基于邊緣緩存的數(shù)據(jù)服務共享技術(shù)

任德旺，周俊鵬，倪 鑫，李麗娜，李亞暉，李運喜

(1.航空工業(yè)西安航空計算技術(shù)研究所，陜西 西安 710068；2.機載彈載計算機航空科技重點實驗室，陜西 西安 710065)

0 引言

隨著信息技術(shù)的快速發(fā)展，嵌入式裝備系統(tǒng)性能不斷提升與完善，人機協(xié)同作業(yè)、有人無人協(xié)同工作已逐漸普及，并以成為未來作業(yè)模式的主要形態(tài)[1]，業(yè)務應用逐步向以數(shù)據(jù)密集、智能化、協(xié)同化為顯著特征的智能應用轉(zhuǎn)變，其實時性需求愈發(fā)嚴苛，對大數(shù)據(jù)訪問、共享、利用的需求，趨向于低時延、低CPU負載，例如，智能態(tài)勢認知應用需要及時獲取周遭環(huán)境多源、多維度感知數(shù)據(jù)，運用人工智能技術(shù)，準確認識、分析環(huán)境態(tài)勢[2-3]；多源數(shù)據(jù)融合應用需要快速匯聚不同角度、不同維度的感知數(shù)據(jù)，融合以獲取更有價值的信息[4]；協(xié)同數(shù)據(jù)處理應用面向海量數(shù)據(jù)分析處理，多節(jié)點協(xié)同處理，加速信息轉(zhuǎn)換與生成[5-6]。顯然，實現(xiàn)“從數(shù)據(jù)到?jīng)Q策”的根本是智能數(shù)據(jù)融合與分析技術(shù)，增強指揮控制系統(tǒng)的智能化數(shù)據(jù)處理能力是完成“從信息到指令”的前提[7]。然而，異構(gòu)數(shù)據(jù)之間難以共享，可將底層數(shù)據(jù)源以數(shù)據(jù)服務的形式提供給用戶[8]，例如，基于數(shù)據(jù)服務構(gòu)建縣級國土資源“一張圖”綜合管理系統(tǒng)，實現(xiàn)跨平臺的數(shù)據(jù)傳輸[9]；基于B/S架構(gòu)，設(shè)計動態(tài)數(shù)據(jù)服務發(fā)布引擎，解決數(shù)據(jù)模型的異構(gòu)性問題[10]；基于微服務架構(gòu)，設(shè)計數(shù)據(jù)服務框架，實現(xiàn)靈活的數(shù)據(jù)共享[11]。

在嵌入式裝備系統(tǒng)領(lǐng)域，既有結(jié)構(gòu)化的時序數(shù)據(jù)、又有非結(jié)構(gòu)化的圖像視頻數(shù)據(jù)，整體呈現(xiàn)數(shù)據(jù)流量大、帶寬需求高的特征，分散的數(shù)據(jù)源和分布式的任務處理節(jié)點，構(gòu)成分布式數(shù)據(jù)網(wǎng)絡(luò)，因此有效管理和利用大數(shù)據(jù)意義重大。在分布式數(shù)據(jù)網(wǎng)絡(luò)中[12]，數(shù)據(jù)的“管”與“用”相輔相成，“管”促進數(shù)據(jù)的“用”，“用”增強數(shù)據(jù)的“管”。然而，有限存儲、計算、通信資源制約大數(shù)據(jù)的深度使用，具體表現(xiàn)為：(1)多源異構(gòu)的數(shù)據(jù)缺乏統(tǒng)一管理，數(shù)據(jù)標準不規(guī)范，數(shù)據(jù)模型定義不一致，導致數(shù)據(jù)使用困難；(2)業(yè)務應用之間的壁壘，使數(shù)據(jù)孤島現(xiàn)象突出，導致數(shù)據(jù)共享困難；(3)任務系統(tǒng)相互獨立，對數(shù)據(jù)處理時，存在重復處理與開發(fā)；(4)數(shù)據(jù)源分散，計算資源受限，導致數(shù)據(jù)缺乏深度加工和利用。為此，本文研究基于邊緣緩存的數(shù)據(jù)服務共享技術(shù)，探索以數(shù)據(jù)服務的形式支撐智能應用，以促進數(shù)據(jù)的流通與共享、數(shù)據(jù)價值的實現(xiàn)。具體而言，首先基于邊緣計算架構(gòu)，設(shè)計數(shù)據(jù)加工和服務共享架構(gòu)，支持數(shù)據(jù)的加工和數(shù)據(jù)服務的生產(chǎn)；然后基于元數(shù)據(jù)管理，提出分布式數(shù)據(jù)服務管理調(diào)度方法，支持集中式調(diào)度與分布式調(diào)度相配合；最后為加速數(shù)據(jù)服務請求響應速度，提出數(shù)據(jù)服務共享方法，通過預先緩存數(shù)據(jù)服務和元數(shù)據(jù)目錄，提高數(shù)據(jù)服務檢索定位效率和數(shù)據(jù)服務請求響應效率。

1 分布式數(shù)據(jù)加工與服務共享架構(gòu)

在分布式數(shù)據(jù)網(wǎng)絡(luò)中，數(shù)據(jù)除了海量、多源、異構(gòu)的特性之外，數(shù)據(jù)源具有分散性，不僅增大數(shù)據(jù)管理的難度，而且影響數(shù)據(jù)的流通性和共享性。隨著邊緣計算概念在移動互聯(lián)網(wǎng)中的應用普及，帶來了諸多益處：緩解核心網(wǎng)絡(luò)通信壓力、降低云中心計算壓力、提升數(shù)據(jù)處理效率、增強用戶服務質(zhì)量等[13-14]。本文基于邊緣計算，面向分布式數(shù)據(jù)加工與數(shù)據(jù)服務共享，以近數(shù)據(jù)端的計算節(jié)點作為邊緣節(jié)點，構(gòu)建多邊緣節(jié)點協(xié)作的數(shù)據(jù)加工與數(shù)據(jù)服務共享架構(gòu)。

1.1 基于邊緣計算的數(shù)據(jù)加工與服務共享架構(gòu)

數(shù)據(jù)加工與數(shù)據(jù)服務共享架構(gòu)由嵌入式裝備系統(tǒng)中的感知終端、邊緣節(jié)點(含管理節(jié)點)、數(shù)據(jù)訪問節(jié)點組成，如圖1所示。

圖1 分布式數(shù)據(jù)加工與數(shù)據(jù)服務共享架構(gòu)

(1)感知終端：由嵌入式系統(tǒng)中的傳感設(shè)備構(gòu)成，負責采集、感知周遭環(huán)境的數(shù)據(jù)，并實時回傳至最近的邊緣節(jié)點。

(2)邊緣節(jié)點：由嵌入式系統(tǒng)中的任務處理機構(gòu)成，負責將原始數(shù)據(jù)轉(zhuǎn)化、加工為數(shù)據(jù)產(chǎn)品，以提升數(shù)據(jù)的價值，是數(shù)據(jù)加工和數(shù)據(jù)服務管理調(diào)度的核心，具體負責數(shù)據(jù)匯聚與預處理、數(shù)據(jù)存儲與索引、數(shù)據(jù)加工、數(shù)據(jù)服務構(gòu)建與封裝、數(shù)據(jù)服務推送與共享；其中一個邊緣節(jié)點擔任數(shù)據(jù)服務監(jiān)管與調(diào)度職責；邊緣節(jié)點之間可以相互共享數(shù)據(jù)或推送數(shù)據(jù)服務產(chǎn)品。

(3)數(shù)據(jù)訪問節(jié)點：主要是顯控設(shè)備、任務系統(tǒng)等，負責數(shù)據(jù)服務的請求與訪問，是數(shù)據(jù)產(chǎn)品的消費方，以數(shù)據(jù)服務的形式促進業(yè)務應用的運行；訪問的數(shù)據(jù)服務包括邊緣節(jié)點推送的和通過邊緣節(jié)點請求的。

1.2 數(shù)據(jù)加工過程與數(shù)據(jù)服務的形態(tài)

分布式數(shù)據(jù)網(wǎng)絡(luò)中，邊緣節(jié)點預處理原始感知數(shù)據(jù)之后進行統(tǒng)一管理，根據(jù)數(shù)據(jù)模型劃分數(shù)據(jù)分類主題、抽取數(shù)據(jù)標簽、采集元數(shù)據(jù)信息、構(gòu)建數(shù)據(jù)索引目錄，使數(shù)據(jù)標準化、規(guī)范化、統(tǒng)一化，進而為數(shù)據(jù)深度加工和數(shù)據(jù)服務共享提供數(shù)據(jù)支撐。數(shù)據(jù)加工過程如圖2所示。

圖2 數(shù)據(jù)加工流程與數(shù)據(jù)服務形態(tài)

(1)數(shù)據(jù)加工：輸入是不同的主題數(shù)據(jù)，目標是貼合業(yè)務需求，輸出是更通用、更有價值的數(shù)據(jù)信息。數(shù)據(jù)加工處理分兩類：一類是整合不同主題的數(shù)據(jù)，以數(shù)據(jù)集的形式提供給數(shù)據(jù)訪問節(jié)點；另一類是對數(shù)據(jù)進行進一步的計算處理，最終輸出是中間分析結(jié)果數(shù)據(jù)。主要的加工處理包括：①數(shù)據(jù)整合：根據(jù)業(yè)務應用需求，篩選、整合不同主題數(shù)據(jù)庫中的不同數(shù)據(jù)作為復合型數(shù)據(jù)，為業(yè)務應用提供不同主題、不同類型數(shù)據(jù)整合生成的服務信息；②數(shù)據(jù)挖掘：基于機器學習方法，挖掘數(shù)據(jù)中包含的關(guān)聯(lián)關(guān)系，并形成知識規(guī)則；③數(shù)據(jù)預測：基于歷史數(shù)據(jù)和當前數(shù)據(jù)，預測未來一段時間的狀態(tài)、變化趨勢等；④數(shù)據(jù)分析：根據(jù)應用需求，對數(shù)據(jù)進行一定程度的預先分析，如求取最大、最小、平均值等。

(2)數(shù)據(jù)服務：數(shù)據(jù)服務與業(yè)務應用之間是通過數(shù)據(jù)API(或數(shù)據(jù)服務接口)貫通，具體而言，數(shù)據(jù)服務的形態(tài)有兩種模式，如圖2所示：①經(jīng)過預處理后更加通用化的數(shù)據(jù)集，包括單一型主題數(shù)據(jù)集、復合型主題數(shù)據(jù)集；②預處理后通用化數(shù)據(jù)和業(yè)務應用的部分通用功能結(jié)合體，為業(yè)務應用提供的是中間分析結(jié)果數(shù)據(jù)，例如規(guī)則知識、業(yè)務關(guān)聯(lián)結(jié)果數(shù)據(jù)、組合標簽結(jié)果數(shù)據(jù)、多維分析結(jié)果數(shù)據(jù)、預測結(jié)果數(shù)據(jù)等。

(3)業(yè)務應用：數(shù)據(jù)服務的對象是業(yè)務應用，業(yè)務應用趨向于智能化、協(xié)同化，具體包括：①數(shù)據(jù)智能：包括特征工程、特征選擇、模型訓練(深度學習、自然語言處理、時序預測、機器學習)、模型可視化、在線服務；②決策支持：通過對多維大數(shù)據(jù)的深度處理分析，轉(zhuǎn)化或提取為更有價值的信息，為決策提供支撐依據(jù)；③數(shù)據(jù)協(xié)同：跨節(jié)點、跨任務的多維度、多角度、多層面數(shù)據(jù)全域協(xié)同，提供統(tǒng)一化的數(shù)據(jù)信息；④推薦服務：通過分析歷史記錄數(shù)據(jù)，挖掘用戶興趣點，以匹配合適的產(chǎn)品；⑤數(shù)據(jù)可視化：以直觀的形式呈現(xiàn)數(shù)據(jù)的特征、變化趨勢等。

1.3 數(shù)據(jù)服務管理與共享邏輯功能

邊緣節(jié)點利用近數(shù)據(jù)處理計算的優(yōu)勢，承載數(shù)據(jù)加工、數(shù)據(jù)產(chǎn)品生產(chǎn)、數(shù)據(jù)服務調(diào)度等功能，加工的原材料輸入是數(shù)據(jù)，輸出是數(shù)據(jù)服務產(chǎn)品，服務對象是業(yè)務應用[15]。基于邊緣計算架構(gòu)，分布式數(shù)據(jù)加工與數(shù)據(jù)服務邏輯功能自底向上劃分為數(shù)據(jù)管理層、數(shù)據(jù)加工層、服務共享層、數(shù)據(jù)應用層，如圖3所示。

圖3 數(shù)據(jù)服務共享與管理邏輯功能

(1)數(shù)據(jù)管理：為加工提供原材料，為此，具體功能包括：①數(shù)據(jù)感知與匯聚：通過感知終端采集原始數(shù)據(jù)，匯聚至邊緣節(jié)點，并進行預處理；②數(shù)據(jù)預處理：在保證數(shù)據(jù)準確、完整的前提下，將原始感知數(shù)據(jù)規(guī)范化、標準化，支撐異構(gòu)數(shù)據(jù)的統(tǒng)一管理；③數(shù)據(jù)存儲與索引：預處理后的數(shù)據(jù)存儲于本地邊緣節(jié)點，根據(jù)主題模型，確定數(shù)據(jù)目錄，結(jié)合數(shù)據(jù)的標簽，構(gòu)建全局索引結(jié)構(gòu)，支持分布式邊緣節(jié)點之間檢索查詢。

(2)數(shù)據(jù)加工：將數(shù)據(jù)加工為更具有價值的服務產(chǎn)品，具體功能包括：①數(shù)據(jù)加工結(jié)合數(shù)據(jù)屬性特征，并承載業(yè)務應用的通用功能，從多維、多源的數(shù)據(jù)中發(fā)掘更有價值的服務信息，或?qū)⒍嘣串悩?gòu)數(shù)據(jù)轉(zhuǎn)化為可執(zhí)行信息，主要包括數(shù)據(jù)整合、挖掘、分析、預測等；②數(shù)據(jù)服務構(gòu)建：抽取數(shù)據(jù)產(chǎn)品的屬性、功能、特征描述，構(gòu)建數(shù)據(jù)產(chǎn)品的元數(shù)據(jù)，并以此作為數(shù)據(jù)服務的唯一標識，數(shù)據(jù)服務的標識備份至邊緣管理節(jié)點；③數(shù)據(jù)服務封裝：將數(shù)據(jù)服務封裝為標準化的服務接口，以方便數(shù)據(jù)產(chǎn)品的推送與共享。

(3)服務共享：調(diào)度、管理數(shù)據(jù)服務產(chǎn)品，并匹配數(shù)據(jù)服務與業(yè)務應用，具體功能包括：①數(shù)據(jù)服務注冊：數(shù)據(jù)服務構(gòu)建封裝后，其元數(shù)據(jù)信息備份至管理節(jié)點，以此注冊認證數(shù)據(jù)服務的合法性；②數(shù)據(jù)服務調(diào)度管理：管理全域的數(shù)據(jù)服務產(chǎn)品，構(gòu)建數(shù)據(jù)服務產(chǎn)品索引目錄，使數(shù)據(jù)服務請求、數(shù)據(jù)服務、邊緣節(jié)點之間一一映射；③數(shù)據(jù)服務定位：根據(jù)索引目錄，檢索定位數(shù)據(jù)服務的位置，并調(diào)度數(shù)據(jù)服務請求至對應的邊緣節(jié)點；④數(shù)據(jù)服務推送共享：根據(jù)歷史訪問記錄，主動向訪問節(jié)點推動數(shù)據(jù)服務產(chǎn)品，并支持分布式邊緣節(jié)點之間的服務共享。

(4)數(shù)據(jù)應用：數(shù)據(jù)應用作為數(shù)據(jù)服務產(chǎn)品消費方，具體功能包括：①數(shù)據(jù)服務訪問：獲取數(shù)據(jù)服務產(chǎn)品，包括主動數(shù)據(jù)服務訪問和被動數(shù)據(jù)服務推送；②數(shù)據(jù)服務應用：數(shù)據(jù)服務產(chǎn)品應用于具體的業(yè)務應用。

2 基于元數(shù)據(jù)管理的數(shù)據(jù)服務管理與調(diào)度方法

基于分布式數(shù)據(jù)加工與服務共享架構(gòu)，邊緣節(jié)點將多源異構(gòu)數(shù)據(jù)加工、生產(chǎn)為數(shù)據(jù)服務產(chǎn)品；同時，利用多邊緣節(jié)點協(xié)作，實現(xiàn)數(shù)據(jù)服務產(chǎn)品的管理與服務請求的調(diào)度，以解耦數(shù)據(jù)加工與服務管理，即分布式加工與集中式管理相配合。

2.1 數(shù)據(jù)服務的元數(shù)據(jù)信息

元數(shù)據(jù)信息用于描述、定位、識別對應的數(shù)據(jù)服務產(chǎn)品，元數(shù)據(jù)結(jié)構(gòu)如圖4所示，以鍵值對形式管理，其中數(shù)據(jù)服務標識符作為Key、數(shù)據(jù)服務主要屬性組合作為Value，其結(jié)構(gòu)如下：(1)標識符：唯一標識相應的元數(shù)據(jù)，通過標識符可以定位對應的數(shù)據(jù)服務；(2)類別：表明數(shù)據(jù)服務的形態(tài)，即主題數(shù)據(jù)集形式、中間計算結(jié)果形式；(3)屬性描述：描述數(shù)據(jù)服務的屬性，包括數(shù)據(jù)來源、數(shù)據(jù)是否在線等信息；(4)邊緣節(jié)點編號：記錄提供數(shù)據(jù)服務的節(jié)點編號；(5)訪問控制策略：定義數(shù)據(jù)服務的關(guān)鍵等級，以及對應級別的訪問權(quán)限控制。

圖4 數(shù)據(jù)服務管理與調(diào)度示意圖

2.2 數(shù)據(jù)服務管理與調(diào)度

邊緣節(jié)點生產(chǎn)數(shù)據(jù)服務產(chǎn)品，按照元數(shù)據(jù)格式抽取相應的元數(shù)據(jù)信息，并實時備份至管理節(jié)點，管理節(jié)點收集、管理全局數(shù)據(jù)服務產(chǎn)品的元數(shù)據(jù)信息。如圖4所示，元數(shù)據(jù)構(gòu)建元數(shù)據(jù)與數(shù)據(jù)服務、數(shù)據(jù)服務與邊緣節(jié)點之間的映射關(guān)系，基于哈希表，維護元數(shù)據(jù)標識符與元數(shù)據(jù)之間的映射關(guān)系、快速定位元數(shù)據(jù)的位置[16]。對于元數(shù)據(jù)寫入操作，哈希表使用哈希函數(shù)將哈希值計算到存儲桶，從中可以找到寫入位置，利用哈希沖突算法(如鏈地址法、線性探測法 )解決沖突；對于元數(shù)據(jù)讀取操作，哈希表對鍵進行哈希操作，所得到的哈希值便指向其對應值的存儲位置。對于服務訪問節(jié)點的服務請求，響應過程如圖4所示，首先通過解析請求、提取元數(shù)據(jù)標識符，基于哈希表搜尋元數(shù)據(jù)信息；然后通過元數(shù)據(jù)確定數(shù)據(jù)服務對應的邊緣節(jié)點，并將請求重定向至對應的邊緣節(jié)點；最后邊緣節(jié)點向訪問節(jié)點提供請求的數(shù)據(jù)服務。

2.3 邊緣管理節(jié)點選擇

在分布式邊緣網(wǎng)絡(luò)架構(gòu)中，邊緣管理節(jié)點主要負責數(shù)據(jù)服務的元數(shù)據(jù)信息管理、服務請求與數(shù)據(jù)服務之間的動態(tài)映射，其作用不言而喻，邊緣管理節(jié)點的選擇需要兼顧邊緣節(jié)點服務負載和節(jié)點推薦率兩方面的屬性：(1)服務負載以邊緣節(jié)點在規(guī)定時間段內(nèi)CPU占用比衡量；(2)邊緣節(jié)點推薦率指邊緣節(jié)點的推薦得票率，即每個邊緣節(jié)點生成全局節(jié)點的推薦得分，邊緣管理節(jié)點匯總、計算、生成每個節(jié)點的推薦得票率。因此，本文設(shè)計兩階段法選擇、確定邊緣管理節(jié)點：(1)當前邊緣管理節(jié)點要根據(jù)全域節(jié)點的推薦率確定候選管理節(jié)點集；(2)從候選節(jié)點集中按照服務負載高低確定新的邊緣管理節(jié)點；(3)新舊管理節(jié)點更替，即數(shù)據(jù)服務元數(shù)據(jù)信息從舊邊緣管理節(jié)點遷移至新邊緣管理節(jié)點，舊邊緣管理節(jié)點向全局所有邊緣節(jié)點發(fā)送新、舊邊緣管理節(jié)點更替通知消息。

3 基于預先緩存的數(shù)據(jù)服務共享方法

分布式邊緣網(wǎng)絡(luò)中數(shù)據(jù)服務的共享模式為“請求-響應”方式，數(shù)據(jù)服務消費者為服務訪問節(jié)點，數(shù)據(jù)服務消費者為邊緣節(jié)點，在分布式網(wǎng)絡(luò)中，邊緣節(jié)點的服務負載動態(tài)變化、訪問節(jié)點的服務請求難以提前預測[17]，因此如何將服務請求匹配定位至合適的邊緣節(jié)點是數(shù)據(jù)服務共享中的關(guān)鍵問題，該問題分為服務節(jié)點的定位選擇子問題、數(shù)據(jù)服務的響應子問題。為此，本文提出基于預先緩存的數(shù)據(jù)服務共享技術(shù)解決上述兩個子問題，即在服務訪問節(jié)點預先緩存數(shù)據(jù)服務的元數(shù)據(jù)信息、在邊緣節(jié)點預先緩存完成加工的數(shù)據(jù)服務產(chǎn)品，以加速數(shù)據(jù)服務共享。

3.1 基于本地緩存的數(shù)據(jù)服務定位方法

數(shù)據(jù)服務請求的調(diào)度有兩種方式：(1)集中式調(diào)度方式：邊緣管理節(jié)點調(diào)度所有服務訪問節(jié)點的服務訪問請求，包括服務請求解析、數(shù)據(jù)服務檢索查詢、服務請求重定向，請求調(diào)度與服務響應流程如圖5中虛線所示；(2)分布式調(diào)度方式：數(shù)據(jù)服務元數(shù)據(jù)信息表分發(fā)至訪問節(jié)點，訪問節(jié)點據(jù)此檢索數(shù)據(jù)服務，請求調(diào)度與服務響應如圖5中實線所示。顯然，集中式調(diào)度方式容易造成管理節(jié)點的負載過重，影響服務請求響應時延和服務質(zhì)量；分布式調(diào)度方式容易造成元數(shù)據(jù)信息更新不及時、不一致的問題，且需要頻繁執(zhí)行更新操作。為此，本文利用集中式與分布式的優(yōu)勢，將最新的數(shù)據(jù)服務元數(shù)據(jù)信息集合分發(fā)至每個訪問節(jié)點，使得訪問節(jié)點本地檢索、直接訪問相應的邊緣節(jié)點；新增加的元數(shù)據(jù)信息依然備份在邊緣管理節(jié)點，服務請求經(jīng)管理節(jié)點重定向至對應的邊緣節(jié)點；訪問節(jié)點緩存的元數(shù)據(jù)信息周期性更新。這樣不僅可以緩解管理節(jié)點的壓力，而且可以提高服務檢索定位的效率，同時盡最大可能維護元數(shù)據(jù)信息的一致性。

圖5 數(shù)據(jù)服務請求調(diào)度示意圖

3.2 基于預先緩存的數(shù)據(jù)服務響應方法

邊緣節(jié)點預先緩存已經(jīng)完成加工的數(shù)據(jù)服務產(chǎn)品或提前加工將來可能被訪問的數(shù)據(jù)服務產(chǎn)品，當服務請求到達時，直接向訪問節(jié)點返回訪問結(jié)果，但受限于邊緣節(jié)點有限的存儲空間，緩存哪些數(shù)據(jù)服務產(chǎn)品需要考慮。本文設(shè)計基于服務熱度排名的數(shù)據(jù)服務緩存策略，即通過統(tǒng)計分析歷史訪問請求記錄，綜合計算服務的熱度，并結(jié)合剩余存儲容量的大小，選擇熱度靠前的數(shù)據(jù)服務進行緩存。通過周期更新，替換長時間未被訪問的數(shù)據(jù)服務。

4 結(jié)論

針對嵌入式裝備系統(tǒng)中數(shù)據(jù)共享、使用的新需求，本文提出基于邊緣緩存的分布式數(shù)據(jù)服務共享技術(shù)，旨在通過數(shù)據(jù)服務的加工生產(chǎn)、管理調(diào)度、共享分發(fā)，促進“數(shù)據(jù)→信息→知識→決策”之間的快速轉(zhuǎn)化。首先，基于邊緣計算，構(gòu)建分布式數(shù)據(jù)加工與數(shù)據(jù)服務調(diào)度架構(gòu)，并詳細介紹架構(gòu)的邏輯功能、數(shù)據(jù)加工流程、數(shù)據(jù)服務形態(tài)；然后，為了提高數(shù)據(jù)服務檢索定位效率，設(shè)計基于元數(shù)據(jù)管理的數(shù)據(jù)服務管理與調(diào)度方法，并闡述數(shù)據(jù)服務管理調(diào)度方法、邊緣管理節(jié)點的選擇方法；最后，為了加速數(shù)據(jù)服務訪問請求的響應效率，提出基于預先緩存的數(shù)據(jù)共享方法，以提升數(shù)據(jù)服務共享性。