随着移动通信技术的飞速发展,与互联网连接的设备（例如,智能车辆、智能手机、智能交通灯等）呈爆发式增长,它们具有更强的实时性要求。云一直是提供存储和计算资源以处理物联网设备生成的大量数据并执行必要分析的首选解决方案。但是,将物联网设备生成的任务全部卸载到远程云进行处理会导致较高的通信延迟和能耗,这会违反实时物联网设备的延迟要求。为了满足设备对延迟的严苛要求,提出了边缘计算,将物联网设备的部分计算任务卸载到边缘计算服务器上进行服务。依托云计算和边缘计算的相互合作（云边架构）,可以保证用户服务质量/体验质量。然而,随着云边架构在行业转型升级中的作用愈发重要,针对云边服务性能的量化分析愈加迫切。本文旨在利用随机建模和仿真实验方法,从任务拒绝率和平均响应时间两个方面对云边服务性能开展量化评估,主要研究内容及其贡献包括以下三方面:（1）提出一种针对在不同云边资源分配策略下,具有到达时变性和实时性的任务的性能量化分析方法。在云边系统中,任务到达的时间间隔会随时间而变化,其在系统中存在容忍时间。此外,决策节点根据边缘数据中心和云数据中心的处理能力,决策任务进入边缘或云数据中心以及顺序选择或随机选择数据中心中的物理设备为任务提供服务。现有模型在量化评估任务性能时,或忽略云边资源分配策略,或忽略任务到达时变性,或忽略任务在系统中存在容忍时间。本工作首先分析任务在云、边缘数据中心和决策节点中到达、等待处理、部署、服务以及等待时间超过容忍时间后的行为,分别构建面向云数据中心、边缘数据中心和决策节点的子模型;然后,基于分层模型设计关键性能指标的计算公式,性能指标包括任务拒绝率和平均响应时间;最后,利用仿真实验结果和数值实验结果交叉验证分层模型和性能指标公式的近似准确性,并量化评估了不同系统参数对云边服务的性能的影响。（2）提出一种针对具有优先级、资源数目异构性和实时性的任务的性能量化分析方法。在云边系统中,不同任务请求的物理或虚拟资源的容量、类型可能各不相同。此外,现有模型在量化评估任务性能时,或忽略任务的优先级,或忽略任务在服务时需要不同数目的资源,或忽略任务在系统中处理时存在容忍时间。在贡献一的基础上,首先,本工作分析在先来先服务和非抢占式优先级原则下任务的处理顺序,以及根据物理设备的可用资源,分析任务能否被服务;然后,构建可以捕获任务进入/处理/离开决策节点、边缘数据中心和云数据中心行为的分层模型,并推导了关键性能指标的公式;最后,基于数值分析和离散事件仿真实验,验证了提出的分层模型和性能指标计算公式的近似准确性,并量化评估了在不同系统参数下云边服务的性能。（3）提出一种针对具有移动性、实时性、优先级和资源数目异构性的任务的性能量化分析方法。在云边系统中,为解决用户移动性可能导致服务质量降低或服务中断的问题,需要多个移动边缘数据中心相互合作,以实现服务动态迁移。现有模型仅分析任务在同一移动边缘数据中心被处理直至完成,不能用于捕获任务在多个移动边缘数据中心中的迁移行为;此外,还忽略了任务的移动性、实时性、优先级和资源数目异构性对任务性能的协同影响。在贡献一和贡献二的基础上,首先,本工作分析了不同决策节点的决策行为和任务在移动边缘数据中心间的迁移行为;然后,我们构建移动边缘数据中心之间的迭代模型,可以捕获移动边缘数据中心之间的数据交互过程,进而构建可以捕获任务在云边系统中到达、处理、迁移等行为的可扩展分层模型;在此基础上,推导了云边服务性能指标的计算公式并进行了理论证明。最后,利用数值实验和仿真实验相结合验证公式和模型的近似准确性,并进一步量化评估移动边缘数据中心数目等参数对云边服务性能的影响。