摘要
在5G环境中，异构物联网设备的快速增长对低延迟的边缘协议处理提出了更高要求。现有的静态解析框架难以适应动态的多协议流量，因此在突发性负载下会导致处理延迟增加以及服务质量下降。本文提出了一种名为HeteroEdge的延迟感知型自适应协议解析框架，专为5G多接入边缘计算环境设计。HeteroEdge由四个紧密关联的组件构成：(i)基于梯度提升决策树（XGBoost）构建的轻量级机器学习驱动的异构协议解析层（HPPL）；(ii)能够持续维护物联网终端状态压缩表示的网络数字孪生体（NDT）；(iii)以50毫秒为间隔动态重新分配解析资源的实时推理引擎（RTIE）；以及(iv)用于在假设性流量场景下提前评估资源分配策略的假设模拟模块（WIS）。在由4个英特尔至强银4316边缘节点及2000个属于12种协议类别的模拟物联网终端构成的实际5G MEC测试平台上进行的实验表明，该框架具有显著效果。与静态MEC方案相比，HeteroEdge可将边缘解析的中位数延迟（包括解析、分类和排队延迟，但不包括5G无线电组件）降低多达44.7%，协议分类的宏观平均准确率可达97.8%，并且在18 Gbps的线速网络接口注入吞吐量下仍能保持低于7毫秒的边缘解析延迟。此外，在突发性流量情况下，其95百分位数的延迟峰值可降低39%，而服务级别协议违反率则比静态资源分配方式降低了3.9倍。这些结果证明，HeteroEdge为对延迟敏感的物联网应用提供了高效且可扩展的解决方案，这类应用包括智能制造、互联车辆以及城市传感系统。
