随着开源技术的不断涌现及云计算的发展,工作流管理系统可作为SaaS（软件即服务）为政企创造更多价值,这使得部署在云中的工作流管理系统可以方便的实现资源供给等功能,一定程度上满足了系统的高并发和高可用。由于用户量的增加以及流程业务的复杂性,工作流管理系统在运行中往往会收到大量、突发的流程实例请求,也即动态负载,因此会导致以下两个方面的问题。一方面,由于现有系统不断的对定量的缓存进行替换,因此随着请求负载增大,系统的缓存命中率降低,导致重复解析流程定义文件,增加请求的响应时间。另一方面,随着负载的变化,系统中的工作节点的资源需求处于不断变化的过程中,部署在云平台的传统工作流管理系统不能及时的调整资源来保证服务质量。针对以上问题,本文基于分布式工作流管理系统开展了相关研究。该系统包括主节点和工作节点两部分,主节点包括调度模块、监控模块等;工作节点是工作任务的执行节点,提供了流程建模、管理、统计等业务功能。然后本文从请求分发调度和资源调度两个方面对以上问题进行研究,进而提出了基于缓存的任务请求调度策略和支持自动伸缩的混合式资源调度策略,具体从两个方面进行说明。一方面,在工作流管理系统现有缓存的基础上,添加了数据库缓存,提出了一种优先使用缓存的请求分发算法,以此达到最大化利用缓存的目的。该算法根据工作节点中是否存在流程对象而进行分组,同一流程下的任务执行请求尽量分发到已缓存流程对象的工作节点,使其每个任务执行请求尽量的利用缓存中的流程对象,进而提高流程对象缓存命中率,减少工作节点解析流程模型的次数,从而减少工作节点的请求响应时间。另一方面,根据工作节点的运行特征,建立监控模块,收集工作节点的资源特征数据,进而建立负载预测模型。通过预测的指标数据进行支持自动伸缩的混合式资源调度,即增加或减少工作节点的副本数,在满足资源需求的情况下,保证资源不会出现浪费或短缺,从而保证系统的服务质量。实验结果证明,一方面,所提出的任务请求调度策略通过与业务中常用的两种调度策略相比,该调度策略提高了缓存命中率,降低了服务响应时间,保证了服务质量。另一方面,支持自动伸缩的资源调度策略可以提前根据负载的变化对工作节点进行扩缩容,因此提高了服务质量和集群的资源利用率。