【摘要】5G通信技術的快速發(fā)展為智能邊緣計算提供了廣闊的應用場景和發(fā)展機遇。智能邊緣計算作為一種新型的計算模式，通過將計算和存儲資源近距離部署在網絡邊緣，實現(xiàn)了低時延、高帶寬、高可靠性和個性化定制等特性。本文針對5G通信中智能邊緣計算的優(yōu)化問題進行了探討，從資源分配、任務調度、能源管理等方面分析了優(yōu)化策略，并探討了其在提升網絡性能、降低能耗、改善用戶體驗等方面的潛在作用。

【關鍵詞】5G通信；智能邊緣計算；優(yōu)化資源分配

中圖分類號：TN929 文獻標識碼：A DOI：10.12246/j.issn.1673-0348.2024.12.016

隨著互聯(lián)網的普及和移動通信技術的快速發(fā)展，人們對通信網絡的需求不斷增加，對網絡性能和用戶體驗的要求也日益提高。5G通信作為新一代移動通信技術，具有高速傳輸、低時延和大容量等特點，為智能邊緣計算的發(fā)展提供了有利條件。智能邊緣計算是一種將計算和存儲資源近距離部署在網絡邊緣，以便于快速響應用戶請求的新型計算模式。在5G通信環(huán)境下，智能邊緣計算可以充分發(fā)揮其優(yōu)勢，提升網絡性能，改善用戶體驗，并實現(xiàn)能源效率的提升。本文對于5G通信中智能邊緣計算的優(yōu)化問題展開了深入探討，細致分析了資源分配、任務調度、能源管理等方面的優(yōu)化策略，并探討了這些策略在提升網絡性能、降低能耗以及改善用戶體驗等方面的潛在影響。

1. 資源分配優(yōu)化

1.1 網絡拓撲的概念

網絡拓撲是指在一個網絡中，各個節(jié)點之間的布局結構，包括它們之間的物理或邏輯連接方式以及數(shù)據(jù)傳輸?shù)穆窂?。?G通信系統(tǒng)中，邊緣節(jié)點和核心節(jié)點扮演著至關重要的角色。邊緣節(jié)點位于網絡的邊緣，主要負責處理和存儲用戶數(shù)據(jù)，提供邊緣計算服務；而核心節(jié)點則位于網絡的核心位置，承載著網絡的核心功能和數(shù)據(jù)處理任務。在進行資源分配時，需要充分考慮網絡中各個節(jié)點之間的連接關系。例如，如果邊緣節(jié)點之間的連接比較密集，那么可以采用分布式計算的方式，將任務分配到各個邊緣節(jié)點進行處理，以實現(xiàn)資源的充分利用；而如果核心節(jié)點之間的連接更加穩(wěn)定和高速，可以將一部分計算任務集中在核心節(jié)點進行處理，提高計算效率。如果用戶設備集中在某一區(qū)域，可以考慮部署更多的邊緣節(jié)點來提供更好的服務；而如果用戶設備分散在不同地區(qū)，就需要優(yōu)化網絡拓撲結構，實現(xiàn)資源的均衡分配。技術人員根據(jù)網絡的特點和需求，可以選擇靜態(tài)分配、動態(tài)分配或自適應分配等不同的策略。靜態(tài)分配適用于網絡拓撲結構比較穩(wěn)定的情況，而動態(tài)分配和自適應分配則適用于網絡拓撲結構變化頻繁的情況，以滿足實時性和靈活性的需求[1]。

1.2 考慮邊緣節(jié)點和核心節(jié)點

在5G通信中，邊緣節(jié)點和核心節(jié)點扮演著智能邊緣計算資源分配中的關鍵角色。邊緣節(jié)點位于網絡邊緣，其任務包括實時數(shù)據(jù)處理、存儲和邊緣計算服務的提供，直接面向用戶設備。相比之下，核心節(jié)點則位于網絡核心位置，承擔著網絡的核心功能和數(shù)據(jù)處理任務，是整個系統(tǒng)的中樞。在資源分配過程中，邊緣節(jié)點和核心節(jié)點之間的數(shù)據(jù)傳輸和通信需求是重要考慮因素之一，這直接影響到網絡性能和用戶體驗。

考慮到邊緣節(jié)點和核心節(jié)點的特性和功能，資源分配需要綜合考慮數(shù)據(jù)處理能力、通信延遲、負載均衡、容錯能力。邊緣節(jié)點通常具有較強的數(shù)據(jù)處理能力，能夠快速響應用戶請求并進行實時處理，適合處理實時性要求較高的任務。而核心節(jié)點則通常具有更高的計算能力和存儲容量，適合處理大規(guī)模數(shù)據(jù)處理和分析任務。由于邊緣節(jié)點距離用戶設備更近，因此通信延遲較低，能夠實現(xiàn)更快的數(shù)據(jù)傳輸和響應速度，其解決方案如表1所示。在資源分配時，需要考慮任務的時效性要求，合理利用邊緣節(jié)點的優(yōu)勢，減少通信延遲，提高用戶體驗。技術人員可以利用聯(lián)邦邊緣學習系統(tǒng)，如圖1所示，通過合理分配任務和數(shù)據(jù)，避免單個節(jié)點負載過重，確保系統(tǒng)的穩(wěn)定性和性能。技術人員需要合理分配資源，確保系統(tǒng)在節(jié)點故障或網絡異常情況下能夠自動切換和恢復，提高系統(tǒng)的可靠性和穩(wěn)定性。

1.3 分析節(jié)點之間的連接關系

若用戶設備分散在不同地區(qū)，就需要考慮如何優(yōu)化網絡拓撲結構，實現(xiàn)資源的均衡分配。在這種情況下，可以通過分析用戶設備的分布情況和通信需求，合理規(guī)劃網絡拓撲結構，將資源分配到各個地區(qū)的邊緣節(jié)點進行處理。通過優(yōu)化網絡拓撲結構，可以實現(xiàn)資源的均衡利用，避免出現(xiàn)某些節(jié)點負載過重或資源閑置的情況，提高系統(tǒng)的整體性能和穩(wěn)定性。除了考慮用戶設備的位置分布外，還需要考慮用戶設備的連接方式對資源分配的影響。例如，如果用戶設備通過無線連接接入網絡，通信延遲可能會相對較高；而如果用戶設備通過有線連接接入網絡，通信延遲可能會相對較低。

2. 任務調度優(yōu)化

2.1 任務完成時間縮短

任務完成時間的縮短是智能邊緣計算系統(tǒng)中任務調度優(yōu)化的核心目標之一。為實現(xiàn)這一目標，需要全面考慮任務的計算需求、數(shù)據(jù)傳輸時間以及節(jié)點負載情況，從而設計出更為智能和高效的調度策略。在處理時延敏感的應用場景，比如實時視頻處理，采用靜態(tài)調度是一種有效的方式。通過提前規(guī)劃任務的分配方案，將任務分配到距離更近、計算能力更強的邊緣節(jié)點上。這樣做可以有效降低通信延遲，提高任務響應速度。邊緣節(jié)點的近距離部署使得數(shù)據(jù)傳輸時間大幅減少，從而在保障時效性的同時優(yōu)化任務完成時間。考慮到任務的計算需求，需要根據(jù)不同任務的性質和要求，選擇適當?shù)墓?jié)點進行任務調度。對于計算密集型任務，可以將其分配到計算能力更強的邊緣節(jié)點，以加速處理過程。而對于數(shù)據(jù)密集型任務，可以優(yōu)先考慮具有更高帶寬的節(jié)點，減少數(shù)據(jù)傳輸時間，從而提高任務完成效率。動態(tài)監(jiān)測節(jié)點負載狀態(tài)，實時調整任務的分配，避免過載節(jié)點的出現(xiàn)，確保系統(tǒng)處于良好運行狀態(tài)。動態(tài)調度策略的引入使得系統(tǒng)更具適應性，能夠靈活應對負載波動和任務的實時變化。

2.2 資源利用率提高

通過動態(tài)調度策略，系統(tǒng)可以根據(jù)節(jié)點當前的負載情況和資源可用性，靈活地調整任務的分配，以實現(xiàn)資源的均衡利用，避免節(jié)點過載和資源浪費，最大化整體資源利用率。動態(tài)調度策略需要實時監(jiān)測節(jié)點的負載情況，包括 CPU 使用率、內存占用率等指標。通過對節(jié)點負載狀態(tài)的實時監(jiān)測，系統(tǒng)可以及時發(fā)現(xiàn)負載過重的節(jié)點，并采取相應的措施，避免節(jié)點過載，防止服務質量下降。對于負載較重的節(jié)點，可以減少其任務分配量，以降低其負載壓力，保證系統(tǒng)的穩(wěn)定性和性能[2]。而對于資源空閑的節(jié)點，則可以增加其任務分配量，充分利用其空閑資源，提高整體資源利用率。對于一些優(yōu)先級較高或時效性要求較高的任務，可以優(yōu)先分配到負載較輕或性能較好的節(jié)點上，以確保其及時完成。而對于一些低優(yōu)先級或非時效性要求較高的任務，則可以根據(jù)節(jié)點負載情況進行靈活分配，以實現(xiàn)資源的最優(yōu)利用。此外，動態(tài)調度策略還可以結合預測算法，根據(jù)歷史數(shù)據(jù)和趨勢預測未來節(jié)點負載情況，提前調整任務分配方案，以應對未來可能出現(xiàn)的負載波動，進一步優(yōu)化資源利用率。

2.3 能耗降低

在智能邊緣計算系統(tǒng)中，能耗的降低對于提高設備續(xù)航時間至關重要，尤其是考慮到這些系統(tǒng)通常運行在電池供電的設備上。為了有效降低能耗，采用智能調度算法和動態(tài)調度策略是至關重要的措施。智能調度算法能夠在任務執(zhí)行時精確選擇合適的節(jié)點，以降低整體系統(tǒng)的能耗。通過綜合考慮任務的性質、節(jié)點的能力、通信成本等因素，系統(tǒng)可以在任務分配時選擇能耗更低的節(jié)點進行執(zhí)行。例如，對于一些輕量級的任務，系統(tǒng)可以將其分配到性能較低但能耗更低的節(jié)點上，從而實現(xiàn)在任務執(zhí)行時節(jié)省能量。通過實時監(jiān)測節(jié)點的能效情況，系統(tǒng)可以選擇在能耗較低的節(jié)點上執(zhí)行任務。這種策略不僅需要考慮節(jié)點當前的能效指標，還可以結合歷史能效數(shù)據(jù)和趨勢進行預測，以更智能地選擇執(zhí)行節(jié)點。例如，可以避免在高能耗時段執(zhí)行任務，而選擇在能耗較低的時段進行任務處理，以進一步降低整體系統(tǒng)的能耗。智能邊緣計算系統(tǒng)在設計調度策略時還可以考慮能源感知型算法。這類算法可以根據(jù)節(jié)點的能源狀態(tài)，調整任務的執(zhí)行方式，比如降低CPU頻率、優(yōu)化數(shù)據(jù)傳輸機制等，以最小化能源消耗。這種能源感知型的調度算法可以更加主動地適應節(jié)點的能源狀況，實現(xiàn)對能耗的有效控制[3]。

2.4 智能化調度管理

智能化調度管理是智能邊緣計算系統(tǒng)中的關鍵技術之一，通過結合機器學習等技術，利用歷史數(shù)據(jù)分析和模型預測，實現(xiàn)對任務調度的智能化管理。這種方法能夠更精準地預測未來系統(tǒng)狀態(tài)，進一步優(yōu)化任務調度策略，提高系統(tǒng)的性能和效率。

通過歷史數(shù)據(jù)分析，系統(tǒng)可以收集和分析節(jié)點負載、任務執(zhí)行時間等數(shù)據(jù)，了解系統(tǒng)的運行狀況和性能指標?；谶@些數(shù)據(jù)，可以建立機器學習模型，如回歸模型、時間序列模型等，來預測節(jié)點負載趨勢和任務執(zhí)行時間。這些模型能夠從歷史數(shù)據(jù)中學習到節(jié)點負載和任務執(zhí)行時間的變化規(guī)律，為未來的調度決策提供重要參考。利用機器學習模型對節(jié)點負載趨勢和任務執(zhí)行時間進行預測，可以幫助系統(tǒng)更準確地預測未來的系統(tǒng)狀態(tài)。通過預測節(jié)點負載趨勢，系統(tǒng)可以提前識別可能出現(xiàn)的負載高峰或低谷，從而采取相應的調度策略，避免節(jié)點過載或資源浪費。而預測任務執(zhí)行時間，則可以幫助系統(tǒng)合理安排任務的執(zhí)行順序和分配方式，以最小化任務完成時間，提高系統(tǒng)的效率和性能。

3. 能源管理優(yōu)化

節(jié)能技術包括但不限于動態(tài)電壓頻率調整（DVFS）、休眠模式管理、負載感知的節(jié)能調度等。通過DVFS技術，系統(tǒng)可以根據(jù)當前負載情況動態(tài)調整處理器的電壓和頻率，以降低功耗[4]。而休眠模式管理則可以在設備空閑時將其置于低功耗或休眠狀態(tài)，以進一步節(jié)省能源。此外，負載感知的節(jié)能調度策略可以根據(jù)任務負載情況調整設備的工作狀態(tài)，避免不必要的能源浪費，提高能源利用效率。采用數(shù)據(jù)壓縮、分級存儲等技術可以減少存儲設備的能耗。同時，采用智能的數(shù)據(jù)訪問策略，如預取技術、數(shù)據(jù)緩存策略等，可以減少數(shù)據(jù)傳輸和訪問過程中的能源消耗，提高存儲系統(tǒng)的能效。針對邊緣網絡安全挑戰(zhàn)，也有提出有關多租戶和用戶移動性的針對5G網絡攻擊的一種橫向檢測系統(tǒng)，不需要考慮多個網絡流量封裝，并且能夠對所有的5G網絡段進行分配，這一系統(tǒng)在系統(tǒng)開銷不增加的情況下，與IDS提供時間的延遲不明顯，且具有可收縮性[5]；也有利用5G MEX和備份云進行互相協(xié)作的有效平衡滿足對延遲敏感應用程序的位置感知要求，從而保障邊緣信息的安全。此外，也有針對列控系統(tǒng)的網絡攻擊，運用偽造檢測算法和設計重播且不中斷重要信息通信的方式動態(tài)響應網絡攻擊，為主動列控提供網絡態(tài)勢感知的入侵檢測系統(tǒng)以及針對DDoS協(xié)同防御架構，基于參加者的公平性和防御資源使用效率，利用防御資源充足的MEC節(jié)點協(xié)助自身較差防御能力的MEC節(jié)點，表2對邊緣網絡安全的解決方案進行了總結。

優(yōu)化算法可以根據(jù)系統(tǒng)的實時負載情況、能源成本等因素，智能地調整設備的工作狀態(tài)和資源分配方式，以實現(xiàn)能源的有效利用和節(jié)約。例如，可以采用基于機器學習的預測模型，預測未來負載趨勢和能源需求，從而優(yōu)化能源管理策略。

4. 結束語

5G通信中的智能邊緣計算優(yōu)化問題是一個復雜而又具有挑戰(zhàn)性的課題。通過合理的資源分配、任務調度和能源管理優(yōu)化策略，可以有效提升網絡性能，降低能耗，改善用戶體驗。未來，隨著5G技術的不斷發(fā)展和智能邊緣計算的深入應用，需強化優(yōu)化策略的研究和實踐，以應對日益增長的通信需求，推動通信網絡的進一步發(fā)展和升級。

參考文獻：

[1]張夢然.未來先行，擁抱智能時代[N].科技日報，2024-03-01（004）.

[2]陳姝.深圳龍頭企業(yè)出擊全球最大通信展[N].深圳商報，2024-02-27（A03）.

[3]鄒曉.各地打響5.5G"爭奪戰(zhàn)"[N].深圳商報，2024-02-27（A03）.

[4]王浩成，宋厚營，于佳.新型電力系統(tǒng)終端通信網優(yōu)化方案研究[J].山東電力技術，2024，51（02）：56-66.

[5] 陳三龍，謝俊.大數(shù)據(jù)技術在5G通信網絡中的應用探析[J].中國新通信，2023，25（23）：1-3.

作者簡介：李嘯威（1986—），男，河北邯鄲人，碩士研究生，工程師，研究方向：無線通信。