云计算的出现极大促进了应用的爆炸性增长,但是云计算也存在无法解决的难题。接入云计算之后,应用的所有数据都将通过集中式的云计算平台处理。随着互联网的发展,越来越多的实时应用随之出现,对于互联网延迟的要求越来越高,云计算无法解决长距离传输的限制,使延迟居高不下。应用的实时性需求遇到了一定的瓶颈。用户的需求面临了极大的挑战。为解决这一问题,边缘计算随之诞生。它在近用户端建立一些服务器,让用户的某些请求通过这些服务器处理后直接返回到用户端,以此来解决延迟问题。目前业界对于边缘计算仍存在两大瓶颈,一个是如何通过资源调度降低处理任务的延迟问题,另一个就是因为许多边缘设备装置是由智能手机等便携式终端提供的,此时就需要考虑终端的续航问题。本文针对目前边缘计算资源调度领域研究的任务划分相关工作进行分析,认为将任务划分成许多子任务并且将这些子任务分别卸载到不同服务器上,以此来解决用户设备计算功耗问题是可行的。为了解决此问题,本文设计了一种基于分支限界法的资源调度算法。在此基础上,本文还设计了一种基于贪婪的算法,该算法可以快速求解出一个可行的次优解。在后续仿真中可以看出,基于分支限界的算法充分利用了任务的容忍延迟和边缘—云节点的资源,有效降低了用户设备的功耗。基于贪婪的算法得出的次优解与最优解差距最小可以达到1.8%。对于边缘节点设备的优化方面,本文提出了一个基于休眠态的任务调度算法来降低边缘节点功耗。该算法将边缘节点的休眠模式加入到调度当中来。通过将边缘节点拆分成多台小型设备来提高进入休眠设备的占比。在此基础上通过资源调度,发挥设备休眠时功耗低的特点。除此之外,调度的过程中还保证了任务最大容忍延迟。实验表明,该算法能有效降低系统整体功耗,在任务相对空闲的测试中,最高比原始算法降低了27.9%的能耗。