本文是一篇计算机软件论文，本文对工业互联网环境下的边缘计算任务调度问题进行了深入研究，在降低时延和控制成本的基础上，保证任务调度的安全性。
第1章 绪 论
1.1 研究背景
在大数据、人工智能、5G 通信技术的推动下，制造业正朝着个性化，服务化，互联化，智能化，绿色化以及生态化的方向发展[1, 2]。工业互联网融合了传感器网络，计算机网络，通信技术以及大数据分析与处理等现代先进技术，具有低成本以及高实用等优势。工业互联网以更便捷和更高效的方式获取传统工业生产线上难以获取的关键数据，实现对工业生产流程的高效控制，生产管理的优化以及生产效率的提高[3]。工业互联网应用已经从工业生产辅助环节向核心环节逐渐延伸，这些应用的数量已超过35万个，并持续增长。如此庞大的应用给工业系统的响应时间、数据分析、智能化、多资源协同和生命周期管理等关键承载能力带来了巨大的挑战，需要系统不断升级以满足不同的差异需求[4]。受限于本地设备有限的计算资源和存储能力，一些资源密集型的任务会被调度到云服务器上，通过云服务器丰富的计算资源对任务进行处理[5]。然而，云服务器部署在远离本地的位置，任务与数据的交互存在巨大的往返时延，任务传输过程中存在数据泄露和被攻击的风险，威胁系统的安全性。
为了解决这个问题，工业互联网引入了边缘计算，边缘服务器靠近本地设备，能够满足工业领域对实时性和安全性的高要求。将计算任务调度到边缘侧，资源受限的工业设备可以处理更多的复杂任务，并得到比云计算更低的往返时延[6]。完整的云-边-端三层任务调度框架能够满足工业互联网中不同类型任务对时延和资源的需求。当一个任务计算请求无法在已选定的层上执行时，该任务会被调度到另一个具有适当计算能力的层上，以更好和更快的计算，并服从其分配的最大任务截止时间[5]。一些延迟敏感和任务关键的应用可以调度在本地服务器处理，而对于计算资源要求极高的任务，如果本地设备不满足其性能需求则可以调度到边缘服务器或者云服务器。其次，工业制造中存在一些相似度很高的任务，比如人脸识别、火灾监控、焊点质量判断等，这些任务结果高度相似的任务到达时间是无序的，给服务器带来巨大的计算负担。许多学者提出利用缓存机制存储边缘计算系统中的任务处理结果或者动态数据程序，以降低任务的计算延迟和能量消耗。大量研究表明，当任务的资源或者结果具有极高的相似性时，通过部署任务缓存可以减少资源的重复调用[7-9]。
1.2 国内外研究现状
1.2.1 工业互联网下的边缘计算
边缘计算综合了通信、计算和自动化控制技术，能够在数据源处进行数据处理和分析，能够减少数据传输和数据处理的时间和成本，提高工业互联网的智能化生产水平，为工业领域的数字化转型和智能化升级注入新的动力[15]。随着工业互联网的不断发展，边缘计算技术已经与实际应用实现了紧密的融合。在数据分析与处理、智能化分析与决策、工业机理的集成与创新以及组件化和图形化分析等方面，边缘计算技术为工业互联网的发展提供了有力的支撑。通过边缘计算，工业互联网实现了数据的实时处理和决策制定，提高了生产效率和产品质量。边缘计算技术在工业互联网中的应用越来越广泛，为工业互联网的智能化发展提供了重要的支持[16]。施巍松等人指出边缘计算能够有效应对工业环境中的中心负载压力、传输带宽不足、数据隐私威胁等云计算无法有效解决的问题[17]。Satyanarayanan等研究人员认为边缘计算技术可以为移动计算提供高响应的云服务，因此边缘计算技术在工业互联网领域中的移动场景也受到了广泛的关注和重视[18]。
根据那蓉萃等人对工业互联网发展的趋势分析，未来应该更加注重边缘计算的发展，特别是在明确行业标准和构建良好的产业生态方面加大力度[19]。邬贺铨院士同样关注工业中的边缘计算，在2022年中国无线电大会上指出工业互联网的5G网元与频谱安排。现代制造在《让边缘计算融入工业制造》一文指出边缘计算是工业互联网发展的关键技术，工业制造的发展需要边缘计算的支撑。在工业控制的“云-边-端”三层体系架构中，边缘计算是位于中间的连接点，连通云和本地设备。边缘计算能够实时采集数据并进行分析，为本地设备做出决策。与此同时，边缘还可以将经过处理的有价值数据进行上传，为工业制造提供支持。工业互联网场景下的边缘计算，更加注重系统的确定性、实时性和安全性。
第2章 相关技术概述
2.1 云技术
2006年，Google公司提出了云计算这一概念，把网络上的资源汇集到一个叫“云”的资源池，为用户提供架构、软件平台等服务。云服务器整合了计算、存储和应用等可扩展的分布式计算资源，可以实现协同工作[49-51]。接下来，对于云计算框架的相关概念进行介绍。
面向服务架构/瘦客户端 (Service Oriented Architecture/Thin Clients)：云应用程序所使用的数据和应用程序驻留在数据中心，而不是终端用户的机器中。将应用程序和数据传输到数据中心极大地简化了终端机器所需的功能。终端用户是一个瘦客户机，它只需要提供网络连接和足够的计算能力来运行 Web 浏览器或其他一些简单的界面就可以[52]。在云计算中，应用程序的不同部分可以被构建为服务并部署在云平台上。基于服务的架构模式允许应用程序在云平台上使用所需的计算资源和服务，无需自行管理底层基础设施。因此，应用程序可以更加专注于其业务逻辑和数据处理，同时可以获得高性能的计算资源和服务。
虚拟化(Virtualization)：虚拟化是一种可以将一台物理计算机拆分成多个虚拟机的技术，每个虚拟机都可以运行一个或多个操作系统和应用程序，也就是说一台物理机可以同时运行多个不同的操作系统和应用程序，从而提高计算资源的利用率。虚拟化技术最初由 IBM 公司为了更好地利用大型机计算而开发，现已广泛应用于云计算、服务器虚拟化以及网络虚拟化等领域。虚拟化技术可以使多个用户共享同一台计算机。终端用户的应用程序可以在同一台机器上运行多个实例，更加有效地利用云中的计算资源[52]。除了将机器细分为多个更小的虚拟机外，现代虚拟化技术还允许云计算环境将虚拟机点对点将服务转移。
2.2 边缘计算框架
2.2.1 雾计算
雾计算是Cisio创建的一个术语，旨在将云计算能力带到网络边缘。雾计算通过在网络边缘处理数据来优化云环境。雾计算并没有取代云计算，二者相辅相成，如图2.1所示。在数据源头端附近处理数据，可以减少延迟、数据传输成本以及带宽。根据OpenFog参考架构，雾计算是传统云计算模型的扩展。云计算将继续在分析历史数据和大型数据集方面发挥作用，而雾层则在网络边缘提供最小的计算、存储和网络资源，以快速处理数据。雾计算可以通过在设备内部通信，以及在雾层上执行一些任务来优化本地网络上可用的计算能力，从而更好地满足不同应用场景的需求[54]。
第3章 基于区块链和任务缓存的边缘计算任务调度 ........................ 19
3.1 场景描述 ........................... 19
3.2 系统模型 .......................... 21
第4章 基于区块链的节点划分和任务缓存的异构边缘-云计算任务调度 ............... 35
4.1 场景描述 .......................................... 35
4.2 系统模型 ........................................ 37
第5章 总结与展望 ................. 55
5.1 本文总结 ........................ 55
5.2 工作展望 ....................................... 55
第4章 基于区块链的节点划分和任务缓存的异构边缘-云计算任务调度
4.1 场景描述
图4.1展示了工业互联网中联合区块链和任务缓存的协同云-边-端的系统架构。整个系统框架分为三层：本地设备层、边缘服务器层和云服务器层。边缘服务器和本地设备产生的任务数目分别设置为EN={1,2,...,n}和M={1,2,...,m}。本地设备通过无线链路连接到边缘服务器，而边缘服务器通过有线回程链路连接到远端的云服务器，多个相邻的边缘服务器可以通过有线链路相互通信[71]。在整个框架中云服务器是整个系统的计算和数据存储中心，其计算能力设置为 cf (CPU cycles/s)。本地设备的计算能力为lif (CPU cycles/s)。节点分级智能合约将异构的边缘服务器分成不同的等级，设置边缘服务器的属性为{e,e,e,e}i i i i iEN =f p s Y，其中eif是边缘服务器i的计算能力，eip是边缘服务器的单位能耗，eis是边缘服务器被划分的等级，eiY是边缘服务器中存储资源的集合。每个本地设备存在计算密集型任务需要在时隙内进行计算，这些任务是原子的，不可分割的[72]。
第5章 总结与展望
5.1 本文总结
边缘计算应用到工业互联网中已经成为一种不可逆转的趋势，特别是针对工业中时延敏感性以及计算密集型任务有着不可替代的优势。本地设备、边缘设备以及云计算的三层体系能够满足不同任务的多种需求，合理的任务调度调度方法能够节约工业生产的时间和成本。但是，现代工业同样对调度过程中的安全性提出了高要求。因此，本文对工业互联网环境下的边缘计算任务调度问题进行了深入研究，在降低时延和控制成本的基础上，保证任务调度的安全性。本文针对工业互联网中的场景联合区块链以及任务缓存技术构建不同的任务调度模型，主要工作总结如下：
(1) 针对本地设备以及边缘服务器协同计算以及任务单一需求的
