分布式矩阵相乘是众多分布式机器学习、科学计算等应用中的关键操作，但其性能会受到系统中常见的落后节点的严重影响。最近研究者提出了基于喷泉码的编码矩阵相乘方法，能够充分利用落后节点的部分计算结果，从而大幅度减轻落后节点问题，但忽略了工作节点的存储开销。在考虑存储开销与计算完成时间之间的权衡关系的基础上，首先提出了面向异构工作节点的计算期限感知的存储优化问题；然后进一步通过理论分析，提出了基于期望近似的解决思路，并通过松弛将问题转化为凸优化问题以方便高效求解。仿真实验表明，在保证较大的任务成功率的情况下，所提方案的存储开销会随着任务期限的放宽迅速下降，并且该方案能够更大幅度降低编码带来的存储开销。也就是说，所提方案能够在保障整体计算在期限内大概率完成的前提下，大幅度降低总体的额外存储负载。
