混合云環(huán)境下成本與隱私感知的工作流調(diào)度方法

文一憑,王志斌, 劉建勛, 許小龍, 陳愛民,曹步清

(1.湖南科技大學(xué) 知識處理與網(wǎng)絡(luò)化制造湖南省普通高校重點(diǎn)實(shí)驗(yàn)室,湖南 湘潭 411201；2.南京信息工程大學(xué) 計(jì)算機(jī)與軟件學(xué)院,江蘇 南京 210044；3.湘潭市大數(shù)據(jù)和產(chǎn)業(yè)創(chuàng)新發(fā)展中心,湖南 湘潭 411000)

0 引言

近年來，隨著云計(jì)算技術(shù)的深入發(fā)展與大數(shù)據(jù)時(shí)代的到來，云計(jì)算正成為一種新的社會基礎(chǔ)設(shè)施。從云平臺的用途和工作方式看，云可分為公有云、私有云和混合云等類型。公有云由云計(jì)算服務(wù)提供商提供服務(wù)；私有云由企業(yè)或組織內(nèi)部構(gòu)建、維護(hù)和使用，在可控性和數(shù)據(jù)安全等方面更符合組織要求。但是，處理大規(guī)模的數(shù)據(jù)往往需要大量的計(jì)算資源，如果根據(jù)企業(yè)或組織的峰值應(yīng)用需求配置私有云中的資源，將導(dǎo)致巨大的資源效費(fèi)比，即資源利用率低而成本顯著增加。因此，可整合公用云與私有云資源的混合云具有靈活性和成本相對適中等方面的優(yōu)勢，正日益受到企業(yè)與組織的青睞，越來越多的企業(yè)或組織應(yīng)用混合云技術(shù)部署系統(tǒng)。RightScale近年來的云計(jì)算行業(yè)狀況調(diào)研報(bào)告顯示，混合云已成為用戶首選。

云工作流調(diào)度是映射并管理一組相互依賴的任務(wù)在云資源中執(zhí)行的過程。在混合云環(huán)境下，不同的公用云可提供不同類型與價(jià)格的云資源服務(wù)，私有云與公用云中的資源均可用于執(zhí)行工作流任務(wù)，但這些資源分屬于不同的安全與管理域，需要綜合考慮與任務(wù)執(zhí)行相關(guān)的可用時(shí)間、隱私數(shù)據(jù)保護(hù)、費(fèi)用限制等問題，這對云工作流調(diào)度研究提出了新的要求。

為此，本文在現(xiàn)有云工作流調(diào)度研究的基礎(chǔ)上，進(jìn)一步考慮了在由私有云與多個(gè)公用云構(gòu)成的混合云環(huán)境下，如何在滿足用戶對工作流截止時(shí)間與隱私保護(hù)需求的前提下，優(yōu)化工作流執(zhí)行費(fèi)用。

1 相關(guān)研究

任務(wù)調(diào)度對云計(jì)算系統(tǒng)至關(guān)重要，且一直是云計(jì)算領(lǐng)域的研究熱點(diǎn)之一，文獻(xiàn)[1]對此進(jìn)行了綜述。近年來，混合云已逐漸成為云計(jì)算的主要使用形式，亞馬遜、微軟、IBM、VMware等國際知名IT企業(yè)紛紛推出了一系列混合云管理產(chǎn)品，混合云環(huán)境下的任務(wù)調(diào)度研究也吸引了越來越多學(xué)者的關(guān)注。目前，國內(nèi)外學(xué)者已從不同角度展開了一些研究。文獻(xiàn)[2]研究了在混合云環(huán)境下，如何根據(jù)服務(wù)質(zhì)量約束及成本等因素將應(yīng)用分配到私有云或者公有云中的在線任務(wù)調(diào)度策略。文獻(xiàn)[3]研究了混合云環(huán)境下任務(wù)執(zhí)行時(shí)間的預(yù)測問題，并基于排隊(duì)論提出一種可提高私有云的利用率并減少混合云中執(zhí)行成本的任務(wù)調(diào)度方法。文獻(xiàn)[4]考慮了混合云環(huán)境下資源的異構(gòu)性與任務(wù)的類型差異(I/O密集型任務(wù)與計(jì)算密集型任務(wù))等特點(diǎn)，提出一種自適應(yīng)調(diào)度策略。在此基礎(chǔ)上，文獻(xiàn)[5]從如何保證軟件性能與可靠性的角度提出一種混合云環(huán)境下的自適應(yīng)任務(wù)調(diào)度策略。

但是，關(guān)于混合云環(huán)境下的工作流調(diào)度研究目前相對較少，文獻(xiàn)[6]針對混合云環(huán)境下持續(xù)提交的多個(gè)科學(xué)工作流應(yīng)用，提出一個(gè)截止時(shí)間約束的科學(xué)工作流在線調(diào)度方法。該方法首先判斷現(xiàn)有私有云中的資源是否可在滿足截止時(shí)間約束的前提下執(zhí)行工作流應(yīng)用，如果不能，則選擇價(jià)格最合適的公有云提供商來執(zhí)行該工作流應(yīng)用，以減少云資源的租賃成本。文獻(xiàn)[7]考慮了執(zhí)行科學(xué)工作流時(shí)的數(shù)據(jù)放置問題，并提出一種混合云環(huán)境下數(shù)據(jù)感知的科學(xué)工作流調(diào)度方法。該方法首先應(yīng)用遺傳算法以確定數(shù)據(jù)集的放置位置，然后根據(jù)任務(wù)的執(zhí)行約束(如截止時(shí)間與所需要的中間數(shù)據(jù)存儲空間)將其分配到私有云或公有云中執(zhí)行。文獻(xiàn)[8]提出一種混合云環(huán)境下工作流調(diào)度成本優(yōu)化方法。該方法首先利用私有云中的資源生成一個(gè)初始調(diào)度方案，然后對該方案進(jìn)行調(diào)整，為部分任務(wù)分配合適的公有云資源，以滿足截止時(shí)間約束。但是，以上研究均未考慮混合云環(huán)境下工作流調(diào)度的安全需求。

安全是云計(jì)算與工作流應(yīng)用的關(guān)鍵問題之一。文獻(xiàn)[9]考慮了云計(jì)算環(huán)境下的安全需求及科學(xué)工作流應(yīng)用中數(shù)據(jù)密集型、計(jì)算密集型與內(nèi)存密集型任務(wù)的特點(diǎn)，提出一種安全與成本感知的科學(xué)工作流調(diào)度方法。文獻(xiàn)[10]提出一種安全與成本預(yù)算感知的調(diào)度方法，該方法可在安全與成本預(yù)算約束下，最小化工作流完工時(shí)間。但是，這些研究均未考慮在混合云環(huán)境下調(diào)度工作流時(shí)的隱私保護(hù)需求，而私有云中的部分工作流任務(wù)可能涉及大量關(guān)于用戶的健康、財(cái)務(wù)等的隱私信息，如果這些任務(wù)被轉(zhuǎn)移到公有云中執(zhí)行，相關(guān)隱私數(shù)據(jù)將存在被泄露的風(fēng)險(xiǎn)。因此，有必要在工作流調(diào)度時(shí)考慮相關(guān)的隱私保護(hù)約束。文獻(xiàn)[11]考慮了大數(shù)據(jù)應(yīng)用中任務(wù)在執(zhí)行時(shí)與云數(shù)據(jù)中心相關(guān)的隱私保護(hù)約束，并提出一個(gè)多目標(biāo)云工作流調(diào)度方法。文獻(xiàn)[12]針對云工作流執(zhí)行過程中的用戶隱私保護(hù)需求，在粒子群優(yōu)化算法及模擬退火智能優(yōu)化算法的基礎(chǔ)上，提出一種具有隱私與云資源使用成本感知能力的云工作流調(diào)度方法。但是，這兩種方法不適用于混合云計(jì)算環(huán)境下的工作流調(diào)度。而且，這兩種方法僅考慮了單個(gè)工作流內(nèi)單個(gè)任務(wù)的隱私保護(hù)需求，并未考慮涉及同一工作流內(nèi)或者不同工作流之間的多個(gè)任務(wù)的隱私保護(hù)需求，即單個(gè)任務(wù)不包含隱私數(shù)據(jù)，但將多個(gè)任務(wù)的相關(guān)數(shù)據(jù)合并后將包含隱私信息，若這些任務(wù)由同一公有云服務(wù)提供者執(zhí)行將存在隱私暴露風(fēng)險(xiǎn)。為此，本文基于上述研究，進(jìn)一步探討了混合云環(huán)境下，如何實(shí)現(xiàn)考慮隱私暴露風(fēng)險(xiǎn)與截止時(shí)間約束的工作流調(diào)度成本優(yōu)化方法。

2 問題描述

本文主要研究多個(gè)工作流在混合云環(huán)境下執(zhí)行的過程中，如何在滿足工作流截止時(shí)間和隱私保護(hù)需求的雙重約束條件下，最小化所有工作流的執(zhí)行成本的問題。為方便問題描述，首先對目標(biāo)系統(tǒng)的模型進(jìn)行描述，然后給出了本文所采用的隱私保護(hù)需求、完成時(shí)間以及執(zhí)行成本模型。

2.1 系統(tǒng)模型

定義1一組工作流應(yīng)用。一組工作流應(yīng)用可用二元組WAS=(WS,PDSS)進(jìn)行描述，其中：

(1)WS={W1,W2,…,Wi,…,Wn}為工作流應(yīng)用集合。Wi為第i個(gè)工作流應(yīng)用，Wi=(Ti,CEi,DEi,Di)，其中：Ti為一組工作流任務(wù)的集合，Ti={tij|tij=Iij,Wij,Oij}，Iij、Oij分別為任務(wù)tij的輸入與輸出數(shù)據(jù)集，Wij描述了任務(wù)tij的計(jì)算量大??；CEi為一組有向邊的集合，用以描述工作流任務(wù)間的控制流依賴情況，CEi={tia,tib|tia,tib∈Ti×Ti}；DEi為工作流任務(wù)間傳遞數(shù)據(jù)的集合，DEi={dei,ab|tia,tib∈CEi},其中dei,ab為任務(wù)tia向tib傳遞的數(shù)據(jù)量大小；Di為工作流的截止時(shí)間。

(2)PDSS是與工作流應(yīng)用中涉及的一組數(shù)據(jù)組合的隱私敏感度聲明，PDSS={pdsr|pdsr=PDCr,svr,ivr}，其中：PDCr={pdr1,pdr2,…,pdrq}(q≥1)是涉及隱私信息的一個(gè)數(shù)據(jù)組合，其可能與一個(gè)或多個(gè)工作流任務(wù)相關(guān)；svr∈(0,1]表示PDCr的敏感程度，svr越大，表示敏感度越高；ivr∈(0,1]表示PDCr的影響程度，即確定特定用戶個(gè)體的可能性程度，ivr=1則表示可以完全確定。

定義2一組云服務(wù)提供者?；旌显骗h(huán)境中的一組云服務(wù)提供者可以描述為PROVIDER={providerm|providerm=VMm,tvm}，其中：

(1)tvm∈[0,1]為云服務(wù)提供者providerm所能達(dá)到的信譽(yù)度。具體可根據(jù)其所能滿足用戶隱私保護(hù)需求的能力等指標(biāo)來計(jì)算，不在本文考慮范圍之內(nèi)。

(2)VMn表示服務(wù)提供者所提供的一組預(yù)定義虛擬機(jī)類型組合，VMm={vmm,k|vmm,k=cpm,k,cm,k,cm,k,ctm,k}，其中：cpm,k表示虛擬機(jī)的計(jì)算能力；cm,k表示虛擬機(jī)單位時(shí)間內(nèi)的收費(fèi);ctm,k表示虛擬機(jī)的計(jì)價(jià)時(shí)間單元，單位：min。

此外，本文約定provider1為私有云服務(wù)提供者，其他providerm(m>1)則為公有云服務(wù)提供者。各服務(wù)提供者之間的通信帶寬與傳輸價(jià)格用矩陣BW與TC表示，其中：BWab(1≤a≤M,1≤b≤M)表示providera與providerb之間的通信帶寬，單位：MB/S；TCab(1≤a≤M,1≤b≤M)表示providera與providerb之間的傳輸價(jià)格，單位：$/MB。

2.2 隱私保護(hù)需求模型

隱私保護(hù)需求可分為單個(gè)任務(wù)執(zhí)行時(shí)的隱私保護(hù)需求和多個(gè)任務(wù)執(zhí)行時(shí)的隱私保護(hù)需求。單個(gè)任務(wù)執(zhí)行時(shí)的隱私保護(hù)需求可表示為SP：T×PROVIDER→{0,1}，其中T={T1,T2,…,Ti,…,Tn}為所有工作流任務(wù)的集合；矩陣SP代表工作流中任務(wù)到云服務(wù)提供者的一個(gè)有效映射，如其中元素SPij,m=1，則表示任務(wù)tij中存在隱私數(shù)據(jù)需交由云服務(wù)提供者providerm中的虛擬機(jī)進(jìn)行處理。

多任務(wù)執(zhí)行時(shí)的隱私保護(hù)需求主要為避免將多個(gè)任務(wù)的相關(guān)數(shù)據(jù)合并后，將包含隱私信息，而這些任務(wù)若由同一公有云服務(wù)提供者執(zhí)行，將存在一定的隱私暴露風(fēng)險(xiǎn)，若風(fēng)險(xiǎn)值高于提前設(shè)定的閾值，需要將這些任務(wù)分散給多個(gè)公有云服務(wù)提供者執(zhí)行。

多個(gè)任務(wù)由同一公有云服務(wù)提供者執(zhí)行時(shí)的隱私暴露風(fēng)險(xiǎn)可以表示為：

(1)

式中D(nt)為任務(wù)組合nt的數(shù)據(jù)項(xiàng)集。

2.3 工作流完成時(shí)間計(jì)算模型

假設(shè)tib是一個(gè)被類型為vmm,k的虛擬機(jī)執(zhí)行的任務(wù)，ST(tib)為tib的開始時(shí)間，ET(tib)為tib的結(jié)束時(shí)間，分別表示為：

Twait(tia,tib)}+WTib，

(2)

ET(tib)=ST(tib)+Wib/cpm,k。

(3)

其中：WTib為tib處于等待狀態(tài)的時(shí)間，當(dāng)任務(wù)被分配的虛擬機(jī)正在執(zhí)行其他任務(wù)時(shí)，任務(wù)將進(jìn)入等待狀態(tài)；Twait(tia,tib)為tia向tib傳輸數(shù)據(jù)所需的時(shí)間，

Twait(tia,tib)=dei,ab/BWcm。

(4)

式中tia由服務(wù)提供者providerc執(zhí)行。

綜上所述，工作流Wi的完成時(shí)間

makespani=ET(ti,exit)。

(5)

2.4 云資源使用成本模型

工作流任務(wù)tij的執(zhí)行成本主要包括計(jì)算成本和傳輸成本兩部分，可以表示為：

costij=costij,com+costij,tran。

(6)

在混合云環(huán)境中，按照公有云服務(wù)提供者的定價(jià)方式，一臺類型為vmm,k的虛擬機(jī)執(zhí)行任務(wù)tij的計(jì)算成本

costij,com=Trent(vmm,k,tij)/ctm,k×cm,k。

(7)

式中Trent(vmm,k,tij)表示任務(wù)tij租用類型為vmm,k的虛擬機(jī)時(shí)間。任務(wù)tij的傳輸成本只考慮tij接受其前驅(qū)任務(wù)集pre(tij)中任務(wù)的傳輸數(shù)據(jù)時(shí)產(chǎn)生的花費(fèi)，可以表示為：

(8)

式中tia為tij的前驅(qū)任務(wù)且它由云服務(wù)提供者providerc執(zhí)行。

因此，執(zhí)行工作流所需云資源使用成本可以表示為：

(9)

3 隱私與成本感知的云工作流調(diào)度算法

在混合云環(huán)境下，任務(wù)在私有云中執(zhí)行能夠減少云資源使用成本及隱私暴露風(fēng)險(xiǎn)，但由于私有云資源有限，所有任務(wù)均交由私有云執(zhí)行可能導(dǎo)致工作流的完成時(shí)間超出截止時(shí)間限制。為此，本文提出一種混合云環(huán)境下成本與隱私感知的工作流調(diào)度算法(Cost-aware and Privacy-aware workflow scheduling strategy in Hybrid Clouds，CPHC)，該算法的基本思想是根據(jù)截止時(shí)間與隱私保護(hù)需求的約束，將盡可能多的工作流任務(wù)分配到私有云中執(zhí)行，從而降低工作流的執(zhí)行成本。算法1描述了該算法的主要步驟。

算法1CPHC。

輸入:SP:Privacy protection requirements，UT:The upper threshold of privacy exposure risk，VM:virtual machine resources，WS:Set of workflow applications，T:Set of tasks of WS；

輸出:Resource scheduling policy。

1:schedule T to the private cloud;

2:foreach workflowWiin WS

3: calculate makespaniby Eq.(5);

4:end for

5:while?WiinWSsatisfyingmakespani>Dido

6: select txwith max waiting time from T;

7: set the available public providers APxof task txaccording to SP;

8: foreach VM typein APx

9: calculate costxby Eq.(6);

10: end for

11: choose the VM type vmxwith lowest costxfrom APx, and assign it to tx;

12: nt=all the tasks which have the same service provider as tx;

13: while crisk(nt, providernt)>UT do

14: select tywith minimum workload and Size of(APy)>1 from nt;

15: APy= APy-{providery};

16: foreach VM typein APy

17: calculate costyby Eq.(6);

18: end for

19: choose the VM type vmywith the lowest costyfrom APy, and assign it to ty;

20: nt=all the tasks which have the same service provider as ty;

21: end while

22: recalculate each makespaniof WS by Eq.(5);

23:end while

算法1具體步驟描述如下：

步驟1(語句1～4)將所有任務(wù)按就緒的順序分配到私有云當(dāng)前可用資源中計(jì)算能力最強(qiáng)的虛擬機(jī)中執(zhí)行。若任務(wù)就緒但無可用私有云資源分配，則進(jìn)入等待狀態(tài)直到資源可用。任務(wù)分配完成后計(jì)算各個(gè)工作流的完成時(shí)間。

步驟2(語句5)若任意工作流完成時(shí)間超過其截止時(shí)間，則不斷執(zhí)行循環(huán)體。

步驟3(語句6～7)從分配到私有云的任務(wù)中挑選出等待時(shí)間最長的任務(wù)tx，并根據(jù)其單個(gè)任務(wù)隱私保護(hù)需求設(shè)置tx的可分配公有云的范圍APx。假設(shè)云環(huán)境中存在3個(gè)公有云providera，providerb，providerc，任務(wù)tx的單個(gè)任務(wù)隱私保護(hù)需求限制不能由providera執(zhí)行，則tx的可分配公有云的范圍為providerb和providerc。

步驟4(語句8～11)根據(jù)式(6)計(jì)算APx中各個(gè)虛擬機(jī)類型執(zhí)行任務(wù)的執(zhí)行成本，并從中選擇出執(zhí)行tx成本最少的虛擬機(jī)類型vmx分配給tx。

步驟5(語句12～13)找出與任務(wù)有相同云服務(wù)提供者的任務(wù)集合nt并計(jì)算其隱私信息暴露風(fēng)險(xiǎn)，若隱私信息暴露風(fēng)險(xiǎn)高于閾值UT則不斷執(zhí)行循環(huán)體。

步驟6(語句14～20)從nt中選取工作量最少且可分配公有云范圍大于1的任務(wù)并重新設(shè)定其可分配公有云的范圍。然后，再次執(zhí)行步驟4和步驟5的過程，對選定的任務(wù)進(jìn)行重新分配。

步驟7(語句22)按照當(dāng)前資源分配方案，重新計(jì)算各工作流的完成時(shí)間。將多個(gè)工作流應(yīng)用按就緒順序調(diào)度到資源有限的私有云時(shí)，每個(gè)工作流應(yīng)用執(zhí)行過程中可能存在其他工作流任務(wù)優(yōu)先執(zhí)行。因此，當(dāng)任意任務(wù)的資源分配方案發(fā)生變化，所有工作流完成時(shí)間需重新計(jì)算。

4 仿真實(shí)驗(yàn)

4.1 實(shí)驗(yàn)參數(shù)設(shè)置

為分析和評估隱私與成本感知算法的性能。本文在CloudSim[13]平臺上參照Amazon EC2[14]、Microsoft Azure[15]、Google Compute Engine[16]中的按需實(shí)例，設(shè)置了3個(gè)公有云服務(wù)、共15種不同類型的虛擬機(jī)實(shí)例進(jìn)行仿真實(shí)驗(yàn)，詳細(xì)參數(shù)如表1～表3所示。本文還設(shè)置了1個(gè)私有云服務(wù)，其中包括6個(gè)計(jì)算核心為1的虛擬機(jī)以及4個(gè)計(jì)算核心為2的虛擬機(jī)。此外，本文采用的工作流任務(wù)的工作量服從范圍[10 000,50 000]MFLOPS(每秒百萬浮點(diǎn)指令)的均勻分布；輸出數(shù)據(jù)的大小均勻分布范圍為[10,100]MB；

表1 公有云服務(wù)1虛擬機(jī)實(shí)例參數(shù)設(shè)置

表2 公有云服務(wù)2虛擬機(jī)實(shí)例參數(shù)設(shè)置

表3 公有云服務(wù)3虛擬機(jī)實(shí)例參數(shù)設(shè)置

本文仿真采用以下3個(gè)算法來計(jì)算工作流的執(zhí)行成本：

(1)PSO算法 本文對比著名的粒子群優(yōu)化算法[17](Particle Swarm Optimization, PSO)。在粒子群優(yōu)化算法迭代過程中，本文定義加速系數(shù)φ1=φ2=2.05；慣性系數(shù)ω=0.5；粒子的數(shù)量為50；算法迭代次數(shù)為500；粒子編碼參考文獻(xiàn)[12]中的方法；限制條件與本文相同。

(2)CPHC算法 本文提出的成本感知算法，目的是在滿足工作流截止時(shí)間和隱私保護(hù)需求的約束下，最小化工作流執(zhí)行花費(fèi)。

(3)CHC算法 本文提出的CPHC算法考慮了隱私保護(hù)需求，并可有效處理隱私保護(hù)約束。為評價(jià)隱私保護(hù)需求對CPHC算法性能的影響，將該算法中隱私保護(hù)約束相關(guān)的處理邏輯去除后，得到CHC算法。

4.2 對比實(shí)驗(yàn)結(jié)果

如圖1所示為在工作流截止時(shí)間變化的條件下，CPHC算法與PSO算法的性能比較實(shí)驗(yàn)結(jié)果。由圖1a易知，隨著截止時(shí)間的增大，兩個(gè)算法的工作流執(zhí)行成本逐漸減小，當(dāng)截止時(shí)間超過一定值時(shí)趨于平緩。這是因?yàn)楫?dāng)截止時(shí)間較低時(shí)，較多任務(wù)需要被分配到計(jì)算能力更強(qiáng)的公有云中執(zhí)行才能滿足截止條件，導(dǎo)致執(zhí)行工作流所需成本增高。

圖1b為兩算法隱私暴露風(fēng)險(xiǎn)對比，隱私暴露風(fēng)險(xiǎn)上限閾值設(shè)置為6。從結(jié)果可以看出，兩算法均能滿足隱私暴露風(fēng)險(xiǎn)閾值限制，且CPHC算法所調(diào)度的工作流隱私暴露風(fēng)險(xiǎn)小于PSO算法。這是因?yàn)镃PHC算法盡可能將最多的工作流任務(wù)交由私有云服務(wù)執(zhí)行，減少了由公有云服務(wù)執(zhí)行任務(wù)時(shí)產(chǎn)生的隱私暴露風(fēng)險(xiǎn)。

如圖2所示為在工作流截止時(shí)間變化的條件下，考慮隱私保護(hù)需求對CPHC算法的影響。從圖2a可以看出，當(dāng)截止時(shí)間小于一定值時(shí)，在相同參數(shù)設(shè)置下CHC算法的執(zhí)行成本小于CPHC算法。當(dāng)截止時(shí)間大于一定值時(shí)，所有任務(wù)在私有云執(zhí)行，隱私保護(hù)需求對算法無影響。

圖2b為考慮隱私保護(hù)需求對算法執(zhí)行時(shí)間的影響，可以看出CHC算法的運(yùn)行時(shí)間在截止時(shí)間低于一定值時(shí)低于CPHC算法，這是因?yàn)樵跁r(shí)間較少時(shí)，大量任務(wù)被分配到公有云資源導(dǎo)致違反多任務(wù)隱私保護(hù)需求的任務(wù)增多，算法需要進(jìn)行重新調(diào)度導(dǎo)致運(yùn)行時(shí)間增加。

5 結(jié)束語

針對現(xiàn)有云工作流調(diào)度方法未考慮涉及同一工作流內(nèi)或者不同工作流之間的多個(gè)任務(wù)的隱私保護(hù)需求的不足，本文在前期研究工作的基礎(chǔ)上，建立了混合云環(huán)境下成本與隱私感知的工作流調(diào)度模型，并設(shè)計(jì)了一種具有成本與隱私感知能力的調(diào)度方法CPHC。通過在CloudSim平臺上進(jìn)行模擬實(shí)驗(yàn)，驗(yàn)證了該方法在執(zhí)行成本、隱私暴露風(fēng)險(xiǎn)、運(yùn)行時(shí)間等方面均優(yōu)于所對比的PSO算法。但是，該方法僅考慮了云用戶的需求，并未考慮云提供商的運(yùn)營成本等需求。因此，在今后的工作中，將結(jié)合涉及多云數(shù)據(jù)中心的能耗優(yōu)化研究以進(jìn)一步研究工作流調(diào)度問題。