随着数据规模和计算复杂度的不断增加,在云计算环境中执行现代工作流应用会涉及大量不同类型和价格的云资源。这使得云工作流调度的成本成为人们关注的焦点。另一方面,由于云数据中心的能耗也在日益增加,云工作流调度的能耗也成为了学界和业界关注的问题。为了向用户提供成本更低的工作流调度服务同时降低云数据中心的能耗,基于性能的定价方案应运而生:云服务提供商可基于动态电压/频率调节（Dynamic Voltage and Frequency Scaling,DVFS）技术动态地调节处理器电压/频率以降低能耗,同时以虚拟机运行时切换的频率调整价格。然而,不恰当地降低电压/频率将增加软错误发生的概率,降低工作流执行的可靠性。因此,如何为用户提供成本最优的云资源和工作流调度方案,同时考虑能耗与可靠性要求是研究人员面临的一大挑战。针对上述问题,本文提出了 一种能耗与可靠性感知的工作流成本优化调度方法,可以有效地为云工作流应用生成节能、可靠且近似成本最优的云资源和工作流调度方案。本文的主要贡献如下:1.实现了对能耗与可靠性感知的云工作流成本优化调度系统的建模。本文详细分析了 DVFS、软错误和检查点容错机制对云工作流调度的影响,对云工作流调度系统进行了建模,并在完成时间、能耗、可靠性和内存约束下形式化定义了云工作流调度的成本优化问题。2.提出了一种能耗与可靠性感知的云工作流成本优化调度算法。该算法可合理供应云资源,将任务分配到虚拟机并动态调节其运行频率,从而为工作流生成近似成本最优的调度方案并满足完成时间、能耗、可靠性和内存约束。3.实现了能耗与可靠性感知的云工作流调度工具。该工具实现了能耗与可靠性感知的云工作流调度系统模型和算法,可以对支持DVFS和基于性能定价的云数据中心和调度器进行仿真,模拟在软错误和检查点影响下工作流任务的调度过程,生成工作流调度方案并进行评估。本文在多个经典的科学工作流上进行了全面的实验,验证了该方法的有效性。与三种最新的DVFS调度方法相比,本文的方法可以在不违反完成时间、可靠性和内存约束的情况下,显著降低工作流调度的成本和能耗。