工作流技术是一种起源于办公自动化系统的技术。作为过程自动化与协同技术的一种,工作流技术已经在很多领域（如金融业、制造业、科学界等）得到广泛的应用。为了提高工作效率,许多业务过程都会采用工作流技术,其关键是应用计算机技术把业务过程抽象出来,建立对应的工作流模型来实现自动化处理。随着云计算的发展,服务架构从传统的平台即服务（Platform as a Service,Paa S）慢慢演变到无服务器（以下简称Serverless）架构。通过Serverless架构,开发人员不用过多考虑服务器相关的问题,只需要和预先定义好的接口（以下简称API）进行交互。基于Serverless架构,用户只需要为特定函数的执行时间进行付费,相比于用户需要为虚拟机的执行时间片段付费的传统的基础设施即服务（Infrastructure as a Service,Iaa S）架构,极大影响了大规模伸缩系统的性能提升。然而,由于Serverless架构使用了不同的资源模型,其最基本的资源模型是函数而不是Iaa S中的虚拟机,故现有的基于Iaa S的工作流列表调度算法难以在Serverless平台上实现;此外,由于在Serverless平台上无法控制任务执行的CPU运算速率,现有的基于运行时间估计的列表调度算法也难以在Serverless平台上实现。因此,针对Serverless平台的资源模型,研究基于Serverless框架的工作流调度算法是很有意义的。本文的工作主要有:首先,提出了一个基于Serverless架构的工作流调度系统框架,其使用Knative作为Serverless平台,Kubernetes作为集群管理系统,通过调度、监控、调整、反馈、日志等五个模块,实现对Knative Serving的管理和工作流任务向Knative Serving资源的转换;同时,系统形式化定义用户需要提交的工作流格式,方便用户定义并创建工作流。在调度算法方面,本文提出了一个考虑整体执行时间（即工作流提交到工作流完成的时间差,以下简称为Makespan）和截止时间（以下简称Deadline）的基于Serveless架构的工作流动态调度算法,通过将整个集群的资源分配给多个工作流,相比于传统的静态调度算法,能够满足用户在不同时间、提交不同工作流的调度任务;本文提出的算法无须考虑传统的Iaa S平台调度算法需要使用的各类工作流任务运行时间参数,可以避免误差较大的运行时间估计对调度算法的影响;通过监控反馈机制获取更真实的资源使用情况,本算法可以更为精确地调整工作流任务的实例数;此外,本算法还对集群节点伸缩提供了支持,充分利用了Serverless架构自动伸缩的特性。最后,基于上述研究,在Knative平台上实现了提出的工作流调度系统框架及算法,并在搭建的实验平台上验证了调度算法的性能。实验结果表明,由于采用了监控反馈机制来获取资源的使用情况,本文提出的调度算法可以在整体Makespan和按时完成率上取得更好的调度效果,并适应各种不同的调度环境。