摘要：faas(function-as-a-service,函数即服务)工作流由多个函数服务编排而成,通过对多个函数的协调控制来实现复杂的业务应用.当前faas工作流系统主要基于集中式的数据存储实现函数间的数据传递,导致faas函数间的数据传输开销大,显著影响应用性能.在高并发情况下,频繁的数据传输还会产生严重的网络带宽资源争用,导致应用性能下降.针对上述问题,基于函数服务间的细粒度数据依赖分析,提出一种基于关键路径的函数部署优化方法,设计了依赖敏感的数据存取与管理机制,有效减少函数间数据传输,从而降低faas工作流应用执行的数据传输时延和端到端时延.设计实现了faas工作流系统FineFlow,并基于5个真实faas工作流应用开展实验评估.实验结果表明,相比于基于集中式数据存储函数交互机制的faas工作流平台,FineFlow能够有效降低faas工作流应用的数据传输时延:最高降低74.6%,平均降低63.8%;平均降低应用端到端执行时延19.6%.特别地,对于具有明显细粒度数据依赖的faas工作流应用,相比于现有的基于数据本地性的优化方法,FineFlow能够使数据传输时延和端到端时延进一步分别降低28.4%和13.8%.此外,FineFlow通过减少跨节点的数据传输,能够有效缓解网络带宽波动对faas工作流执行性能的影响,提升应用性能受网络带宽影响的鲁棒性.