随着云计算技术的快速发展与其高可靠性、高便携性、按需付费等优点的展现,吸引了组织机构和个人将应用和服务部署到云计算平台上来。众多数据分析工作流应用也逐渐完成了向云计算环境的迁移。在云计算环境中部署的数据分析工作流应用利用云服务商提供灵活的购买方案与弹性容量等优势的同时,调度与执行也面临着新的挑战,浮现出了一些在云环境下特有的问题。这些问题主要表现在下面几个方面:(1)利用多种购买方案降低成本的问题。竞价实例售价更低,可以用来优化调度成本。(2)中间数据集的再生与存储权衡问题。使用竞价实例容易造成任务重启,任务所需的中间数据集可以从云存储服务中获取,也可以通过其他关联的数据集计算生成,两者如何进行选择。(3)工作流结构动态变化的模型优化问题。有些工作流在实际执行过程中,结构会随着用户输入的变化而动态改变。根据模型结构的变化特点,考虑分支负载均衡的同时为用户优化调度成本,值得深入研究。针对以上问题,围绕节省用户调度过程中产生的费用,本文主要做了以下的研究工作:1.提出了一个截止时间约束下竞价实例与按需实例混合使用的调度算法,保证数据分析工作流完成时间的同时,减少调度产生的费用。2.提出了一个中间数据集选择存储策略,权衡数据集再生成本与存储成本,优化数据密集型工作流执行过程中存储费用与计算费用的总和。3.针对结构动态变化的数据分析工作流模型,以面向超参数调优的数据分析工作流为例,提出了一个并行分支组合调度算法,使用更少的实例,考虑负载均衡,满足用户给定的完成时间约束的前提下,为用户节省费用。最后,对云计算环境进行仿真,设计实验模拟数据分析工作流的调度过程。与多种调度算法进行对比,本文提出的算法能够在各自应用场景下为用户节省调度开销。