边缘计算在5G 网络中的应用与优化

阎 斌

（中通服咨询设计研究院有限公司，江苏 南京 210019）

1 5G 网络与边缘计算概述

1.1 5G 网络

随着数字化社会的不断发展，5G 网络逐渐崭露头角，推动着通信领域的革新。5G 网络的关键优势在于能够提高数据传输速度、缩短延迟、提升设备连通性。5G 网络融合多项创新技术，包括毫米波通信、大规模天线阵列、网络切片等。其中，毫米波通信技术用于优化频谱利用率；大规模天线阵列技术用于改善信号品质，扩大覆盖范围；网络切片则通过同一物理基础设施为各类应用场景提供个性化的网络服务，具有独特优势。大规模天线阵列原型机如图1 所示。

图1 大规模天线阵列原型机

1.2 边缘计算

边缘计算作为一种创新的计算模式正逐渐崛起，其核心理念是将计算和数据处理推向网络边缘，即靠近数据源和终端用户。边缘计算的核心思想是将计算任务移到终端用户附近，以提高服务效率和带宽利用率，并缩短传输距离和延迟。在5G 网络中，边缘计算模型展现出巨大潜力，特别适用于时效性强的场景，如智能城市、自动驾驶以及远程医疗等领域。边缘计算使车路协同、车联万物从理念变为实际，推动网络边缘小型数据中心的建设。通过将数据处理迁移至终端设备周围，能够显著减轻中心云的负担，并提升端到端服务效率。边缘计算在自动驾驶中的应用如图2所示。

图2 边缘计算在自动驾驶中的应用

2 边缘计算在5G 网络中的应用

2.1 实时通信与低延迟

在5G 网络环境下，将计算和数据处理推向网络边缘，能够有效缩短数据传输线路，并降低通信时延。这一特性在需要即时回应和实时互动的场景中表现尤为突出，如智能工厂的协作机器人和远程医疗中的远程手术等。通过将计算任务放置于接近用户端的边缘计算节点，能够大幅降低通信延迟，在数毫秒内完成计算任务。相比于传统云计算，这种方式在优化用户体验方面表现尤为卓越。

随着5G 时代的到来，不同行业的创新应用领域得到极大的拓展[1]。为确保精准度，需要深入评估低延迟的优势，因此可以运用延迟分布曲线和响应时间百分位数等指标。例如，在智能交通系统中，边缘计算节点能够实时处理传感器数据，从而大幅降低通信延时，交通流数据分析和响应速度提升至毫秒级（数毫秒）。在智能交通系统等关键领域，降低延迟的优化举措成为实现实时决策和交互的重要支撑，其智能化与安全性变得尤为重要。

2.2 大规模物联网支持

5G 网络中的边缘计算技术有力推动大规模物联网的发展，特别是在面对设备连接激增的挑战时，表现尤为突出。与传统的云计算模式不同，边缘计算通过让边缘设备处理数据来降低中心云的负担，从而有效降低通信成本。这对于需要百万设备同步在线的场景至关重要，如智能城市中的智能交通系统、智能家居领域的传感器网络。

以智能城市环境监测为例，边缘计算节点通过实时处理传感器数据，如空气质量、噪声等级等数据，无须将所有数据传输至中心云进行集中处理。通过在边缘区域进行数据筛选与初步加工，能够显著提高系统对环境变化的响应速度，并降低云端宽带的消耗[2]。这种分布式处理方式有助于实现大规模物联网应用，进一步增强系统的整体扩展能力。

通过在边缘设备上实施数据处理和初步分析，不仅能够减轻云端压力，还能降低数据传输的体量，从而提升数据传输效率。这种方法为实现物联网内各设备更高效的协同运转提供有力支撑。

2.3 网络切片技术与边缘计算

在5G 网络中，边缘计算与网络切片技术的深度融合，为各类业务场景提供更加便捷、智能的网络服务。5G 网络切片技术使运营商能够将网络划分为多个独立的虚拟网络切片，且每个切片具有不同的性能和服务水平。边缘计算通过在网络边缘节点部署特定应用程序和服务来实现，为网络切片提供量身打造的计算与存储服务。

在智能制造业务领域，边缘计算与网络切片的紧密结合为智能制造业务提供量身定制的专属网络服务。通过在生产线上实施网络切片加工，可以优先确保机器人控制和传感器数据分析等应用的稳定运行。同时，边缘计算节点提供的计算能力有助于保障相关应用的实时性和可靠性。这种精细化的网络定制使得智能制造业务更加灵活，能够更好地满足各种业务需求，进一步优化生产效能和产品质量。

网络切片技术与边缘计算的整合在实际应用中展现出其他领域无法比拟的优势。例如，在智能城市中，网络切片技术能够为各类城市服务（智能交通、环境监测等）打造专属的虚拟网络，边缘计算节点则赋予服务本地智能决策和数据处理的能力。因此，5G 网络的弹性和适应性得以提升，从而为城市治理的智能化与高效化奠定坚实的基础。

3 5G 网络中边缘计算的优化

3.1 资源分配与管理

在5G 网络中，边缘计算优化的关键在于资源的合理分配与高效管理，并以提升系统性能为首要任务。计算、存储和网络带宽属于不同的资源类别，而边缘计算节点通常会受资源限制的约束。因此，需要采用智能算法对资源进行合理分配，以满足各种应用需求。对于实时需求，可以采用优化的动态资源分配方法，以降低资源浪费。例如，通过运用机器学习算法来预测高峰时段的人流量，可以提前分配更多的计算资源给系统，从而满足用户的实时通信和低延迟需求[3]。

边缘计算节点的协同作业也是资源管理的关键环节，需要保持资源分配的协调一致性。通过采用容器技术和微服务架构构建分布式计算框架，实现资源的灵活隔离与共享，有助于提升系统的稳定性和弹性。5G 网络中边缘计算的关键探索在于优化资源分配与管理，其性能展示与合理性、智能化程度密切相关。

3.2 安全性与隐私保护

在5G 网络中，探讨边缘计算的优化时，需要重点关注安全性与隐私保护。实时数据处理是边缘计算中的关键环节，更多的计算任务应当部署在边缘节点，但导致相应的安全风险逐步上升。为确保信息安全需要采取以下措施：首先，加密需要传输的数据；其次，构建完善的安全认证体系，提高系统的防护能力；最后，排查边缘节点的安全隐患，确保彻底消除安全风险。通过使用稳定可靠的安全硬件模块，并在特定环境中建立可信执行环境（Trusted Execution Environment，TEE），能够有效防范恶意攻击，从而全面保障边缘计算环境的安全。

在5G 网络中，需要高度重视隐私保护问题。由于边缘计算具备在终端用户附近处理数据的优势，能更好地满足用户的个性化需求，因此用户数据的隐私保护显得尤为重要。在边缘计算领域，需要深入研究与应用隐私保护算法和数据匿名化技术。此外，通过建立可回溯的权限管理体系，可以构建隐私防护的坚实屏障。

在进行系统设计时，需要充分考虑安全性与隐私保护问题，确保边缘计算在5G 网络中能够基于坚实的基础持续发展。

3.3 网络性能优化

为充分发挥5G 网络边缘计算的优势，网络优化成为关键环节。在考虑边缘计算节点分布、核心网络协同、数据传输路径等要素的基础上，提升网络性能。一种有效的策略是采用智能边缘节点部署，确保节点能够充分覆盖用户密集区域，从而缩短通信距离，提高传输效率。此外，通过运用机器学习算法对网络状况进行实时监控，可以优化边缘计算节点的负载分配，进一步提升整体系统性能[4]。

在网络性能优化中，数据传输管理起着关键作用。通过在边缘节点执行数据缓存与预处理操作，可以降低系统对中心云的依赖，有效降低通信时延。同时，广泛采用数据压缩与流量优化技术，提高数据传输速率和系统处理能力。常用的网络性能优化技术及其性能如表1 所示。

表1 常用的网络性能优化技术及其性能

4 挑战与未来发展方向

4.1 挑战与问题分析

5G 网络与边缘计算的融合面临着众多挑战与困境。其中，边缘节点资源受限是一个重要问题。由于边缘计算节点通常部署在边缘网络区域，其计算、存储以及通信资源相对有限。在大规模、高密度应用场景下，这些资源可能无法满足需求，从而对系统性能产生负面影响[5]。同时，安全性问题日益凸显，成为一大难题。边缘计算涉及的分布式环境和实时处理需求导致安全风险逐步上升，为抵御恶意攻击，需要制定有效的安全防护措施，确保数据和系统的安全稳定。此外，网络切片管理领域的复杂性问题不容忽视。网络切片技术会根据各种应用场景打造专属的网络服务，但处理众多网络切片资源的分配及协同运作极具挑战。为达成这一目标，需要研制智能切片管理算法，优化网络资源分配，进而提升整体网络性能。因此，研究人员需要深入挖掘这些挑战，并提出创新性的解决方法，以推动5G 网络与边缘计算的进步。

4.2 未来发展方向

深入研究边缘计算与5G 网络之间的协同作用可知，创建更为智能、自动调节的体系并非易事，但边缘计算节点与5G 网络的紧密协作是未来发展的必然趋势。未来，改进网络切片技术将成为研究重点。通过不断改进网络切片管理体系，优化网络切片功能，实现个性化定制，以满足多样化的应用需求。此外，提高边缘计算的智能化程度也是未来的发展方向。借助人工智能与机器学习的方法，边缘计算节点可以识别并满足各种应用场景的需求，实现更为智能、自适应的计算过程。

5 结 论

文章深入剖析5G 网络与边缘计算的基本原理、关键应用以及优化策略，重点分析其在实时通信、大规模物联网和网络切片技术这3 个领域的重要性。然而，5G 网络与边缘计算的融合面临资源限制、安全检测和网络切片烦琐等多重挑战，因此研究人员必须敢于突破，积极探索创新策略，如优化协同机制，推动网络切片技术进步，提升边缘计算的智能化程度等。通过采取这些措施，可以充分发掘5G 边缘计算的潜力，构建更为智能、高效的数字化通信系统。