能耗已成为数据中心运营和维护的最大成本所在。云服务提供商意识到节能技术具备诸多优势:一是降低碳排放量,利于环保;二是削减能耗成本,取得良好的经济收益。因此,如何减少云计算数据中心的能耗已经成为学术界以及工业界关注的重要问题。动态电压/频率调整(DVFS)技术作为一种有效的节能技术,通过动态调节芯片的运行频率和电压降低执行能耗吗,在实际中有了广泛应用。但是频率调整不当也会违反云工作流的服务质量要求,如截止期限、可靠性等。考虑到实际场景中,云服务提供商会与用户签订服务等级协议来约定服务质量。特别对于航天计算、天气预测等对实时性要求高的科学应用,如果没有考虑容错机制,一旦任务失败可能会造成灾难性的后果。工作流的QoS需求与DVFS技术带来的负面影响之间存在着冲突,这使得在工作流在变频资源上能耗感知调度优化具有更大的挑战性。本文研究最小化变频资源能耗的工作流调度优化问题。本问题以最小化能耗为优化目标,同时需满足工作流的截止期及可靠性约束。针对本问题的特点及遇到的挑战,设计了ESRWH算法。主要分为以下五个部分:工作流任务排序、松弛时间计算、子截止期划分、启发式资源分配和基于频率调节的空闲时间块优化。在任务排序阶段,设计了三种方法生成任务调度序列,以找到工作流任务的有效拓扑排序,从而满足优先级约束。然后,松弛时间计算考虑了任务副本的分配计算工作流的松弛时间,并为每个任务设置子截止期。在资源分配阶段,设计了两种资源分配策略为每个任务分配物理机资源。且在分配过程中,如果资源不能满足可靠性约束时,为任务增加副本。为了充分利用处理器上任务之间的剩余空闲时间块,进一步利用DVFS技术降低处理器的电压和时钟频率来降低能耗。为了验证所提出算法的有效性,本文采用了方差分析技术(ANOVA)对算法的相关参数进行校正,选出最优的参数组合。然后生成大量工作流实例,将提出的ESRWH算法与相关文献中的基准算法进行了实验比较和分析。实验结果表明,本文所提出的ESRWH算法在截止期和可靠性约束下比较工作流能耗,算法性能均优于基准算法。