近年来,越来越多的数据被实时流处理。流处理应用在处理数据的过程中需要保持尽可能低的处理延迟,才能充分利用数据的价值。然而,流处理应用在处理数据的过程中存在不稳定的计算资源供给、不确定的数据输入率等问题,导致流处理应用的任务处理步调不一致,需要合理的调度以加速处理。但是,传统的并行与分布式系统负载均衡、调度技术并不适用于流处理系统,而且,当前的流处理系统均衡方法也不能有效地调度任务以解决数据处理过程存在的问题,亟需寻求新的调度方法。针对数据处理过程中存在的问题,结合流处理系统的特性,提出并实现了运行时感知调度方案,以达到动态调整任务部署保证低延迟的目的。首先,提出节点性价比评测方法,感知运行环境变化对节点处理数据效率的影响,为调度提供依据;其次,在对常用调度算法研究的基础上,提出基于节点性价比的调度算法,依据节点处理效率在集群上重新调度任务,使节点上的任务计算量与节点计算能力相匹配,同时尽可能减少节点间的任务迁移;再次,改进指数平滑预测方法,使其适应流处理特点,预测任务调度方案是否可行;最后,重新部署任务,重部署结果是任务被原节点运行,或被性能更好节点运行。调度方案与流处理系统Storm高度集成,并重用Storm模块,减少额外开销。相同的实验条件下,将运行时感知调度方案与Storm默认调度方案进行了对比。实验表明,相比于默认调度方案,运行时感知调度方案使算子平均处理延迟降低29.6%,使节点间最大任务处理延迟差降低47.4%。此外,它处理相同的数据量时消耗更少的计算资源。