计算资源有限的边缘服务器难以满足多租户工作流应用服务需求,往往需要调度部分任务到云服务器。不同租户有不同的优先权和截止期,如何调度任务以最大化多租户总体服务质量是云边服务提供商面临的关键问题。该问题的主要挑战如下:1)多租户总体的服务质量与截止期和优先权密切相关,优先权高低与截止期松紧是影响服务质量的矛盾因素,如何依据截止期和优先权定义任务的调度优先等级是最优化多租户总服务质量的关键。2)尽管边缘节点距离用户较近,易于满足任务截止期,但其资源有限,分配过多任务反而会使得部分任务超期。云计算资源丰富,但距离用户较远,易于违背截止期。如何分配不同截止期约束的任务到不同资源以最大化多租户总服务质量是一个挑战。3)工作流实例的大量活动结点拥有大量拓扑顺序,多租户的多工作流实例大大增加了拓扑顺序的数量,如何在海量的拓扑序列中找到最优解是一个难题。针对所考虑问题的上述挑战,本文定义基于优先权的多租户实例成功熵,以度量多租户的总服务质量。本文提出一种基于层级的工作流迭代贪婪算法框架,该框架主要包括调度序列生成、资源分配、初始解生成、解破坏与重构、局部搜索、接受解准则等算法组件。为生成最优调度序列,提出了4种租户排序策略（最早租户截止期优先、最大租户优先权优先、最少工作流实例数量优先和最小工作负载优先）和2种任务排序策略（最早平均最迟结束时间优先和最大秩值优先）。为合理分配资源,提出了最早结束时间优先分配策略、最靠近最迟结束时间优先分配策略及基于租户优先权的资源分配策略等3种资源分配策略。为了找到最优解,本文提出了基于层级的工作流迭代贪婪算法框架。该算法框架基于调度序列生成策略和资源分配策略的不同组合得到多种初始解生成方法。基于层级的破坏重构方法,并构造出保证拓扑序列的新调度序列重构方法。基于层级进行邻域操作,构建变域下降的局部搜索算法,并保证可行拓扑序列。提出以一定概率接受不好解的接受准则。为验证所提算法的性能,本文采用多因素方差分析技术对算法的相关参数和组件进行校正,选出最佳的参数和组件。将所选择的最佳算法与另外两种相关问题经典算法进行对比和分析。实验结果表明,本文所提出的算法在不同截止期程度、不同租户数量下的性能均明显优于所比较算法。