各科学领域的采集和处理能力的发展使得科学数据蕴含的价值被不断开发,为了更好地管理和利用日趋增加的科学大数据,研究和设计良好的管理生态或方法来提高科学大数据管理和分析水平成为各科学领域的研究热点。目前,各个机构不断开发以自身领域为导向的科学数据管理系统;科学工作流也已经成为科学家用来构建和执行科学实验的主流工具;为探究科学数据的本质和实验结果的源头,科学家还研究了许多溯源方法来验证、复制和重现科学实验。然而,由于科学数据异构多源的特点,科学家往往需要在多个领域的科学数据管理系统和种类繁多的数据库以及科学装置中获取数据,并且需要投入很多精力来对构建的科学实验进行优化处理,而开发人员在设计管理系统时,通常需要考虑模块间的兼容和耦合问题,这需要对各个科学领域有很深入的了解。此外,面向科学工作流的粗粒度溯源的方法意味着工作流步骤内部细节的损失,导致可能会推断出不完整甚至不正确的数据和调用关系,并会带来依赖区分问题。围绕这些问题,本文展开了面向科学数据管理、处理和分析的科学工作流及溯源机制的研究。具体研究内容和创新点如下:1)提出了面向异构多源科学数据的多领域分角色体系架构SciSA(Science-Software Architecture),并用于跨领域地管理多类型科学数据。该架构通过功能上的区别被划分为四个功能区,并使用REST技术对接口进行设计,从而降低了模块间的耦合性;然后,该架构整合了多领域、多类型的数据库,并且对接入第三方系统提供支持,从而实现了存储和共享多领域科学数据;最后,为了增强对体系架构运行机制的理解,还对其资产、组件、接口等要素进行了形式化的描述,并且在此基础上设计和定义了相应的角色,依据角色在对应功能区内的应用场景对体系架构进行了描述。2)提出了基于DAG的科学工作流模型及其流程优化机制DP-SWF(DAGbased Scientific Workflow Model and its Process Optimization Mechanism),并用于构建和优化科学实验从而有效利用多领域科学数据。该模型通过有向图和标识符来建立可在多个领域使用的工作流,并通过层次结构的形式将模型底层透明化处理,使得科学家专注于高层的科学实验。在此基础上,针对科学家提交的科学实验提出了流程优化机制,该机制依据实验任务间的关联关系,使用模糊聚类对其进行聚类分析,从而得到模块划分方案,并在此基础上使用设计结构矩阵的方法对各模块内的实验单元执行秩序进行了规划。最后,在myExperiment数据库的数据集上进行了针对该科学工作流模型正确性和有效性的实验,结果证明了DPSWF在满足科学实验需求的前提下确实能对实验流程起到优化作用。3)提出了科学工作流驱动的细粒度溯源模型CF-PROV(A Content-rich and Fine-grained Scientific Workflow Provenance Model),并用于解决工作流的粗粒度溯源问题。该溯源模型给出了基于溯源图和溯源文档的表示方法,并将其作为从科学工作流信息到溯源信息的转换规范和声明,从而减少了捕获溯源信息的编程开销,并使得溯源信息更规范;其次,为进一步丰富和细化溯源信息,该模型将科学工作流溯源划分为了数据溯源和过程溯源,并从语法维度和字段层面的数据推演提高了溯源信息的可读性;最后,在天文学、高能物理、生物学和计算机科学四个领域上进行了实验,结果证明了该溯源模型确实能捕获更丰富细致的溯源信息,并且其存储和通讯开销是可接受和可处理的。