随着互联网技术的快速发展,单核处理器已经无法满足大规模数据计算的需求,多核并行计算成为提升计算速率的重要方法。数据流编程是针对大规模密集计算和多核计算的编程模型,通过将计算任务划分成子任务并分配到不同的核心来实现并行计算。任务划分的前提是估计任务的工作量,估计的准确性影响划分效果的好坏,进而影响计算任务的并行性。针对目前缺乏工作量细粒度估计方法的问题,设计并实现了一种基于程序语句的工作量估计方法。该方法以测试程序语句的基础运算所需的时钟周期数为基础,对程序的结构及运算类型进行分类,借助编译器中的常量传播机制分析判断程序执行的路径,针对不同的程序结构使用不同的工作量估计方法,精细地计算出程序执行所需的时钟周期数。由于编译器在编译时期对源码进行的优化处理改变了程序语句的实际执行,导致按照源程序语句进行的工作量估计将产生一定的误差,为缩小这种误差,将工作量的估计方法按照编译优化的处理进行对应的调整,使工作量估计基于实际执行的程序语句,进一步提高工作量估计的准确性。针对COStream原工作量估计方法不准确的问题,将细粒度工作量估计方法应用于COStream编译器中,提高了COStream编译器的性能。以X86结构多核处理器作为实验平台,选取了覆盖各类程序结构的测试用例测试细粒度工作量估计方法的准确性,测试结果表明该估计方法具有较高的准确性。选取数字媒体领域应用较广泛的算法,对应用了细粒度工作量估计方法后的COStream编译器进行测试,测试结果表明程序的加速比有所提升,同时,编译器计算的加速比理论值与实际值间的误差减小。