分布式计算框架利用廉价PC构建多核集群解决了大规模并行计算问题,但是在分布式计算框架上编程需要考虑程序子任务间的负载均衡和通信同步开销,编程难度大。数据流编程模型作为面向特定领域的编程模型,它将程序的计算与通信分离,暴露了应用程序潜在的并行性并简化了编程难度。但由于分布式架构下的多核集群含有层次性存储结构和处理单元,这为数据流程序的性能提出了新的挑战,并且数据流程序在分布式架构下的可编程性也为数据流编译器提出了更高的要求。针对数据流程序在分布式架构下所面临的问题,设计并实现了数据流编程模型和分布式计算框架的结合——在COStream的基础上提出了面向Storm的编译优化框架。面向Storm的编译优化方法包括二个步骤:面向Storm的层次性任务划分与调度,以及面向Storm的层次性软件流水与代码生成。层次性任务划分利用Storm的任务调度机制将程序所有子任务分配到Storm集群节点内的多核上,根据划分目标平台的不同可分为集群节点间的任务划分和节点内多核间的任务划分。层次性软件流水与代码生成利用多核集群节点间的并行性以及节点内多核间的并行性,将子任务构造成集群节点间的软件流水和节点内多核间的软件流水,并生成相应的目标代码。实验以多核集群为目标平台,在集群上搭建Storm分布式架构,选取数字媒体处理领域典型程序作为测试程序,对面向Storm的编译优化后的程序进行实验分析。实验结果表明了结合方法的有效性。