Internet应用程序不断增加的数据需求，已经促使研究者们开发新的编程范例和复杂的调度算法，来处理数据密集型的工作负载。由于此类流的容量不断扩大和种类繁多，它们的原始数据通常在发送到服务器之前，在中间处理节点(IPNs)上进行处理。然而，现有的流计算模型很少考虑中间处理约束。本研究的目标是在中间处理约束存在的情况下最小化数据密集型应用的延迟。激励案例表明，网络位置和流量调度策略都对延迟有影响。针对向网络分派流量，实质上就是建立流量与网络之间的匹配，提出了一种基于匹配理论的解决方案。在部署阶段，提出了一种延迟接受算法来优化IPN位置。在运行阶段，将D功率范式和匹配理论结合起来，有效地调度流。评估结果表明，我们的解决方案有效地最小化了异构系统中数据密集型应用程序的总延迟。

本研究由清华大学在本项目的支持下完成，发表在IEEE Communications Magazine上，原文可由链接https://doi.org/10.1109/MCOM.001.1900130查看。