数据密集型工作流的任务之间需要传输大量的数据并进行复杂的计算,这就要求运行该工作流的计算资源计算能力强、存储量大,但单一的计算资源一般满足不了数据密集型工作流的运行需求,往往需要将数据密集型工作流中的任务部署在云环境中不同的数据中心,而相关任务分布在不同数据中心产生的大量数据传输,对工作流的执行费用和执行时间均产生了较大影响,只有合理的调度方法才能尽可能的减少传输量,从而降低执行费用和时间。现有静态调度方法中任务间数据传输量是确定的,大多未考虑到难以准确对具体传输量进行预估的情况,而工作流任务间的具体传输量仅能在工作流执行期间相关任务执行结束之后才能确定,这使得大多假定数据传输量已知的传统静态调度方法不再适用,但现有动态调度方法也鲜有针对数据传输量的优化。针对以上问题,本文提出了面向不确定数据密集型云工作流的调度方法,主要工作有:（1）针对任务间数据传输范围可以预估的不确定数据密集型工作流提出了面向不确定数据密集型云工作流的静态调度方法:根据每个数据中心的可执行任务列表及数据传输关系,得到所有的任务连通分支,将数据传输密度大的连通分支优先调度在对应的数据中心,直至所有的任务调度完成。实例验证了所提出静态调度方法的有效性。通过不同参数的实验对比,发现静态调度算法相较于其他方法可以有效减少工作流的总体数据传输量。（2）针对部分任务间数据传输范围无法预估的不确定数据密集型云工作流提出了面向不确定数据密集型云工作流的动态调度方法:首先基于已知的各任务之间预估传输范围对工作流进行预处理,根据预处理结果将入口节点任务进行调度,调度完成后随着工作流的执行,将后续待调度任务调度在节省预估数据传输值与实际数据传输值之和最大的数据中心。接着通过实例验证所提出动态调度方法的有效性。通过不同参数的对比实验结果表明提出的动态调度算法可以有效减少工作流的总体数据传输量。（3）设计并实现了不确定数据密集型云工作流调度仿真系统。根据调度需求分析了工作流调度系统应有的功能,从而对系统有整体的设计。工作流调度系统中的工作流生成模块可以根据用户输入生成符合需求的工作流,调度模块可以根据用户选择的调度方式对已有的工作流进行调度,调度结果用图表的形式向用户直观进行展示。