制造业产业模式随着其生产过程与工业物联网、边缘计算等技术的深度融合,开始从产品为中心向以用户为中心转变。由于大型制造业生产车间业务流程复杂,需要统筹协调“人”、“信息系统”和“物理系统”之间的关系,从而导致传统的资源分配和任务调度方案易产生负载不均衡的问题。云边协同模式依托丰富的云制造场景,作为实现智能化制造并强化现场级控制力的有效解决范式,通过资源协同和数据协同的方式来获得实体设备的全生命周期信息,并以高效且低成本的方式对其进行管理与挖掘。本文针对云边协同计算架构下海量异构数据处理与用户定制化需求的问题,提出了能够满足低时延、高并发和高通量的资源分配和任务调度方法,主要工作包括如下两个方面:1.提出云边协同计算架构下大规模工厂接入的边缘端服务器资源分配方案。首先通过将计算与存储解耦的方式将边缘端服务器分为IO密集型虚拟机和CPU密集型虚拟机;其次针对IO密集型虚拟机,根据其上三个方面的维度信息,即终端设备上传数据类型的权重值、计算节点中每个IO密集型虚拟机对应的预分配空间和实际已占用空间的大小,生成最大优先级列表实时统一分配硬件资源。针对CPU密集型虚拟机,根据虚拟机数量和物理机性能之间的关系,更新CPU密集型虚拟机的资源配置;最后通过仿真实验对所提出的资源分配算法进行比较和分析。2.提出云边协同计算架构下大规模工厂接入的任务调度方案。该方法首先将云端服务器和边缘端服务器上的有向无环图(Directed acyclic graph,DAG)进行合并;其次利用基于关键路径的分割策略划分任务,有效提高分配的准确性;然后通过处理器合理分配实现负载均衡;最后通过仿真实验对所提出的任务调度算法进行比较和分析。