周旭/ZHOU Xu，李琢/LI Zhuo

（中国科学院计算机网络信息中心，中国 北京 100190）

数字化时代带来海量数据的增长。这种趋势推动了大量计算资源的需求增长，诸如数据中心、边缘计算节点和各种终端设备等构成了一个庞大且复杂的分布式计算资源网络。在这个网络中，有效地管理和调度各个节点的计算资源，以提供高效、稳定的服务，是一大挑战。传统的调度技术往往针对特定的场景和需求，无法满足多样化、动态变化的计算需求。此外，由于云端和边缘端的资源异构性、地理分布的广泛性以及网络环境复杂性等，资源的管理和调度更加困难。

为了解决这一问题，云边端协同调度技术应运而生。通过整合云、边和端的资源，实现对资源的统一管理和动态调度，以最大化资源的利用率，保障用户的服务质量。在算力网络的背景下，云边端协同调度技术的研究尤为必要[1]。算力网络将分布在各地的云端、边缘端和终端设备的计算资源通过网络连接起来，形成一个分布式的、动态的计算资源池。这个资源池可以实现对所有计算资源的统一管理和调度，从而提高资源的利用率，降低运营成本，提高服务质量[2]。在算力网络中使用云边端协同调度技术，可以充分利用网络的优势，有效满足复杂的网络环境和多样化的计算需求。因此，本文将重点阐述面向算力网络的云边端协同调度技术，探讨其在实际应用中的效果和关键技术[3-4]。

1 分布式的云边端算力

大数据和物联网等场景需要使用云计算和边缘计算技术，这样可以在全网广泛分布的设备上提供计算服务，将计算能力广泛分布到需要的地方，从而提高数据处理的效率，减少延迟，并提供更个性化、地域化的服务。……