CN109347902B - 边缘计算网络中兼顾优先级与公平性的数据协同传输方法 - Google Patents

Abstract

本发明公开了一种边缘计算网络中兼顾优先级与公平性的数据协同传输方法，该方法综合考虑数据流的传输时间限制、无线信道的通信质量、系统的带宽限制以及数据流的优先级，以满足数据流的时间限制为目标，为低通信质量的节点寻找最佳中转节点，为高优先级的数据流分配尽可能多的带宽，为低优先级的数据流预留带宽，协同多个边缘计算节点，确保数据流的优先级与公平性。该方法能提高数据传输的成功率、系统的吞吐量，并能降低系统能耗与传输时延。本发明方法为边缘计算网络中的终端节点向边缘计算服务器发送数据提供了新的传输方法和具体方案。使用本发明所提方法，系统在吞吐量、传输成功率、平均时延和能耗等方面均有明显优势。

Description

边缘计算网络中兼顾优先级与公平性的数据协同传输方法

技术领域

本发明涉及数据传输技术领域，具体涉及一种边缘计算网络中兼顾优先级与公平性的数据协同传输方法。

背景技术

随着物联网概念被广泛应用到医疗、家庭、环境和传输等等众多领域后，网络边缘产生大量原始数据，数据量快速增长。面对海量数据的计算和存储，网络带宽资源紧张，设备间对带宽的竞争更加激烈，云计算已经不堪重负，边缘计算由此诞生。边缘计算指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务。

边缘计算虽然解决了数据量爆炸式增长带来的挑战，但存在大量终端节点的异构性和有效传输问题。随着越来越多的终端设备接入到无线网中，虽然在边缘计算中它们不需要再将数据传输到“远处”的云端，但由于数量太多且不可预测，传输到边缘节点需要竞争有限的信道带宽。如何有效的传输这些终端数据成为一个难题。现在物联网产生的很多数据都具有实时性，需要在有效时间之前完成发送，对于实时数据来说，仅仅基于节点优先级传输数据导致系统传输性能不稳定且极易降低传输成功率。

针对上述问题，现有技术中提出了基于能耗的数据传输，通过降低每个节点的能耗成本，保证了网络传输的“寿命”，总结出了能耗选择中转节点的思想。但结果不理想，由于能耗选择的中转节点是比较固定的某个节点，受到节点数据负载、与其他设备和边缘节点的距离、存储空间等因素影响，会产生较高的数据延迟，导致网络吞吐和发送成功率的降低；另外，针对基于能耗的传输的不足，现有技术中提出了基于距离的选择方法，每个节点可以根据可选择节点分别与自己和边缘节点的距离选择自己的中转节点，减少传输的时间和能耗成本。但是这些算法考虑因素单一，仿真结果表明平均能耗和时延等性能并不理想，吞吐量和发送成功率也并没有明显提高。

发明内容

本发明的目的在于针对数据传输考虑的因素都太过单一，无法兼顾平均时延、能耗、网络吞吐量和传输成功率的问题，提供一种边缘计算网络中兼顾优先级与公平性的数据协同传输方法。

为了实现上述目标，本发明采用以下技术方案：

一种边缘计算网络中兼顾优先级与公平性的数据协同传输方法，所述的计算机网络中有N个节点与边缘服务器通信，所述的方法包括以下步骤：

步骤1，针对所述N个节点，判断每个节点与边缘服务器通信时是否需要中转节点，将通信时需要中转节点的节点形成集合N_r，执行步骤2，其余节点形成集合N_u，执行步骤3；

步骤2，对于N_r中的任意一个节点i，计算节点i与N_u中每一个节点的积分值Sum(i,j)：

Sum(i,j)＝λ_S*S(j)-λ_D*D(j)-λ_DN*DN(i,j)-λ_E*E(j) 式1

其中，j是N_u中的任意一个节点，S(j)、DN(i,j)和E(j)分别是节点j的存储容量、j与节点i之间的距离，j的自身的能耗，D(j)是节点j的数据总量大小，λ_S、λ_D、λ_DN和λ_E均是影响因子值，λ_S、λ_D、λ_DN和λ_E的取值范围均在0到1之间；

选取N_u中积分值最高的一个节点作为节点i的中转节点，执行步骤3；

步骤3，按照式2计算N_r中的每一个节点i或N_u中的每一个节点j中第k个数据流的优先级p_ik：

其中，L_i为节点i或节点j的位置重要性，

为节点i或节点j的第k个数据流的截止时间，T_now为节点i或节点j的第k个数据流的当前时间，β_l和β_t均是影响因子值，取值范围均在0到1之间；

步骤4，按照式3计算N_r中的每一个节点i或N_u中的每一个节点j中第k个数据流的传输速率r_ik，

r_ik＝αp_ikD_ik 式3

其中，α为分配因子，p_ik为每一个节点i的数据流的优先级，D_ik为每一个节点j的数据流大小；

步骤5，对于节点i或节点j中的所有数据流，按照数据流的优先级进行降序排序以形成发送队列，然后节点i或节点j按照发送队列对排序后的数据流以步骤4计算的传输速率发送数据。

进一步地，所述的一种边缘计算网络中兼顾优先级与公平性的数据协同传输方法，还包括以下步骤：

步骤6，对于节点i或节点j中的发送队列，判断排序最靠前的数据流中最靠前的数据包是否失效，若失效则删除失效数据包，执行步骤7，若未失效，则发送数据包，执行步骤7；

步骤7，针对发送队列，判断发送队列是否为空，若发送队列不为空，返回步骤6执行，若发送队列为空，则结束传输。

进一步地，步骤6中，所述的判断排序最靠前的数据流中最靠前的数据包是否失效，具体方式为：

其中，s_ikm为二进制变量表示数据包m是否传输成功，1为传输成功，0为传输失败，T_ikm为流中数据包m传输时间，

为数据包m的数据流f_ik的截止时间。

进一步地，步骤1中所述的判断每个节点i与边缘服务器通信时是否需要中转节点，具体过程为：

步骤1.1，针对边缘服务器，每个节点i向边缘服务器发送探测数据包，边缘服务器利用无线网卡从接收到的数据包中获取CSI值，将CSI值反馈给对应的节点i，边缘服务器根据接收到的数据包质量与CSI值，设置阈值θ，

步骤1.2，针对接收到的CSI值，每个节点i将接收到的CSI值与阈值θ比较，若节点的CSI值小于阈值，则需要中转节点，若节点的CSI值大于阈值θ，则能够直接与边缘服务器通信，不需要中转节点。

进一步地，步骤2中，所述的节点j的数据总量大小D(j)满足的公式为：

其中，F_j表示节点j的数据流集合，d_jkm是节点j中的第k个数据流的数据包m的大小，f_jk表示F_j内的第k个数据流。

进一步地，步骤3中，所述的优先级p_ik，具体分配为，N_r中的任意一个节点i或N_u中的任意一个节点j，根据节点i或节点j的数据流的截止时间减去当前时间

和节点i或节点j的位置重要性L_i为节点i或节点j的数据流分配优先级p_ik。

进一步地，步骤4中，所述的分配因子α满足的公式为：

其中，B为边缘服务器的信道链路容量，h_i表示节点是否需要中转，p_ik为数据流的优先级，D_ik为数据流大小，F_i表示节点i的数据流集合。

本发明与现有技术相比具有以下技术效果：

1.将终端节点分为两类，每个节点可以自己根据与边缘服务器之间的通信质量决定是否需要其他节点帮助中转数据，提高了发送效率和成功率。

2.针对选择中转节点提出了更加全面的策略，每个节点可以选择最适合自己的设备中转数据，而且考虑距离或者能耗两种影响因子，在减小能耗的基础上也保证了传输成功率。

3.对所提数据传输机制的性能进行了分析，并证明了所提策略能在数据发送成功率、平均能耗、吞吐和平均时延等多个方面综合表现良好。

附图说明

图1为本发明提供的数据协同传输方法的流程图；

图2为本发明两类节点的数据发送路径示意图；

图3为数据流个数-发送成功率关系图；

图4为数据包个数-发送成功率关系图；

图5为数据流截止时间-发送成功率关系图；

图6为数据流个数-吞吐量关系图；

图7为数据包个数-吞吐量关系图；

图8为数据流截止时间-吞吐量关系图；

图9为数据流个数-平均时延关系图；

图10为数据包个数-平均时延关系图；

图11为数据流截止时间-平均时延关系图；

图12为数据流个数-平均能耗关系图；

图13为数据包个数-平均能耗关系图；

图14为数据流截止时间-平均能耗关系图。

具体实施方式

边缘计算网络面临着高水准的服务质量(QoS)和服务体验(QoE)，确保边缘计算的高吞吐量一直是一个潜在的问题。传统的传输策略考虑的因素都太过单一，无法兼顾时延、吞吐和接入成功率多个性能要求。多数解决方案是基于节点优先级顺序发送，未顾及实时数据对时延的要求和系统总吞吐量。现有技术中会选择使用中转节点的方法来提高接入成功率，然而大部分选择中转节点的方法都是基于能量或者与边缘服务器之间的距离这类单一的因素，而且整个网络只选择一个中转节点，所有节点都经过该节点与边缘服务器连接，这种策略能够节省网络系统的总耗能和接入成功率，但是对于实时数据网络来说，会增加数据等待时间并降低网络吞吐量。

因此，针对上述问题和挑战，本机制将选择中转节点的方法做出了改进，并提出了最终优先级的概念以满足实时数据对传输完成时间的要求。

本发明使用边缘计算的一个实例，智能家居安防系统，来详细描述提出的协同传输机制。边缘计算网络中包含N个终端节点(智能家电)，所有的终端节点需要向边缘服务器上传数据，与边缘计算服务器连接。N中的任意一个节点i由{F_i,L_i}表示，其中F_i＝{f_i1,f_i2,…,f_ik}代表节点i的数据流集合，每个数据流包含多个数据包，在实际发送过程中，节点之间以数据包为单位发送数据，L_i为节点i的位置重要性。在智能家居的安防系统中，陌生人闯入安防不同位置的节点产生的数据的紧迫性不同。因此，L_i可以等于1,2等数字，表明节点的位置重要性，此处数值越大表明位置越重要。

如图1所示，本发明提供了一种边缘计算网络中兼顾优先级与公平性的数据协同传输方法，所述的计算机网络中有N个节点与边缘服务器通信，所述的方法包括以下步骤：

步骤1，针对所述N个节点，判断每个节点i与边缘服务器通信时是否需要中转节点，将通信时需要中转节点的节点i形成集合N_r，执行步骤2，其余节点形成集合N_u，执行步骤3；

本方案中，将计算机网络中与边缘服务器通信的N个节点分为两大类，一类是直接可以与边缘服务器通信的节点，另一类是与边缘服务器通信时需要中转节点的节点。

在该步骤中，首先需要判断所述的N各节点在与边缘服务器通信时是否需要中转节点，具体过程为：

步骤1.1，每个节点i向边缘服务器发送探测数据包，边缘服务器利用无线网卡从 接收到的数据包中获取CSI值，将CSI值反馈给对应的节点i，边缘服务器根据接收到的数据包质量与CSI值，设置阈值θ；

本方案中，将获取到的CSI值作为节点与边缘服务器之间的信道特征，用来衡量信 道的质量。

步骤1.2，针对接收到的CSI值，每个节点i将接收到的CSI值与阈值θ比较，若节点 的CSI值小于阈值，则需要中转节点，若节点的CSI值大于阈值θ，则能够直接与边缘服务器 通信，不需要中转节点；需要中转节点的节点i，通过步骤2确定其中转节点。

步骤2，对于N_r中的任意一个节点i，按照式1计算节点i与N_u中每一个节点的积分值Sum(i,j)，然后选取N_u中积分值最高的一个节点作为节点i的中转节点，执行步骤3；

Sum(i,j)＝λ_S*S(j)-λ_D*D(j)-λ_DN*DN(i,j)-λ_E*E(j) 式1

其中，j是N_u中的任意一个节点，S(j)、DN(i,j)和E(j)分别是节点j的存储容量、j与节点i之间的距离，j的自身的能耗，D(j)是节点j的数据总量大小，λ_S、λ_D、λ_DN和λ_E均是影响因子值，λ_S、λ_D、λ_DN和λ_E的取值范围均在0到1之间；所述的节点j的数据总量大小D(j)满足的公式为：

其中，F_j表示节点j的数据流集合，d_jkm是节点j中的第k个数据流的数据包m的大小，f_jk表示F_j内的第k个数据流。

本方案中，对需要中转节点的任意一个节点i，选择邻居节点并计算积分值，在N_r当中的任意一个节点i的所有邻居节点即为集合N_u当中的所有节点；因为N_u当中的所有节点均能与边缘服务器直接通信，因此节点i可通过N_u当中的任意一个节点与边缘服务器通信；而该步骤中通过积分值的计算，选择N_u中与节点i积分值最高的一个节点j作为节点i的中转节点，选择过程中，考虑了距离或者能耗两种影响因子，在减小能耗的基础上也保证了传输成功率。

步骤3，按照式2计算N_r中的每一个节点i或N_u中的每一个节点j中第k个数据流的优先级p_ik：

其中，L_i为节点i或节点j的位置重要性，

为节点i或节点j的第k个数据流的截止时间，T_now为节点i或节点j的第k个数据流的当前时间，β_l和β_t均是影响因子值，取值范围均在0到1之间；

本方案中，节点i或节点j的位置重要性L_i可以等于1,2等数字，用来表明节点的位置重要性，数值越大表明位置越重要。计算优先级时，用到的是节点i或节点j的数据流的传输时间，所述的传输时间等于节点i或节点j的数据流的截止时间减去节点i或节点j的数据流的当前时间。

可选地，步骤3中，所述的优先级p_ik，具体分配为，N_r中的任意一个节点i或N_u中的任意一个节点j，根据节点i或节点j的数据流的截止时间减去当前时间

和节点i或节点j的位置重要性L_i为节点i或节点j的数据流分配优先级p_ik。

本方案中，是利用节点i或节点j的数据流的传输时间和节点i或节点j的位置重要性为节点i或节点j的数据流分配优先级。剩余的传输时间越短，节点i或节点j位置越重要，优先级越高。

在发送过程中，一般是按照数据包为单位发送数据，每个数据流中含有多个包，每个数据包m∈f_ik的大小d_ikm与其实际传输完成时间T_ikm之间的关系为：

其中，r_ik是第k个数据流的传输速率,

是数据包m在发送前的等待时间，即目前时间减去其产生的时间。

通过步骤3，计算出了N_r中的每一个节点i或N_u中的每一个节点j中每一个数据流的优先级。

步骤4，按照式3计算N_r中的每一个节点i或N_u中的每一个节点j中第k个数据流的传输速率r_ik，

r_ik＝αp_ikD_ik 式3

其中，α为分配因子，p_ik为每一个节点i的数据流的优先级，D_ik为每一个节点j的数据流大小；

本方案中，是对N_r和N_u中所有节点的所有数据流分配传输速率，这样每个节点在进行数据流的发送时，可通过优先级确定数据流的发送顺序，再通过传输速率确定每个数据流的发送带宽；D_ik也可以称为通信负载，所有节点i或所有节点j的数据流的传输速率r_ik的推导过程为：

首先，定义节点i或节点j的数据流的传输性能指标为，

其中，T_ik为节点i或节点j的数据流传输时间，等于节点i或节点j的数据流中所有数据包传输时间的总和，即

其次，由于传输分配机制是基于公平性的，因此节点i或节点j的数据流的传输性能应该与节点i或节点j的数据流本身的权重成正比。在本发明中，节点i或节点j的数据流的权重和它的优先级p_ik成正比，则节点i或节点j的数据流传输性能和它的优先级p_ik成正比，因此得到公式：

其中，F_i表示节点i的数据流集合，f_ik表示F_i内的第k个数据流，N表示所述的计算机网络与边缘服务器通信的节点个数。

再次，在分配带宽时，数据流的发送时长为：

T_ik＝D_ik/r_ik

其中

为数据流大小，d_ikm是节点i的第k个数据流的数据包m的大小，r_ik表示分配给数据流i的第k个数据流的传输速率。

然后，将数据流的发送时长的公式和传输性能指标公式，带入数据流传输性能和它的优先级成正比公式中，推导出：

其中，p_ik为节点i或节点j的数据流的优先级，D_ik为节点i或节点j的数据流大小。

最后，转换为节点i或节点j的数据流的传输速率r_ik的等式为，

步骤4中，所述的分配因子α满足的公式为：

其中，B为边缘服务器的信道链路容量，h_i表示节点是否需要中转，p_ik为数据流的优先级，D_ik为数据流大小，F_i表示节点i的数据流集合。

首先，分配传输速率时，需要满足信道带宽容量的约束；如图2所示，如果节点a需要一个节点b中转数据至边缘服务器，则需要中转的节点a与其他节点的传输路径不同，节点a中的数据流会被发送两次，因此，需要发送的数据流数量不等于实际的数据流数量；信道带宽容量的约束表示为：

其中，r_ik为分配给节点i的第k个数据流的传输速率，F_i为节点i的数据流集合，二进制变量h_i表示节点是否需要中转：

其次，在为数据流分配带宽速率时，为了实现公平性原则，本方案根据数据流的大小和优先级为所有数据流都分配传输速率，以避免优先级低的数据流“饿死”，然而数据流的大小D_ik和优先级p_ik这两个变量为固定值，因此为了获得最大传输速率r_ik，提高传输性能，需要计算分配因子α的最大值α^*。

分配因子α的最大值α^*为：

最后，可得到分配给数据流f_ik的传输速率为r_ik＝α^*D_ikp_ik。

步骤5，对于节点i或节点j中的所有数据流，按照数据流的优先级进行降序排序以形成发送队列，然后节点i或节点j按照发送队列对排序后的数据流以步骤4计算的传输速率发送数据。

当节点i或节点j需要向边缘服务器发送数据时，对于节点i或j中的所有数据流，是按照步骤3计算的优先级以及步骤4计算的传输速率来发送的。例如，对于节点i中需要发送的k个数据流，首先按照步骤3计算出这k个数据流的优先级，按照优先级对这k个数据流进行排序以形成节点i的发送队列，优先级越高的数据流排序越靠前；在发送数据时，按照发送队列进行数据流的发送；在发送每一个数据流时，则按照步骤4计算的传输速率进行传输，直至将该数据流中所有的数据包发送完毕。

在节点发送数据过程中，通过下面的步骤判断是否发送完毕：

步骤6，对于节点i或节点j中的发送队列，判断排序最靠前的数据流中最靠前的数据包是否失效，若失效则删除失效数据包，执行步骤7，若未失效，则发送数据包，执行步骤7；

本方案中，步骤6是在步骤4和步骤5的基础上实现的，利用步骤5所形成的发送队列作为对象判断排序最靠前的数据包是否失效，利用步骤4分配的所有数据流的传输速率作为未失效数据包发送数据包的基础。

步骤6中，所述的判断排序最靠前的数据流中最靠前的数据包是否失效，具体方式为：

其中，s_ikm为二进制变量表示数据包m是否传输成功，1为传输成功，0为传输失败，T_ikm为流中数据包m传输时间，

为数据包m的数据流f_ik的截止时间。

本方案中，数据包m需要在截止时间

之前完成传输才算成功，否则数据失效被节点缓存删除。本方案的目的是提高系统吞吐量，可以用所有传输成功的数据包大小之和表示吞吐量，吞吐目标函数表示为：

s.t.s_ikm∈{0,1}；

目标函数需要遵循带宽约束，其中，d_jkm为节点i的第k个数据流的数据包m的大小，B为边缘服务器的信道链路容量，h_i表示节点是否需要中转，r_ik为分配给节点i的第k个数据流的传输速率。

步骤7，针对发送队列，判断发送队列是否为空，若发送队列不为空，返回步骤6执行，若发送队列为空，则结束传输。

本发明在Matlab环境下实现仿真以评估传输性能，本发明提供的边缘计算网络中兼顾优先级与公平性的数据协同传输方法(图例中的CTOM)与现有技术的基于距离选择中转节点传输方法(图例中的RNDC)以及基于能量选择中转节点传输方法(图例中的RNEC)进行比较。具体的，在数据包的发送成功率、单位时间内吞吐量、数据包的平均时延和平均耗能四个性能方面分别进行比较。

在本发明方法中，假设数据包在发送过程中不会因为噪音等外部环境发生丢包情况，只要数据包能够在截止时间之前完成传输，就认为该数据包发送成功。

如图3和图4所示，随着数据流和数据包的增加，数据包的发送成功率逐渐减小，这是由于随着待发送数据量的增加，有限的信道带宽需要分配给更多的数据，因此每个数据流分配到的传输速率变小，数据包的发送时间和等待时间逐渐增加，导致成功率的降低。但本发明方法的成功率一直高于其他两种传输方法，甚至在数据流个数较少的时候能够达到100％传输成功，即所有数据包都能在自己的截止时间之前完成传输。还统计了发送成功率随着数据流的截止时间变化的关系图，如图5所示，随着截止时间时长的增加，数据包的发送成功率逐渐增加，并最终达到100％。从关系图中可以看出，本发明方法的发送成功率始终高于其他两种算法，而且在更短的有效时间内就达到了1。

本发明方法的最终目的是提高系统吞吐量，图6、图7和图8分别表示了单位时间内吞吐量随着数据流个数、数据包个数还有截止时间的变化关系图。由图6和图7可知，随着数据量的增加，单位时间内的吞吐量也随之增加。但最终会由于有限的带宽趋于不变。虽然吞吐量有所增加，但待发送数据包的个数也增加了，因此图3和图4的发送成功率是逐渐降低的。图8表示了截止时间与单位时间内吞吐量的关系图，截止时间较小时，吞吐量会随着截止时间增加而增大，但是到达一定程度，截止时间就不会影响吞吐量的大小了。这是由于在较小的截止时间之间，网络中的许多数据包来不及被发送就会失效，因此在一定区间内，吞吐量会随着截止时间增加而增大。但是当截止时间到达一定大小，吞吐量的大小只受限于信道带宽的容量和待发送数据量的大小，因此不受截止时间的影响。综合观察图6至图8，相较于其他两种传输算法，本发明的吞吐性能一直保持较高水平。

上述两类性能表明，本发明实现了传输机制的主要目标：提高吞吐量和发送成功率。通过计算发送成功的数据包的平均时延和能耗，得出本发明方法在实现高吞吐和高效率的传输成功率的前提下，同时也减小了传输数据包的平均时延和平均耗能。

图9、图10和图11分别表示了平均时延随着截止时间、数据流个数还有数据包个数的变化关系图。图9、图10和图11分别表示了单位时间内能耗随着数据流个数、数据包个数还有截止时间的变化关系图。图9至图14所示，本发明的平均时延和能耗小于其他两类方法，而且截止时间只会影响网络总吞吐量，不会影响数据包的时延和能耗。

仿真实验证明，本发明的方法以少量的时延和能耗为代价，使得网络吞吐量和数据包的发送成功率大大提升。

Claims (6)

1.一种边缘计算网络中兼顾优先级与公平性的数据协同传输方法，所述的计算网络中有N个节点与边缘服务器通信，其特征在于，所述的方法包括以下步骤：

步骤1，针对所述N个节点，判断每个节点与边缘服务器通信时是否需要中转节点，将通信时需要中转节点的节点形成集合N_r，执行步骤2，其余节点形成集合N_u，执行步骤3；

步骤2，对于N_r中的任意一个节点i，计算节点i与N_u中每一个节点的积分值Sum(i,j)：

Sum(i,j)＝λ_S*S(j)-λ_D*D(j)-λ_DN*DN(i,j)-λ_E*E(j) 式1

其中，j是N_u中的任意一个节点，S(j)、DN(i,j)和E(j)分别是节点j的存储容量、j与节点i之间的距离，j的自身的能耗，D(j)是节点j的数据总量大小，λ_S、λ_D、λ_DN和λ_E均是影响因子值，λ_S、λ_D、λ_DN和λ_E的取值范围均在0到1之间；

选取N_u中积分值最高的一个节点作为节点i的中转节点，执行步骤3；

步骤3，按照式2计算N_r中的每一个节点i或N_u中的每一个节点j中第k个数据流的优先级p_ik：

其中，L_i为节点i或节点j的位置重要性，

为节点i或节点j的第k个数据流的截止时间，T_now为节点i或节点j的第k个数据流的当前时间，β_l和β_t均是影响因子值，取值范围均在0到1之间；

步骤4，按照式3计算N_r中的每一个节点i或N_u中的每一个节点j中第k个数据流的传输速率r_ik，

r_ik＝αp_ikD_ik 式3

其中，α为分配因子，p_ik为每一个节点i的数据流的优先级，D_ik为每一个节点j的数据流大小；

步骤5，对于节点i或节点j中的所有数据流，按照数据流的优先级进行降序排序以形成发送队列，然后节点i或节点j按照发送队列对排序后的数据流以步骤4计算的传输速率发送数据；

步骤1中所述的判断每个节点i与边缘服务器通信时是否需要中转节点，具体过程为：

步骤1.1，针对边缘服务器，每个节点i向边缘服务器发送探测数据包，边缘服务器利用无线网卡从接收到的数据包中获取信道状态信息CSI值，将CSI值反馈给对应的节点i，边缘服务器根据接收到的数据包质量与CSI值，设置阈值θ，

步骤1.2，针对接收到的CSI值，每个节点i将接收到的CSI值与阈值θ比较，若节点的CSI值小于阈值，则需要中转节点，若节点的CSI值大于阈值θ，则能够直接与边缘服务器通信，不需要中转节点。

2.如权利要求1所述的边缘计算网络中兼顾优先级与公平性的数据协同传输方法，其特征在于，所述的方法还包括以下步骤：

步骤6，对于节点i或节点j中的发送队列，判断排序最靠前的数据流中最靠前的数据包是否失效，若失效则删除失效数据包，执行步骤7，若未失效，则发送数据包，执行步骤7；

步骤7，针对发送队列，判断发送队列是否为空，若发送队列不为空，返回步骤6执行，若发送队列为空，则结束传输。

3.如权利要求2所述的边缘计算网络中兼顾优先级与公平性的数据协同传输方法，其特征在于，步骤6中，所述的判断排序最靠前的数据流中最靠前的数据包是否失效，具体方式为：

其中，s_ikm为二进制变量表示数据包m是否传输成功，1为传输成功，0为传输失败，T_ikm为流中数据包m传输时间，

为数据包m的数据流f_ik的截止时间。

4.如权利要求1所述的边缘计算网络中兼顾优先级与公平性的数据协同传输方法，其特征在于，步骤2中，所述的节点j的数据总量大小D(j)满足的公式为：

其中，F_j表示节点j的数据流集合，d_jkm是节点j中的第k个数据流的数据包m的大小，f_jk表示F_j内的第k个数据流。

5.如权利要求1所述的边缘计算网络中兼顾优先级与公平性的数据协同传输方法，其特征在于，步骤3中，所述的优先级p_ik，具体分配为，N_r中的任意一个节点i或N_u中的任意一个节点j，根据节点i或节点j的数据流的截止时间

减去当前时间T_now和节点i或节点j的位置重要性L_i为节点i或节点j的数据流分配优先级p_ik。

6.如权利要求1所述的边缘计算网络中兼顾优先级与公平性的数据协同传输方法，其特征在于，步骤4中，所述的分配因子α满足的公式为：

其中，B为边缘服务器的信道链路容量，h_i表示节点是否需要中转，p_ik为数据流的优先级，D_ik为数据流大小，F_i表示节点i的数据流集合。

Images