基于排队论的边缘计算接入时延优化

随着物联网与第五代移动通信技术的深度融合发展，海量智能终端设备产生的数据呈指数级增长，传统云计算模式在应对大规模实时性要求极高的业务请求时，往往受限于长距离传输带来的链路时延与核心网拥塞问题，难以满足低时延、高可靠的应用需求。边缘计算作为一种将计算与存储资源下沉至网络边缘的新型计算范式，通过在靠近数据源处处理业务，有效缓解了中心云的压力并降低了端到端时延。然而在边缘节点资源有限且业务请求突发性强的场景下，如何合理调度计算资源以最小化接入时延，成为当前学术界与工业界关注的焦点。排队论作为研究随机服务系统 congestion 现象与优化策略的数学工具，能够精确描述任务到达、排队等待及服务处理的动态过程，为量化分析边缘计算系统性能提供了坚实的理论支撑。深入探索基于排队论的边缘计算接入时延优化机制，不仅有助于提升网络资源利用率，对于保障用户体验与推动智能应用落地具有重要的现实意义。

目前，国内外学者在边缘计算资源调度与网络时延优化领域已开展了大量研究。在边缘计算接入优化方面，现有工作多集中于任务卸载决策与资源分配算法的设计，通过启发式算法或机器学习方法寻找最优解，但在理论建模上常忽略任务到达的随机性与服务时间的波动性特征。针对排队论在网络性能分析中的应用，经典M/M/1或M/M/c排队模型常被用于简化描述服务器处理过程，但针对边缘计算多节点协作、异构任务并发处理等复杂场景的建模研究相对较少，且多数模型假设过于理想化，未能充分考虑实际网络中节点负载不均衡、队列溢出及信道干扰等非确定性因素。此外现有研究在将排队论模型与实际动态资源调度策略相结合方面仍存在不足，导致理论分析结果与实际系统性能之间存在一定偏差，难以直接指导工程实践中针对接入时延的精细化管控。

针对上述现有研究的局限，本文旨在以排队论为核心理论工具，深入研究边缘计算环境下的接入时延优化问题。核心研究目标在于建立符合边缘节点实际运行特征的排队论模型，通过数学推导精确刻画任务到达率与服务率对系统时延的影响机理，并基于此提出高效的时延优化策略。本文首先阐述边缘计算与排队论的基本原理，构建边缘计算接入系统的排队模型；接着分析不同负载条件下的时延性能，设计基于排队论的动态资源调度与接入控制算法；随后通过仿真实验验证模型的有效性与算法的性能优势；最后总结全文研究成果并展望未来的技术演进方向，旨在为边缘计算网络中的低时延接入提供理论依据与技术参考。

边缘计算接入场景的系统特征具有显著的分布式与异构性，边缘节点作为靠近用户侧的计算锚点，承担着海量终端设备数据的汇聚与处理任务。在实际运行逻辑中，用户终端产生的计算任务以随机信号的形式向边缘节点发起接入请求，这些请求经由无线信道传输至边缘服务器的任务缓冲队列中等待处理。边缘服务器依据先到先服务的原则，按顺序调度计算资源对队列中的任务进行运算处理，处理完成后将结果反馈给用户。这一流程涵盖了任务到达、排队等待、服务处理及结果返回四个关键阶段，构成了一个典型的随机服务系统。为了精准量化该场景下的接入时延，必须深入剖析任务到达规律与服务机制，结合排队论基本假设，选取与边缘计算高并发、突发性特征相匹配的数学模型。

基于上述系统特征，本节构建基于M/M/1排队模型的时延分析框架。该模型假设用户任务的到达过程服从泊松分布，即相邻任务到达的时间间隔服从负指数分布，这一假设充分契合了物联网终端数量庞大且行为独立的实际场景。同时假设边缘节点对单个任务的服务时间也服从负指数分布，意味着服务器的处理能力在统计上具有无记忆性，能够有效模拟边缘计算节点处理复杂度多变的计算任务时的状态。在排队规则方面，采用单队列单服务台的等待制模式，系统容量假设为无限，即所有到达的任务最终都会被处理，不会发生阻塞丢失。在此模型中，定义核心参数λ为单位时间内平均到达的任务数量，即任务到达率；定义μ为单位时间内边缘节点能够处理完的任务数量，即服务率。系统服务强度ρ则由λ与μ的比值决定，它是衡量系统负载程度的关键指标，为了保证队列能够达到稳态而不无限增长，必须满足ρ小于1的条件。通过明确到达过程、服务过程及排队规则的具体数学表达，该模型能够准确描述边缘计算接入场景的动态运行过程，为后续推导平均等待时间、平均服务时间及系统总响应时延提供了坚实的理论依据，从而实现对边缘计算接入性能的定量化评估。

在完成边缘计算接入场景的排队论模型构建后，接入时延的量化分析成为评估系统性能的关键环节。基于排队论的稳态分布理论，系统能够在长时间运行后进入统计平衡状态，此时各项性能指标趋于稳定，从而为时延优化提供确凿的理论依据。在此状态下，核心性能指标的计算主要依赖于系统任务到达率与服务速率之间的定量关系。根据利特尔公式这一排队论基本定律，系统中的平均任务数与平均逗留时间之间存在直接的比例关系，这构成了计算平均逗留时间的理论基础。

针对平均排队队长这一指标，其量化表达式直接反映了边缘节点的负载压力。对于典型的M/M/1排队模型，平均排队长度 $L_q$ 的计算公式为：

其中\(\rho\) 代表服务强度，即任务到达率与服务速率的比值。该公式清晰地表明，当服务强度接近1时，队列长度将呈现非线性急剧增长趋势。
进一步地，任务在系统中的平均逗留时间 \( W \) 是衡量接入时延最直观的参数，它包含了任务在队列中的等待时间与服务时间之和。结合平均排队长度 \( L_q \) 与任务到达率 \(\lambda\)，平均逗留时间的推导结果为：

而平均等待时间 $W_q$ 则剔除了服务时间，仅反映任务在缓冲区的滞留时长：