郑 毅

（北京华麒通信科技有限公司，北京 100080）

随着物联网、5G、AI等技术的飞速发展，数据产生的速度和数量都在爆炸式增长[1]，这大大增加了对高效、低时延的通信传输技术的需求。边缘计算作为一种新型的计算范式，因其能够在靠近数据源的地方完成数据处理，从而大大减少了延迟，提高了数据处理的效率，得到了广泛的关注和研究[2]。边缘计算不仅能够处理离散的、由边缘设备产生的大量数据，还能够快速响应服务请求，满足实时性的需求[3]。尤其在一些对时延敏感的应用中，如自动驾驶、远程医疗、智能制造等，边缘计算展现出了无可比拟的优势。然而，尽管边缘计算具有显著的优势，如何将其与通信技术相结合，实现高效、低时延的数据传输，仍然是一个重要而且具有挑战性的问题。因此，本文将重点研究基于边缘计算的高效低时延通信传输技术，详细介绍边缘计算和通信技术的总框架，探讨结合方式，以及如何通过优化技术策略实现高效、低时延的数据传输。希望本文的研究能为边缘计算和通信技术的进一步发展提供一些有价值的思考和参考。

1 基于边缘计算的传输架构

基于边缘计算的传输架构由网络服务、核心网EPC、移动中继节点、汇聚节点以及MEC服务器（多接入边缘计算）组成。如图1所示。

图1 高效低时延通信传输总框架

网络服务负责管理和控制边缘网络，包括边缘服务器、边缘操作系统、边缘应用程序、边缘云平台和传输协议栈[4]。EPC是边缘网络中的一个关键组成部分，它负责管理和配置边缘网络，并提供网络配置、性能监测、安全管理等功能。移动中继节点负责在移动设备和汇聚节点之间传递数据，并支持多跳、协作传输等传输方式。汇聚节点负责收集和分析边缘网络的数据，并提供给MEC服务器进行处理和分析。

MEC服务器负责管理和控制边缘云平台和移动设备之间的传输，并提供数据加密、身份验证等安全机制。各个基站是基于边缘计算的传输架构的重要组成部分，它们之间存在着紧密的联系和协作关系。基站之间通过传输协议进行通信，并将数据发送给MEC服务器。MEC服务器负责管理和控制边缘网络，包括边缘网络配置、性能监测、安全管理等功能。基站之间则通过移动中继节点和汇聚节点进行通信，并将数据传递给MEC服务器进行处理和分析。

2 边缘计算通信传输技术

2.1 缓存压缩流量

在基于边缘计算的高效低时延通信传输技术研究中，缓存压缩流量是一项重要的任务，图2是缓存压缩流量流程。

图2 缓存压缩流量流程

在接收数据之前，通过数据挖掘技术对数据进行预处理，识别和删除冗余数据。在边缘计算中，有限的资源需要得到合理的分配和利用。缓存管理策略对于提高边缘节点的性能，尤其是在面对高负载的情况下非常关键。在边缘节点，使用数据压缩技术可以减少传输的数据量，从而降低传输的时间和能源消耗。将处理请求发送后需要观察是否命中MEC缓存，处理后向基站ENG发送请求。

对于不同类型的数据和服务，根据其对时延的敏感性、优先级等因素进行合理的调度。可以使用服务级别协议（SLA）来确定数据的优先级，实时性需求高的数据应优先缓存和传输。压缩单一流量后缓存数据，采用高效的HTTP/2通信协议可更有效地利用网络资源，降低传输时延。基于边缘计算的系统可以考虑使用新型的Intel Optane非易失性内存作为缓存，这种内存技术提供了相比传统硬盘更高的读写速率，能有效降低读写延迟。

2.2 数据量多流合并

通过边缘计算缓存压缩流量后，要进行数据量的多流合并，以此来进行下一步的数据传输。对于多流数据，首先需要对数据进行分类与标识，为每个数据流分配一个唯一的标识符，以便后续进行合并与拆分。使用流标签（Flow Label）技术，在数据包头部添加一个特殊字段，对数据流进行唯一标识。以Min-Max线性权重映射算法为例，将多个数据流合并为一个，具体由式（1）进行计算：

式中，M(t)为合并后的流量，在时间t的数据点；为第i个流量，在时间t的数据点； 为第i个流量的权重，取值范围为[0，1]，且满足w1+w2+…+wn=1。在多流合并过程中，要设计合理的调度策略以确保服务质量。在数据传输完成后，接收端需要将合并后的数据流拆分成原始数据流。这需要根据之前的数据流标识进行解码，解码后将拆分后的数据流分发给对应的应用或服务。在合并与拆分过程中，可能会遇到数据丢失、乱序等问题。为确保数据的完整性与正确性，需要使用循环冗余校验（CRC）技术检测数据在传输过程中的错误，同时结合自动重传请求（ARQ）机制进行错误恢复，以方便高效低时延通信传输。

2.3 高效数据传输

在基于边缘计算的高效低时延通信传输技术研究中，高效的数据传输是关键。互联网中，TCP和UDP是最常用的传输协议。然而为了实现更高效的数据传输，该传输技术使用HTTP/3新型协议，在设计时直接考虑减少传输延迟、恢复丢失数据等问题，在传输前对数据进行压缩可以有效地减少数据的体积，从而减少传输时间。在网络传输过程中，使用TCP拥塞控制机制，以防止网络中的数据包过多导致网络拥塞，从而有效提高网络的吞吐量。TCP的拥塞窗口大小（cwnd）是一个重要的参数，它决定了一个TCP连接在任何时刻在网络中未被确认的数据量。TCP Reno算法可调整cwnd，在慢启动和拥塞避免阶段需要满足的条件如式（2）所示：

在满足条件后将大数据切分为较小的数据片，并尝试并行传输这些数据片，以降低总的传输时间。如果环境允许，使用多路径传输（MPTCP）技术，即通过多个路径同时传输数据，以提高传输的可靠性和效率。在边缘节点处采用LFU缓存策略，减少对主服务器的请求，进而减少网络延迟。通过上述步骤和技术，可以实现基于边缘计算的高效低时延通信传输。

3 测试实验

3.1 测试环境及准备工作介绍

为测试基于边缘计算的通信传输能力，该实验的边缘节点为NVIDIA Jetson AGX Xavier，服务器为Dell PowerEdge R740，CPU使用Intel Xeon Gold 6152，RAM为128 GB，硬盘采用1 TB SSD，网络为1 000 Mbps Ethernet。边缘计算使用OpenStack Edge Computing Platform平台，操作系统为Ubuntu 18.04 LTS，数据分析工具为Wireshark, Iperf 3，负载生成工具使用Apache JMeter。在Dell服务器上安装并配置OpenStack Edge Computing Platform。配置并启动NVIDIA Jetson AGX Xavier，确保其能在OpenStack平台上正确工作。在服务器与边缘节点之间建立网络连接，使用Iperf 3测试并确认网络带宽，并在边缘节点上部署预定的服务与应用。使用Apache JMeter生成预设的网络负载，对边缘计算系统进行压力测试。

3.2 测试结果分析和评价

选择在平台运行1小时、2小时、4小时、8小时、16小时这5个时间点进行数据采集。测试的性能指标包括平均响应时间、TPS（Transaction Per Second）和数据传输速率，实验结果如表1所示。

表1 实验数据结果

从表1可知，即使在长达16小时的持续运行时间内，系统的平均响应时间、每秒事务处理量（TPS）和数据传输速率都保持在较高的水平。响应时间从20 ms微微上升到26 ms，这种增长幅度微小，说明系统能够持久稳定运行。TPS从2 500降至2 380，传输速率从850 Mbps降至800 Mbps，显示了系统在长时间运行后依然保持良好的性能。即使在16小时后，系统每秒还能处理2 380个事务，说明基于边缘计算的通信传输技术具有很高的处理能力。从数据传输速率来看，即使在16小时后，系统的数据传输速率依然达到了800 Mbps。这显示了基于边缘计算的传输技术的高效性，它可以保证大量数据在短时间内快速传输。响应时间作为衡量系统时延的重要指标，从20 ms增长至26 ms的微小改变，表明了基于边缘计算的通信传输技术的低时延特性。

综上，这些数据显示了基于边缘计算的高效低时延通信传输技术在稳定性、处理能力、传输速率和低时延等方面具有显著优势，这也正是边缘计算的主要优点之一：能够在离数据源更近的地方完成数据处理，从而大大减少了延迟，提高了数据处理的效率。

4 结束语

综上所述，文章详细介绍了边缘计算环境下的高效低时延通信传输技术的研究趋势，建立了总体传输架构，包括缓存压缩流量、数据量多流合并、高效数据传输等技术点。经过实验可以看出，基于边缘计算的通信传输技术可以建立很好的传输桥梁，实现高效低时延通信。在未来，技术人员还应该加强边缘计算环境中的资源管理、多设备协作传输、安全机制和算法优化等方面的研究，考虑如何将边缘计算与5G通信技术相结合，以进一步提高通信传输的效率和质量。■