datos requeridos y sus réplicas, el tiempo de ejecución de la tarea en diferentes máquinas y la potencia computacional de cada máquina. La idea central es lograr una mejor localización de datos mediante una migración de datos efectiva mientras se manejan las réplicas. Como resultado, se reduce el tiempo de respuesta general de las tareas en línea y se mejora el rendimiento con una mejor utilización de los recursos de la máquina. Para validar el rendimiento del método de programación propuesto, realizamos simulaciones en profundidad con varios escenarios y los resultados muestran que nuestra estrategia propuesta funciona mejor que los otros enfoques existentes. De hecho, reduce el tiempo de respuesta en un 78% en comparación con el programador de Primer Llegado, Primer Servido (FCFS), en un 58% en comparación con la Programación por Retraso, y en un 46% en comparación con la técnica de Li et al. En consecuencia, el método OTS-DMDR actual es muy efectivo y conveniente para el problema de la programación de tareas en línea.