針對(duì)Storm流式計(jì)算平臺(tái)中默認(rèn)輪詢調(diào)度策略存在通信開銷大、負(fù)載不均衡的問題，提出基于拓?fù)浣Y(jié)構(gòu)的任務(wù)調(diào)度策略（ TS2）。首先，選取CPU資源充足且可用的工作節(jié)點(diǎn)并各分配一個(gè)進(jìn)程，消除節(jié)點(diǎn)內(nèi)進(jìn)程間通信開銷，優(yōu)化進(jìn)程部署；然后，分析拓?fù)浣Y(jié)構(gòu)，找出拓?fù)渲卸茸畲蟮慕M件，優(yōu)先分配該組件的線程；最后，在滿足節(jié)點(diǎn)可承載最大線程數(shù)的條件下，盡可能將關(guān)聯(lián)任務(wù)部署到同一個(gè)節(jié)點(diǎn)來減少節(jié)點(diǎn)間通信開銷，改善集群負(fù)載均衡，優(yōu)化線程部署。實(shí)驗(yàn)結(jié)果表明：在系統(tǒng)延遲方面，與Storm默認(rèn)調(diào)度策略和離線調(diào)度策略相比，TS的平均優(yōu)化率分別為16. 91%和5. 69%，有效提高了系統(tǒng)的實(shí)時(shí)性；在節(jié)點(diǎn)間通信開銷方面，TS相比于Storm默認(rèn)調(diào)度策略平均降低了15. 75%；在平均吞吐量方面，TS相比于Storm默認(rèn)調(diào)度策略平均提升了14. 21%。

　　隨著互聯(lián)網(wǎng)+時(shí)代來臨，全球數(shù)據(jù)量急劇增長。國際數(shù)據(jù)公司（ International Data Corporation，IDC）發(fā)布的白皮書《數(shù)據(jù)時(shí)代2025》中提出，預(yù)計(jì)到2025年全球數(shù)據(jù)量將達(dá)到163ZB，其中超過25%的數(shù)據(jù)將成為實(shí)時(shí)數(shù)據(jù)，而物聯(lián)網(wǎng)實(shí)時(shí)數(shù)據(jù)將占到95%［1］，面對(duì)如此龐大的實(shí)時(shí)數(shù)據(jù)量，需要時(shí)效性高、可擴(kuò)展性和穩(wěn)定性強(qiáng)的流式計(jì)算框架。與批量計(jì)算不同，流式計(jì)算不再對(duì)數(shù)據(jù)的中間結(jié)果進(jìn)行存儲(chǔ)，數(shù)據(jù)直接在各個(gè)工作節(jié)點(diǎn)的內(nèi)存中進(jìn)行計(jì)算。在這種應(yīng)用場景下，以Twitter公司的Storm系統(tǒng)為代表的幾種實(shí)時(shí)計(jì)算框架應(yīng)運(yùn)而生，也將流式計(jì)算的應(yīng)用范圍逐漸擴(kuò)展到物聯(lián)網(wǎng)、金融、社交媒體以及實(shí)時(shí)交通等實(shí)時(shí)性要求高的領(lǐng)域‘糾。其中在Storm環(huán)境下，針對(duì)套牌車識(shí)別具有時(shí)效性約束的問題，相關(guān)學(xué)者提出了一種基于實(shí)時(shí)車牌識(shí)別的流式并行檢測方法，并且該方法的準(zhǔn)確率達(dá)到了98.7%_3］，實(shí)時(shí)獲取車輛的動(dòng)態(tài)信息已經(jīng)成為可能。