随着云计算技术的快速发展,云数据中心的规模在不断扩大,高能耗已成为云平台一个突出的问题。以往的研究是通过虚拟机的迁移聚合来降低云平台能耗,但是当虚拟机部署到物理机后短期内不会进行迁移,此时可以考虑通过任务调度进一步降低云平台能耗。然而,目前的云平台任务调度方法大多以减少任务执行时长为目标,针对不同计算性能的异构节点构成的异构云平台时,这种任务调度策略可能导致较高的能耗。另外,云平台上的计算任务大多以科学工作流等形式表示,即子任务之间并非相互独立,一般可采用有向无环图(Directed Acyclic Graph,DAG)表示任务间的依赖关系。在实际云任务调度中往往是对多个工作流同时进行调度,因此需要研究对多个DAG工作流的调度方法。基于上述分析,本文结合云平台的异构性,针对异构云平台中多个DAG工作流的调度,分析DAG任务依赖关系,考虑任务调度中影响异构云平台能耗优化的相关因素,以最小化异构云平台能耗为研究目标,提出一种异构云平台下多DAG工作流的节能调度策略。本文主要工作如下:(1)调研了云平台任务调度的国内外研究现状,分别从优化目标和任务类型角度阐述现有的任务调度方法,挖掘出当前DAG工作流调度中待改进的部分,通过对现有文献的归纳总结,提炼出DAG工作流调度中存在的问题,并重点分析异构云平台下多DAG工作流的节能调度技术。(2)建立了DAG工作流模型和任务调度模型。在DAG工作流模型中,将DAG工作流进行了形式化定义,对DAG的相关条件进行了约束,并对研究中使用的4种不同结构的DAG工作流进行了说明。在任务调度模型中,对涉及的相关变量以及变量之间存在的关系进行了表征,该模型根据虚拟机状态实时感知物理机工作负载,预测物理机的工作和空闲能耗,进而得到云平台的能耗,并以最小化异构云平台能耗为目标,建立任务调度最优化问题。(3)提出了一种最小化异构云平台能耗的多DAG工作流调度算法。该算法在工作流调度过程中通过两个阶段实现所提优化目标,第一阶段:计算待分配工作流的优先级;第二阶段:根据优先级将待分配工作流调度到合适的计算节点。在第一阶段中,考虑结合以DAG工作流为调度单元的粗粒度排序和以DAG工作流内的子任务为调度单元的细粒度排序,实现待分配工作流的最优排序,该排序结果有助于第二阶段任务分配的实施;在第二阶段中,综合分析了多种影响异构云平台能耗的因素,从而求解所提最优化问题。最后在Cloud Sim上进行对比实验,将本文所提算法与其他任务调度算法进行比较,实验结果表明,本文所提算法在降低云平台能耗方面表现出很好的性能。将本文提出的节能策略加入到其他算法中,对其他算法进行改进,实验结果表明,改进后的对比算法比原算法在能耗上有显著降低,这体现出本文算法在最小化异构云平台能耗的同时,还有助于其他任务调度方法进一步优化能耗。