随着云计算的快速发展以及工作流技术在云计算中的应用,云工作流任务调度问题引起了广泛的重视。如何满足执行时间、系统性能、成本等服务质量(Quality of Service,Qo S)是云工作流任务调度问题中亟待解决的问题。近年来,云工作流任务调度领域已有许多针对各个优化目标的方法,其中部分方法只考虑单一目标使其调度目标最优,却没有考虑多服务质量目标问题的云工作流任务调度。针对现有方法未能综合考虑服务质量目标的问题,本文将云工作流任务和资源节点的属性考虑到调度模型中,然后分别引入新颖性排名和相似性度量这两种技术对云工作流任务调度进行了研究,并优化了云工作流任务调度模型,最后通过实验验证了基于多服务质量目标的云工作流任务调度算法的有效性和合理性。具体来说,本文的主要工作内容与创新点如下方面:1.针对云环境中系统的高效性和用户成本的问题,本文提出了一种基于新颖性排名和多服务质量目标的云工作流调度算法,首先将资源节点执行任务的频度、任务的等待时间和执行时间作为因子加入推荐模型,然后使用模拟退火算法训练得到推荐模型,计算出优先级因子,给任务推荐那些它以前没有分发到或少分发(即新颖性较高)的资源节点,最后调度器根据优先级因子表进行调度并对其进行更新。降低了任务执行时间,且使任务执行时间和系统使用率的综合指标更好。2.针对云环境中相似任务调度时系统的高效性和用户成本的问题,本文提出了一种基于相似性度量和多服务质量目标的云工作流调度算法,引入相似性度量的知识,对云工作流调度问题重新建模,模型中加入任务和虚拟机的属性,把相似的任务调度到推荐的虚拟机上执行,减少资源调度的时间,从而优化任务调度,使得多目标(任务执行时间,系统性能,成本)的云工作流调度问题得到优化。3.通过开源仿真软件Cloud Sim以及工作流模型进行多组实验分析,验证本文方法较其他算法在任务总执行时间、任务平均执行时间以及系统利用率有更好的表现。其中基于相似性度量和多服务质量目标的云工作流调度算法的任务总执行时间较Max-Min算法平均提升18.083%,较Min-Min算法平均提升20.834%,系统利用率较Max-Min算法平均提升19.962%,较Min-Min算法平均提升9.336%。