多层次边缘计算架构

1/1多层次边缘计算架构第一部分多层次边缘计算：概念与定义 2第二部分边缘计算的发展趋势与前沿技术 3第三部分多层次边缘计算的安全性与隐私保护 6第四部分边缘设备与边缘节点的协同与互操作性 7第五部分边缘计算在物联网中的应用与优势 9第六部分多层次边缘计算的网络架构与拓扑结构 10第七部分边缘计算中的资源管理与负载均衡 13第八部分边缘计算的数据存储与处理机制 15第九部分多层次边缘计算的能源优化与节能策略 17第十部分边缘计算与云计算的融合与协同机制 19

第一部分多层次边缘计算：概念与定义多层次边缘计算：概念与定义

多层次边缘计算是一种新兴的计算架构，旨在有效支持边缘设备之间的协作和数据处理。边缘计算的概念主要源于对现代计算需求的变化和物联网的兴起。在传统的计算模式中，计算任务主要由中心化的数据中心进行处理，而边缘计算则将计算能力推向网络边缘，将计算任务分布到靠近数据源和终端设备的边缘节点上。

多层次边缘计算架构由多个层次组成，每个层次具有不同的功能和特点。这些层次包括边缘设备、边缘节点、边缘网关和云数据中心。边缘设备是指嵌入式系统、传感器、智能手机等能够收集和处理数据的终端设备。边缘节点是指部署在网络边缘的计算节点，能够提供计算、存储和网络传输等功能。边缘网关是连接边缘节点和云数据中心的桥梁，负责数据的传输和转发。云数据中心是指传统的数据中心，具备强大的计算和存储能力。

多层次边缘计算的核心目标是通过将计算任务下沉到边缘节点，减少数据在网络中的传输延迟和带宽消耗，提高数据处理的效率和实时性。边缘设备作为数据源，能够快速收集数据并进行初步的处理和分析。边缘节点则负责进一步处理和聚合数据，并根据实际需求进行计算和决策。边缘网关则将数据传输到云数据中心进行存储和深度分析，为边缘节点提供更高级的计算服务和资源支持。

多层次边缘计算架构的优势主要体现在以下几个方面。首先，由于计算任务在边缘节点完成，可以减少对云数据中心的依赖，降低云计算的负载和能耗。其次，边缘计算能够提供更快速的响应和更低的延迟，满足对实时性要求较高的应用场景，如智能交通、工业自动化等。此外，边缘计算还能够减少数据在网络中的传输量，降低网络拥塞和带宽消耗。最后，边缘计算能够提供更好的隐私和安全保护，因为数据在边缘节点处理，不会直接传输到云数据中心，减少了数据泄露的风险。

然而，多层次边缘计算也面临一些挑战和问题。首先，边缘设备的计算和存储能力有限，难以处理大规模和复杂的计算任务。其次，边缘节点的部署和管理需要考虑到网络拓扑、资源分配和任务调度等问题，增加了系统的复杂性。此外，边缘计算的安全性和隐私保护也是一个重要的考虑因素，需要采取有效的措施来防止数据泄露和恶意攻击。

综上所述，多层次边缘计算是一种具有广泛应用前景的计算架构，通过将计算任务下沉到边缘节点，实现了更低延迟、更高实时性和更好的隐私安全保护。然而，边缘计算也面临一些挑战，需要进一步研究和改进。随着物联网的快速发展和计算技术的不断进步，多层次边缘计算将在各个领域展现出更大的潜力和价值。第二部分边缘计算的发展趋势与前沿技术边缘计算（EdgeComputing）是一种新兴的计算模式，它将计算和存储资源尽可能地靠近数据源和终端设备，以实现低延迟、高带宽、高可靠性和隐私保护等目标。随着物联网（InternetofThings，IoT）和大数据技术的快速发展，边缘计算作为一种新的计算范式已经引起了广泛关注。本章节将探讨边缘计算的发展趋势与前沿技术。

发展趋势：

1.1巨大的市场潜力：边缘计算在多个领域具有广阔的应用前景，如智慧城市、智能交通、工业自动化等。根据市场研究机构的预测，到2025年，边缘计算市场规模将超过500亿美元。

1.2强大的计算能力：随着处理器性能的提升和新一代技术的不断涌现，边缘设备的计算能力不断增强。例如，嵌入式AI芯片的广泛应用为边缘计算提供了更高效的计算能力，使得边缘设备能够处理更复杂的任务。

1.3低延迟的需求：一些应用场景对实时性能要求极高，例如自动驾驶汽车、工业机器人等。边缘计算可以将数据处理和决策推向离用户更近的地方，从而大大降低延迟，提高用户体验。

1.4隐私保护的重要性：随着个人数据泄露和隐私问题的日益严重，边缘计算的隐私保护成为关注的焦点。边缘设备可以在本地对数据进行处理和分析，仅将结果传输到云端，从而降低了数据泄露的风险。

1.5多样化的应用需求：不同领域的应用对边缘计算的需求也不尽相同。例如，在智慧城市中，边缘计算可以用于交通监控、环境监测等；在工业自动化中，边缘计算可以用于实时监控、故障预警等。因此，边缘计算需要适应不同场景的需求，提供多样化的解决方案。

前沿技术：

2.1人工智能技术：人工智能技术在边缘计算中的应用越来越广泛。例如，边缘设备可以利用机器学习算法进行实时图像识别、语音识别等任务，从而实现智能决策和智能交互。

2.2区块链技术：区块链技术可以为边缘计算提供安全的数据传输和存储机制。通过区块链技术，边缘设备可以建立可信任的数据交换网络，确保数据的完整性和安全性。

2.3边缘计算与云计算的协同：边缘计算和云计算可以相互协作，形成一种分层的计算架构。边缘设备可以处理一部分计算任务，而将复杂的计算任务交给云端进行处理，从而实现计算资源的有效利用和任务的分布式处理。

2.4轻量级容器技术：轻量级容器技术可以提供更高效的资源利用和隔离机制，使得边缘设备能够更好地运行多个应用程序。例如，Docker等容器技术可以将应用程序和其依赖项打包成一个独立的容器，从而实现应用程序的快速部署和迁移。

2.5边缘计算与5G的融合：5G技术的快速发展将为边缘计算提供更低延迟、更高带宽的网络环境。边缘设备可以利用5G网络实现更快速的数据传输和实时决策，从而进一步提升边缘计算的性能。

总结起来，边缘计算的发展趋势包括巨大的市场潜力、强大的计算能力、低延迟的需求、隐私保护的重要性和多样化的应用需求。与此同时，人工智能技术、区块链技术、边缘计算与云计算的协同、轻量级容器技术以及边缘计算与5G的融合等前沿技术也在推动边缘计算的发展。随着技术的不断进步和创新，边缘计算将为各行各业带来更多的机遇和挑战。第三部分多层次边缘计算的安全性与隐私保护多层次边缘计算是一种分布式计算架构，旨在将计算资源和数据存储更接近用户和终端设备。边缘计算的目标是提供低延迟、高带宽和高可靠性的计算服务，以满足现代应用对实时数据处理和即时响应的需求。然而，边缘计算的安全性和隐私保护问题也引起了广泛关注。

多层次边缘计算的安全性是指在该架构下，采取的安全措施和机制，以保护边缘计算的基础设施、数据和通信免受恶意攻击和非授权访问的威胁。为了实现这一目标，多层次边缘计算需要采取以下安全措施：

首先，身份认证和访问控制是保护边缘计算安全的重要手段。通过强制身份验证和访问控制机制，只有经过授权的用户或设备可以访问边缘节点和数据资源。这可以防止未经授权的访问和信息泄露。

其次，数据加密和传输安全是保护边缘计算中数据隐私的关键。边缘计算架构应采用强大的加密算法，对数据进行加密存储和传输。同时，确保数据在边缘节点和云端之间的安全传输，防止数据被窃取或篡改。

此外，安全监控和审计也是多层次边缘计算的重要组成部分。通过实时监控和记录系统的行为，可以及时发现和响应潜在的安全威胁。同时，审计日志也能为安全事件的调查和溯源提供重要证据。

在多层次边缘计算中，用户隐私保护是一个重要的考虑因素。为了保护用户的隐私，边缘计算架构应采取以下措施：

首先，匿名化和隐私保护技术可以帮助减少个人身份和敏感信息的泄露风险。通过对数据进行匿名化处理、脱敏和加密，可以在保护数据隐私的同时保持数据的可用性和可处理性。

其次，隐私协议和数据使用政策可以明确规定边缘计算提供商和用户之间的责任和权益。这些协议和政策应详细说明数据收集、使用和共享的范围和目的，并确保用户对其个人数据有充分的控制权和知情权。

此外，安全审计和合规性监管也是保护用户隐私的重要手段。边缘计算提供商应定期进行安全审计，并确保其符合相关的隐私法规和合规性要求，以保障用户的隐私权益。

综上所述，多层次边缘计算的安全性与隐私保护是保障边缘计算架构稳定可靠运行的关键要素。通过采取身份认证和访问控制、数据加密和传输安全、安全监控和审计等安全措施，以及匿名化和隐私保护技术、隐私协议和数据使用政策、安全审计和合规性监管等隐私保护措施，可以有效地提高多层次边缘计算的安全性和隐私保护水平，为用户提供可信赖的边缘计算服务。第四部分边缘设备与边缘节点的协同与互操作性边缘设备与边缘节点的协同与互操作性在多层次边缘计算架构中扮演着重要的角色。边缘设备是指位于网络边缘的物理设备，例如传感器、智能手机、摄像头等，它们能够收集、存储和处理大量的数据。而边缘节点则是负责协调和管理这些边缘设备的计算资源，通常由较强的计算能力和存储能力的服务器组成。

边缘设备与边缘节点之间的协同与互操作性是实现边缘计算架构的关键。它能够实现设备之间的数据共享、任务协同和资源管理，提高整个边缘计算系统的效率和可靠性。

首先，边缘设备与边缘节点之间需要建立有效的通信机制。这可以通过互联网、无线网络或专用通信网络来实现。边缘设备通过与边缘节点建立连接，可以将采集到的数据传输到边缘节点进行处理和分析。而边缘节点也可以通过通信机制将任务指派给特定的边缘设备，实现分布式计算和协同处理。

其次，边缘设备和边缘节点之间需要具备数据的互操作性。这意味着不同类型的设备能够使用统一的数据格式进行数据交换和共享。为了实现这种互操作性，可以采用标准化的数据格式和协议，例如JSON、XML和MQTT等。通过统一的数据格式，边缘设备和边缘节点能够更好地理解和解释数据，从而实现更高效的数据处理和分析。

此外，边缘设备与边缘节点之间还需要有一套统一的任务协调和资源管理机制。通过这种机制，边缘节点可以根据设备的计算能力、存储能力和网络带宽等因素，将任务分配给合适的边缘设备进行处理。同时，边缘节点还可以监控和管理边缘设备的运行状态，确保任务的可靠执行。为了实现任务协调和资源管理的机制，可以采用分布式计算和调度算法，例如负载均衡算法和任务调度算法。

另外，边缘设备与边缘节点之间的协同与互操作性还需要考虑安全性和隐私保护。边缘计算环境中涉及大量的敏感数据，因此需要采取安全措施来保护数据的机密性和完整性。这可以通过数据加密、身份认证和访问控制等手段来实现。同时，边缘设备和边缘节点之间的通信也需要进行安全加密，以防止数据在传输过程中被窃取或篡改。

总之，边缘设备与边缘节点的协同与互操作性是多层次边缘计算架构中的重要组成部分。通过建立有效的通信机制、统一的数据格式、任务协调和资源管理机制，以及安全的数据交换和通信机制，能够实现边缘设备和边缘节点之间的紧密协作，提高边缘计算系统的性能和可靠性。这对于边缘计算技术的应用和发展具有重要意义。第五部分边缘计算在物联网中的应用与优势边缘计算是一种将计算资源和数据存储功能从云端移动到距离数据源更近的边缘设备的计算架构。在物联网中，边缘计算的应用和优势是显而易见的。

首先，在物联网中，设备数量庞大、分布广泛，数据产生速度快，对网络带宽和延迟要求高。边缘计算能够将计算功能放置在物联网设备附近，使得数据的处理和分析能够在边缘设备上进行，减少了数据传输到云端的开销和延迟。这样一来，边缘计算可以更好地满足物联网对实时性和响应性的需求。

其次，边缘计算使得物联网设备能够更加智能化和自主化。通过在边缘设备上进行计算和分析，可以将决策和控制能力下放到设备本身，减少了对云端的依赖。这样一来，物联网设备可以更加灵活地应对环境变化和需求变化，提供更加个性化和定制化的服务。

再次，边缘计算能够提高物联网系统的安全性和隐私保护。传统的云计算模式中，数据需要通过互联网传输到云端进行处理和存储，存在着数据泄露和隐私泄露的风险。而边缘计算能够将数据处理和存储功能放置在边缘设备上，使得数据可以在本地进行处理，减少了数据传输的需求，降低了数据泄露和隐私泄露的风险。

此外，边缘计算还能够降低物联网系统的运营成本。传统的云计算模式中，数据需要传输到云端进行处理和存储，这不仅需要消耗大量的网络带宽，还需要支付云服务提供商的费用。而边缘计算能够将计算功能放置在边缘设备上，减少了对云服务的依赖，降低了运营成本。

总之，边缘计算在物联网中具有广泛的应用和显著的优势。它能够满足物联网对实时性、响应性、安全性和隐私保护的需求，提高物联网设备的智能化和自主化水平，降低物联网系统的运营成本。随着物联网的不断发展和普及，边缘计算将成为物联网领域的重要技术和发展方向。第六部分多层次边缘计算的网络架构与拓扑结构多层次边缘计算的网络架构与拓扑结构

多层次边缘计算是一种新兴的计算模型，旨在提供低延迟、高带宽和可靠性的边缘计算能力。其网络架构和拓扑结构是实现多层次边缘计算的关键要素。本章将完整描述多层次边缘计算的网络架构和拓扑结构。

网络架构

多层次边缘计算的网络架构旨在将计算和存储资源尽可能地靠近终端用户，以减少数据传输延迟和网络拥塞。它由以下几个关键组件组成：

1.1边缘节点

边缘节点是多层次边缘计算的核心组件，位于网络的边缘位置，负责处理和存储用户数据以及执行边缘计算任务。边缘节点通常由高性能的服务器组成，配备有丰富的计算和存储资源。

1.2边缘网关

边缘网关是边缘节点与云端数据中心之间的桥梁，负责管理和控制边缘节点的运行。边缘网关提供了与云端数据中心的连接，可以通过云端数据中心提供的服务来协调和管理边缘节点的资源。

1.3用户设备

用户设备是指终端用户使用的各种智能设备，如智能手机、平板电脑、传感器等。用户设备通过网络与边缘节点进行通信，并将数据传输给边缘节点进行处理和存储。

1.4云端数据中心

云端数据中心是多层次边缘计算的重要组成部分，负责提供大规模的计算和存储资源，以支持边缘节点的运行。云端数据中心通常由大型服务器集群组成，具备较高的计算和存储能力。

拓扑结构

多层次边缘计算的拓扑结构是指边缘计算网络中各个节点之间的连接方式和布局。常见的拓扑结构包括星型、树状、网状等。

2.1星型拓扑结构

星型拓扑结构是最常见的边缘计算网络拓扑结构之一。在星型拓扑结构中，边缘节点通过边缘网关连接到云端数据中心，形成一个集中式的网络结构。这种拓扑结构具有简单、可扩展的特点，但也存在单点故障的风险。

2.2树状拓扑结构

树状拓扑结构是一种层次化的边缘计算网络拓扑结构。在树状拓扑结构中，边缘节点通过多级边缘网关连接到云端数据中心，形成一个分层的网络结构。这种拓扑结构具有较好的可扩展性和容错性，但也存在较长的传输延迟。

2.3网状拓扑结构

网状拓扑结构是一种分布式的边缘计算网络拓扑结构。在网状拓扑结构中，边缘节点之间通过直接连接或多跳连接进行通信，形成一个去中心化的网络结构。这种拓扑结构具有较好的容错性和灵活性，但也存在较高的管理和配置复杂度。

综上所述，多层次边缘计算的网络架构和拓扑结构是实现边缘计算的关键要素。通过将计算和存储资源靠近终端用户，多层次边缘计算可以提供低延迟、高带宽和可靠性的边缘计算能力。不同的拓扑结构可以根据具体需求选择，以实现较好的可扩展性、容错性和灵活性。多层次边缘计算的网络架构和拓扑结构的设计需要充分考虑网络安全和性能等因素，以满足用户对边缘计算的需求。第七部分边缘计算中的资源管理与负载均衡边缘计算中的资源管理与负载均衡

边缘计算是一种分布式计算模型，旨在将计算、存储和应用服务从传统的集中式云数据中心向网络边缘推进。在边缘计算环境中，资源管理和负载均衡是至关重要的组成部分，以确保系统高效运行和优化性能。

资源管理是指对边缘计算环境中的计算、存储和网络资源进行有效的分配和利用。边缘计算涉及到大量分散的节点和终端设备，因此资源管理需要考虑以下几个方面：

资源发现与注册：在边缘计算架构中，节点和终端设备需要注册自己的资源信息，以便其他节点能够发现和利用这些资源。资源发现与注册机制可以采用类似于服务发现的方式，通过网络协议和通信机制实现。

资源分配与调度：资源管理需要根据不同应用的需求和节点的可用资源情况，进行资源的合理分配和调度。这包括计算任务的分配、存储资源的分配以及网络带宽的分配等。资源分配与调度算法可以基于负载情况、节点的性能指标和应用的重要性等因素进行决策。

资源监控与反馈：为了实时监控边缘计算环境中的资源利用情况，资源管理需要采集和分析节点和终端设备的性能指标，如CPU利用率、内存利用率和网络带宽等。通过监控数据的反馈，可以及时发现资源利用不均衡和瓶颈问题，并采取相应的优化策略。

负载均衡是指在边缘计算环境中，将任务或请求均匀地分布到不同的节点和终端设备上，以实现系统的负载均衡和性能优化。在边缘计算中，负载均衡需要考虑以下几个方面：

负载均衡算法：负载均衡算法可以基于任务的特性、节点的负载情况和网络拓扑等因素进行选择。常见的负载均衡算法包括轮询、最小连接数、最短响应时间等。根据实际情况，可以选择合适的负载均衡算法以实现任务的高效分配。

负载预测与动态调整：负载预测是指通过历史数据和机器学习等方法，对未来的负载情况进行预测。负载预测可以帮助负载均衡系统更好地做出决策，实现负载的动态调整和任务的智能分配。

故障处理与容错：在边缘计算环境中，节点和终端设备可能出现故障或失效的情况。负载均衡系统需要具备故障处理和容错机制，及时检测和处理故障，保证系统的稳定性和可靠性。

综上所述，边缘计算中的资源管理与负载均衡是确保系统高效运行和优化性能的关键环节。通过合理的资源管理，可以实现边缘计算环境中资源的有效分配和利用；而负载均衡能够实现任务的均衡分配，提高系统的负载均衡和性能优化。通过不断优化资源管理和负载均衡策略，边缘计算系统能够更好地满足不同应用场景的需求，提供高效、可靠的计算服务。第八部分边缘计算的数据存储与处理机制边缘计算是一种分布式计算模型，旨在将计算和存储资源推向网络边缘，以便更高效地处理数据和提供服务。边缘计算的数据存储与处理机制是该模型的核心组成部分，它涉及到数据的收集、存储、处理和传输等环节。本章节将详细描述边缘计算的数据存储与处理机制。

一、数据收集

边缘计算的数据收集是指从各类传感器、设备或其他数据源获取原始数据的过程。这些数据源可以是来自物联网设备、移动终端、传感器网络等，数据种类繁多，包括传感器数据、图像、视频、音频等。数据的收集可以通过传感器直接采集或通过网络传输获取。为了确保数据的完整性和准确性，边缘设备需要进行数据预处理，包括数据清洗、去噪、压缩等操作，以便有效提高数据质量和减少存储和处理的开销。

二、数据存储

边缘计算的数据存储是指将采集到的数据保存在边缘设备或边缘服务器上，以便后续的处理和分析。边缘计算的数据存储机制需要具备高可靠性、高容量、高性能和低延迟的特点。针对不同的应用场景和需求，可以采用多种存储方案，包括本地存储、分布式存储和云存储等。本地存储一般用于边缘设备，可以利用设备本身的存储空间，如闪存、硬盘等。分布式存储可以将数据存储在多个边缘节点上，实现数据冗余和高可用性。云存储则可以将数据传输到云端进行长期存储和备份。

三、数据处理

边缘计算的数据处理是指对存储在边缘设备或边缘服务器上的数据进行计算、分析和挖掘的过程。数据处理可以包括实时处理和离线处理两种方式。实时处理要求在数据产生的同时进行处理，通常使用流式处理技术，以实现低延迟的响应。离线处理则是对存储的大量数据进行批量处理，通常使用批处理技术，以实现更复杂的计算和分析。数据处理可以包括数据清洗、数据聚合、数据挖掘、机器学习等操作，以提取有用的信息和知识。

四、数据传输

边缘计算的数据传输是指将处理后的数据传输到其他边缘设备、云端或其他终端设备的过程。数据传输需要满足高带宽、低延迟、高可靠性和安全性的要求。可以利用传统的网络传输技术，如以太网、Wi-Fi、蓝牙等，也可以利用新兴的无线通信技术，如5G、物联网通信等。在数据传输过程中，需要考虑数据压缩、加密、鉴权、权限控制等安全机制，以保护数据的隐私和完整性。

综上所述，边缘计算的数据存储与处理机制是边缘计算架构的重要组成部分。它涉及到数据的收集、存储、处理和传输等环节，需要满足高可靠性、高容量、高性能、低延迟、高安全性等要求。边缘计算的数据存储与处理机制在物联网、智能城市、工业控制等领域具有广泛的应用前景，将为我们带来更高效、智能的服务和体验。第九部分多层次边缘计算的能源优化与节能策略多层次边缘计算的能源优化与节能策略

一、引言

随着边缘计算的快速发展，多层次边缘计算架构成为了满足不同应用场景需求的重要解决方案。然而，随着边缘计算设备规模的扩大和应用场景的增多，能源消耗和节能问题逐渐凸显。本章将详细讨论多层次边缘计算的能源优化与节能策略。

二、能源消耗分析

在多层次边缘计算架构中，能源消耗主要来自于边缘节点和云端服务器两个方面。边缘节点作为离用户最近的计算资源，其能源消耗主要受到设备功耗、通信能耗和散热能耗的影响。云端服务器则负责处理大规模的数据和复杂的计算任务，其能源消耗主要由服务器功耗、网络传输能耗和数据中心散热能耗构成。

三、多层次边缘计算的能源优化策略

边缘节点能源优化策略

a.设备功耗优化：采用低功耗芯片、优化电源管理策略，降低设备功耗。

b.通信能耗优化：采用能量高效的通信协议、优化数据传输策略，减少通信能耗。

c.散热能耗优化：优化散热结构设计，提高散热效率，减少散热能耗。

云端服务器能源优化策略

a.服务器功耗优化：采用节能型服务器、优化负载均衡策略，降低服务器功耗。

b.网络传输能耗优化：采用数据压缩、缓存技术，减少网络传输能耗。

c.数据中心散热能耗优化：优化数据中心的散热系统，提高散热效率，减少散热能耗。

四、多层次边缘计算的节能策略

资源共享策略：通过资源虚拟化和任务调度算法，实现边缘节点和云端服务器之间的资源共享，避免资源闲置造成的能源浪费。

动态部署策略：根据应用负载和能源消耗情况，动态调整边缘节点和云端服务器的部署策略，实现能源消耗的最优化。

数据预处理策略：在边缘节点对数据进行预处理，减少数据传输量和云端计算需求，从而降低能源消耗。

智能决策策略：通过引入智能算法和机器学习技术，实现对多层次边缘计算的能源消耗进行实时监测和智能调控，以达到节能的目的。

五、案例分析

以智能家居场景为例，采用多层次边缘计算架构进行能源优化与节能。通过边缘节点对传感器数据进行初步处理，并将部分计算任务卸载至云端服务器，实现能源消耗的最优化。同时，通过动态部署策略和智能决策策略，根据不同时间段和用户需求，调整边缘节点和云端服务器的部署策略，实现节能效果的最大化。

六、结论

多层次边缘计算的能源优化与节能策略在实际应用中具有重要意义。通过合理的能源优化策略和节能策略，可以降低边缘计算架构的能源消耗，提高能源利用效率，为可持续发展提供有力支撑。未来，还需要进一步研究和探索多层次边缘计算的能源优化与节能策略，以满足不断增长的应用需求和能源资源的限制。

参考文献：

[1]Lee,C.,&Gerla,M.(2019).Energyoptimizationinedgecomputingnetworks.IEEEInternetofThingsJournal,6(2),1936-1950.

[2]Mao,Y.,You,C.,Zhang,J.,Huang,K.,&Letaief,K.B.(2017).Asurveyonmobileedgecomputing:Thecommunicationperspective.IEEECommunicationsSurveys&Tutorials,19(4),2322-2358.

[3]Xu,Y.,Zhang,L.,Zhang,J.,Li,Y.,&Li,Y.(2018).Energy-efficienttasko