计算机网络技术发展至今,新型网络互联技术不断产生,网络互联不再是单一的电子计算机的互联,变成世界万物皆可相连的场景。随着网络终端设备的研发,终端设备网络接入量巨大、功能越来越丰富、终端数据上传量与日俱增。虽然集中式的云计算可以解决密集型的计算任务,但在万物互联的应用场景中,必然产生高延时、高带宽、网络阻塞等问题。在新的需求下边缘计算被提出,边缘计算将计算资源以分布式放置在靠近数据源的网络边缘,数据可以就近或本地处理。边缘计算可以弥补云计算的不足,提高计算敏捷性,减轻网络宽带传输压力。边缘计算具有解决终端设备资源受限,改善网络计算处理环境,提高用户服务质量的能力。虽然,边缘计算的思想有利于应对当前的物联网现状,但是伴随而来的是新型网络结构中资源的管理问题。边缘服务器在为终端设备提供计算或存储服务时,必须合理调度、分配自身资源。由于边缘计算中终端分布密度大、功能繁杂、异构性强的原因,上行数据流的调度和存储对边缘服务器的业务逻辑提出新挑战。本文研究了在云、边、端三层的边缘计算模型中,边缘服务器对上行数据流的调度和存储策略。本文研究的主要内容如下:(1)提出边缘服务器中上行数据流处理的业务逻辑结构。在网络架构中,边缘计算处于云计算服务和终端设备之间,具有承上启下的作用。结合边缘计算的属性和网络环境,设计出边缘服务器面向上行数据流的主要业务逻辑。(2)提出边缘服务器中上行数据流调度的组织结构模型。网络终端层与边缘服务器之间存在大量的数据交互,网络中的数据量庞大。边缘服务器使用数据流调度的组织结构模型管理网络中形成的上行数据流,实现终端数据的统一管理。(3)提出边缘服务器中上行数据流管理的时间片自适应调度(time slice self-adaptive scheduling,TSAS)算法。该算法用来调度控制到达边缘服务器节点的大量数据流,以防造成数据流接收处的拥塞问题。实验表明,TSAS算法可以实现高效合理地数据流调度处理。(4)提出边-端协同的数据流分级存储策略。本地处理器对数据流的需求度直接影响边缘服务器的存储策略,本文设计的数据流分级存储算法可以对数据流进行分级存储管理。边缘和终端对数据都使用这种数据存储策略,不仅充分利用存储资源,还提高数据的查找时效。