边缘计算迁移策略研究

传统的云计算已经无法满足迅速增长的海量数据实时性的处理,因此,边缘计算应运而生。边缘计算的基本原理是按就近原则对网络边缘节点任务进行及时响应并有效的处理,但是由于边缘节点的资源、带宽、能源等有限,计算迁移是有效解决此问题的一个关键技术。本文首先研究边缘计算环境下的迁移技术和其适用场景,之后针对不同优化目标的计算迁移策略进行分析比较和归纳,最后对边缘计算迁移进行总结与展望。

边缘计算关键技术分析及应用平台比较研究

随着5G和物联网技术的发展,出现了一些对时延敏感的计算密集型应用场景。而边缘计算技术为有效解决这一问题提供了思路,通过终端设备将计算任务卸载到边缘服务器上可以减少任务完成时间。本文对边缘计算的概念和架构进行了梳理,介绍并分析了边缘计算的关键技术,分析比较了4种边缘计算的开源平台,并简要阐述了其体系结构,然后归纳了边缘计算的典型应用场景,最后分析了边缘计算的热点研究方向及发展趋势。

Spark数据倾斜问题研究

当今人类已经进入大数据时代,海量数据处理已成为大数据技术领域的研究热点。Spark是一种典型的基于内存的分布式大数据处理框架,但在Spark的实际应用中出现的数据倾斜问题会对计算效率产生重要影响。本文针对于Spark在各类应用中出现的数据倾斜问题,梳理国内外相关研究进展,对在出现数据倾斜问题后常用的优化方法进行了分析对比,最后对未来的研究方向进行了展望。

边缘计算与云协同问题研究

随着5G技术的成熟,传统的云计算架构难以满足大数据背景下新型应用低时延、大连接的需求,边缘计算应运而生。边缘计算更加靠近数据产生的网络边缘,能够快速完成数据处理,支持用户迅捷请求。本文针对边缘计算,阐述云-边协同理念,对比分析现有协同方法,提出一种云中心参与的“云-边-端”协同架构,最后总结现有问题并对未来发展趋势进行展望。