云计算技术给大数据工作流的处理提供了新的技术支持和发展契机。数据密集型应用是大数据背景下最普遍的应用之一,由于数据量大、带宽瓶颈等条件的限制,因此通常将同一类型的多个工作流实例进行合并处理形成批处理工作流进行工作流调度来提高执行效率,但数据通信往往是数据密集型应用的性能瓶颈,再加上许多工作流的应用存在时间约束问题,因此合理的调度策略对于时间受限的数据密集型批处理工作流尤为重要。合理的调度策略不仅可以有效减少跨节点的数据传输,而且可以优化工作流的整体执行效率和资源租赁成本。本文在借鉴前人工作的基础上,围绕数据密集型批处理工作流的任务调度的整体执行效率和资源租赁成本和相关技术进行了探讨与研究,为了解决跨节点的数据传输量、整体执行效率和资源租赁成本优化问题,本文从以下三个方面进行了研究:一是虚拟机类型初始化分配。本文提出整数规划算法,通过对虚拟机类型问题进行整数规划建模,并利用CPLEX方法进行虚拟机类型最终求解,进而确定任务初始化虚拟机类型、合适的任务执行时间以及获得较好的性价比,然后提出改进的局部任务的关联度聚类算法,使数据传输频繁的任务作为整体进行后续调度,以优化全局数据通信。二是工作流截止期划分。提出一种迭代式的考虑任务偏序关系和时间间隙的任务截止期生成方法,通过合理分配时间间隙完成工作流截止期的划分,为后续的调度的任务提供更大的调度空间,进而解决数据密集型应用的数据传输瓶颈和截止期优化问题。三是虚拟机租赁成本优化。在以上两方面的基础上,考虑已租赁的时间片剩余时间间隙的分配、虚拟机成本和任务的执行效率等方面提出加权融合MFA任务调度算法进行成本的优化。在此基础上,提出考虑右移策略的RMFA算法,在处理数据密集型批处理工作流时能够更好的提高执行效率和降低租赁成本。从以上三个方面实现数据密集型批处理工作流的高效率和低成本调度。本文的研究成果可以为大数据环境下的数据密集型批处理工作流的研究提供综合的技术参考。