科创中国

行业领域

电子信息技术,计算机及网络技术

需求背景

随着边缘计算技术的发展，网络架构正在发生深刻的变革。具体来说，大量流量开始在网络边缘进行处理，这一变化改变了数据在网络中的传统流向。因此，对边缘网络进行高精度、细粒度的流量预测变得尤为重要。这不仅有助于优化基于边缘节点的网络资源、实现智能网络管理，而且对于确保网络的稳定性和效率也具有深远的意义。

此外，边缘计算资源的地理分散性、异构性以及对性能、能耗、费用、稳定性等的多重需求，使得调度问题变得更为复杂。为了应对这些挑战，研究者们提出了基于云、网、边的深度融合的算力网络方案，该方案旨在更有效地管理和调度计算、存储、网络及算法资源。同时，边缘设备不仅具有数据处理能力，还可以执行部分或全部的计算任务，从而降低中心云服务器的负载并缓解网络带宽压力。

需解决的主要技术难题

边缘云技术在网络流量预测和调度中的应用研究需要解决以下主要技术难题：

1. 数据处理能力问题：由于边缘设备具有执行计算和数据分析的处理能力，因此如何提高其在网络流量预测和调度中的处理效能，保证数据的实时性和精度是一个重要挑战。

2. 高精度、细粒度的流量预测问题：实现对网络流量的高精度、细粒度的预测对于基于边缘节点的网络资源优化、编排及智能管理具有重要意义。如何针对多边缘节点网络拓扑进行准确的预测是当前的一大研究难点。

3. 资源配置与优化问题：随着任务的计算量快速增长，如何有效地进行资源配置并进行优化以适应不断变化的网络流量需求成为一大挑战。

4. 难以管理的计算任务问题：虽然研究人员提出了如内容分发网络（CDN）和边缘计算等平台技术，但如何有效管理边缘计算中复杂且多样的计算任务仍是一个需要解决的问题。

5. 人工智能与边缘计算的结合：随着边缘计算和人工智能相互赋能，催生了新的研究领域——边缘智能。如何更好地结合二者并在网络流量预测和调度中发挥其优势是一个待研究的课题。

期望实现的主要技术目标

边缘云技术在网络流量预测和调度中的应用研究期望实现的主要技术目标主要包括以下几点：

1. 提升数据处理效率：随着边缘计算模型的发展，将部分或全部计算任务迁移到网络边缘设备上，降低云服务器的计算负载，提高万物互联时代数据的处理效率。

2. 优化资源分配与调度：基于对边缘计算算力分配和调度需求的研究，提出深度融合的算力网络方案，能够有效应对未来业务对计算、存储、网络甚至算法资源的多级部署以及在各级节点之间的灵活调度。

3. 高精度流量预测：随着边缘计算技术的应运和发展，开展高精度、细粒度的流量预测研究对于基于边缘节点的网络资源优化、网络资源编排、网络智能管理具有重要意义。

4. 降低网络压力：通过将大量流量卸载到边缘进行处理，改变了数据在网络中的流向，从而有效地减缓了网络带宽的压力。

5. 构建智能化服务：借助人工智能在边缘计算平台上提供智能化的服务，实现边缘计算和人工智能二者相互受益，如利用人工智能对边端进行智能地维护和管理。

处理进度