随着云计算技术的进步和成熟，从小型初创企业到行业巨头都选择将业务部署到公有云平台上。公有云服务提供商在全球多个地区建立了数据中心为附近用户提供低时延的资源租赁服务。在这些跨域集群上部署的服务不断产生大量数据，分析这些数据对于公司或组织作出各类决策具有极高价值，这类横跨多个跨域数据中心进行数据分析的作业称为跨域数据处理。如何高效、低成本、及时地开展跨域数据处理变得至关重要。
　　跨域数据处理中的主要问题和挑战在于跨域集群中的资源异构性，相关工作都假设各个数据中心内的资源则是无限同构的，只有网络带宽为跨域数据处理中的瓶颈。然而，对于从公有云服务提供商处租用有限的计算实例来完成数据分析任务的公司和组织来说，仅假设带宽为瓶颈是不适用的。此外，公有云用户的实例租用规模取决于自身的成本预算，他们往往需要细致地配置资源来节省支出、提高数据处理速度，进而最大化支出效益。
　　面对数据中心间的资源异构特性，指出了在跨域数据处理中对资源配置和任务调度进行联合优化的必要性。并对该调度联合优化问题进行了数学建模并证明了其NP难特性，之后设计了一个基于图匹配理论的近似算法解决该问题。理论分析推导出了所提算法的近似度和复杂度。为了验证所提出方案的具体性能，采用来自生产环境中的工作负载数据集和真实云服务配置进行了模拟实验，实验结果表明，在指定的参数下，所提出的近似算法可以综合考虑跨域集群中的资源异构性，同时对资源配置和任务调度做出联合优化。