智能物联网中的边缘计算与云计算协同优化策略

引言：在智能物联网中，边缘计算与云计算协同优化，充分发挥出各自的优势，实现数据高效处理。在协同发展中，边缘计算主要对数据进行实时分析，而云计算则是处理数据集，以有效提升智能设备的运行能力。通过边缘计算与云计算的协同，不仅可以实现数据就近处理效果，减少网络传输延迟现象，还能增加隐私保护，提高数据的安全性。

1. 边缘计算与云计算协同优化的主要任务

第一，边缘计算与云计算协同，能够优化资源的分配，根据实时的工作负载以及资源使用情况，可以动态地调整资源分配情况，以充分提高资源利用率。在任务调度时，根据任务的优先级、计算复杂度以及资源的实际需求，合理调度任务到边缘节点或者是云端，以实现最优的资源分配效果。在资源分配时，也可以对历史数据和实时数据进行分析，以预测出未来的资源需求，以便能够提前对资源进行分配和调整。

第二，边缘计算与云计算协同，可以实现负载均衡，通过协同，实时地监测 CPU 使用率、内存使用率、网络带宽等各个节点的负载情况。并根据实际负载情况，采取轮询、最少连接数、响应时间等一些较为科学的负载均衡策略，将请求分配到不同节点上。根据负载的实际情况，自动地调整节点数量以及规模，以实现负载均衡的效果 [1]。

第三，边缘计算与云计算协同优化，能够降低数据传输延迟问题，以提高系统整体性能。通过对资源优化分配，可以实现负载均衡，提高系统数据处理能力，有效提高其吞吐量。此外，通过边缘计算和云计算的协同优化，还能提高系统的可靠性，保证系统运行更加稳定，降低系统故障率。在边缘节点进行数据处理和储存时，也会更加安全，提升系统运行的安全性。总的来说，边缘计算与云计算之间的协同，能够提升资源利用效率，还能提高系统的整体性能和可靠性，以满足日益增长的物联网应用需求。

2. 智能物联网中边缘计算与云计算协同优化方式

2.1 数据预处理和过滤

在智能物联网当中，为了能够保证边缘计算与云计算协同更高效，则要对数据进行预处理和过滤，以减少数据传输量，降低网络带宽的消耗，并提高数据处理效果，提升数据响应速度。在数据预处理中，开展数据清洗、压缩、转换等操作。1）数据清洗。在边缘节点上，对收集到的所有原始数据进行清洗，有效地去除一些重复、错误或者无用的数据。2）数据压缩。完成数据清洗后，实现数据压缩处理，以减少数据体积，降低传输带宽的需求。3）数据转换。将数据转换为更适合存储、传输或处理的格式，例如，可以将模拟信号有效地转换为数字信号等，通过数据转换，保证数据后续传输更高效。

在完成数据预处理后，则要对数据进行过滤，在边缘节点上提取数据关键特征，并把数据特征信息传输至云端，在传输时需要注意，不能把特征信息传输到整个数据集上。设置事件触发机制，只有当出现异常检测、触发阈值等一些特定事件时，才会将数据上传至云端。在边缘节点，对数据进行初步的统计、识别等分析，将分析结果传输到云端。在边缘计算与云计算协同优化的过程中，可以实现分布式处理，将数据预处理和过滤任务分配到边缘节点上，同时将一些复杂的计算任务上传到云端。保证不同的任务可以在不同的节点同时进行处理，提升数据处理效果，并能防止数据出现泄露、篡改等问题。

2.2 分布式数据储存

在边缘计算与云计算协同中，为了提高数据存储的可靠性和灵活性，则要开展分布式数据储存方法，同时降低数据存储的成本。分布式数据存储的架构主要分为三个部分，一是边缘存储，在边缘节点上部署存储设备，进而有效地储存一些实时数据以及预处理后的数据。二是云端存储，在云端上部署大规模的存储系统，进而存储历史数据、备份数据以及需要进一步进行深度分析的数据。三是实现数据同步，把边缘存储与云端存储的数据进行同步，保证数据储存更统一。在数据储存中，可以采用分层储存方法，根据数据的重要性以及访问频率，将数据分为热数据、温数据、冷数据等不同层级，并根据数据层级特点，实现分层次存储。此外，在多个节点上存储相同的数据副本，以有效提高数据的安全性，保证数据更加真实、可靠。在完成数据储存后，就要开展数据去重处理，以充分地减少数据对存储空间的占有率。最后，对数据进行压缩处理，实现数据轻量化，降低对存储空间的需求。在分布式数据储存当中，根据数据的生命周期，可以自动进行数据迁移、归档和删除等管理工作。同时，也能定期对数据进行备份，保证数据使用更加安全，并为人员提供数据恢复机制，避免出现误删等问题。总之，边缘计算与云计算的协同，可以保证数据在存储过程中更加安全，防止出现数据泄露或篡改等情况，并降低了储存的成本 [2]。

2.3 云边协同任务卸载

为了能够提高任务处理的效率，需要开展云边协同任务卸载，以降低网络宽带的实际消耗。对于不同类型的任务，其卸载方式存在差异性。对于实时监控、实时控制等一些实时性要求较高的任务，可以将其卸载到边缘节点上，再进行处理，以减少网络延迟现象。对于大数据分析、机器学习等一些计算密集型的任务，则可以将其卸载到云端处理，利用云端的计算能力，对其进行高效处理。对于数据存储、数据备份等数据密集型的任务，则要将其卸载到云端处理，以利用云端的大规模特点，实现资源的全面存储。

完成任务卸载后，要开展云边协同优化，根据任务自身的特点和当前的网络条件，把任务智能调度到合适的节点上，再针对性地执行，以实现资源利用的最优解，保证负载均衡。同时，要优化数据的传输过程，减少数据传输延迟问题，降低带宽的消耗。在任务卸载过程中，通过云边协同，能保证卸载过程更安全，防止数据出现泄露或篡改等问题。通过边缘计算与云计算协同，可以实现云边协同任务卸载，以充分提高任务处理的效率，同时，也能降低了网络带宽的消耗。

结论：综上所述，在智能物联网中，对边缘计算与云计算协同优化方式进行分析，不仅可以提升协同效果，还能提高网络效率，减轻云端服务的负担。在协同优化中，主要是从数据预处理、数据储存、任务卸载等方面入手，提升数据处理效果，降低系统故障率，实现各行业的智能化转型。

参考文献：

[1] 魏镜郦 . 基于边缘计算的智能物联网应用技术研究 [J]. 现代工业经济和信息化 ,2023,13(10):124-126.

[2] 蔡伟 . 基于边缘计算的智能物联网网关设计与实现 [D]. 深圳大学 ,2023.

李杨阳，男，（1996，4—），硕士研究生，汉助理工程师，主要研究方向为嵌入式操作系统、物联网、dsp 及fpga 应用。