江门中微子实验(JUNO)是我国第二个大型中微子实验项目,每年产生PB量级的原始数据。为满足海量数据处理与分析的需求,中科院高能物理研究所通过整合全球多个合作组成员单位的计算资源,搭建了JUNO分布式计算环境。随着实验数据的累积和物理事件复杂度的增长,实验作业对内存资源的消耗不断增加。因此,JUNO实验计划利用多核模式来满足每个作业的内存需求。本文针对分布式计算环境下多核作业的支持与调度进行了研究,主要工作如下:(1)根据JUNO实验需求,对分布式计算环境所需的多核作业支持进行研究。在现有的引导代理机制下,设计了一种异构资源分配策略,降低了作业与资源匹配的延迟,并优化了用户对异构资源的访问;基于对现有作业调度模式的研究,依据JUNO作业的应用特征,提出一种基于公用引导代理的多核作业调度模式,使作业的调度从站点转移到了代理内部,缓解了站点对作业调度和配置的复杂性。(2)在公用引导代理的多核作业调度模式下,对作业调度问题进行研究,提出了一种基于面向作业资源需求的调度算法。该算法结合了回填策略和优先级调度算法,在空闲资源面前,以满足资源需求的最佳大小作业优先的方式,减少了资源碎片的产生。同时,对二级优先级达到阈值的作业进行资源的预留,缓解了作业的饥饿问题。实验结果表明,该算法在一定程度上提升了整体资源利用率和作业执行效率。(3)综合考虑分布式计算环境的整体结构和资源分布,依据多核支持的功能需求,对多核模型的整体架构进行设计,并基于中间件软件,采用资源共享池、动态匹配服务和并行化执行等技术实现了分布式计算环境对多核作业的调度与执行。目前,多核作业已被应用于实验数据的分析和处理,测试结果表明其性能能够满足实验需求。