基于邊緣計(jì)算的大數(shù)據(jù)實(shí)時(shí)處理機(jī)制探索

摘要：本文從邊緣計(jì)算與大數(shù)據(jù)實(shí)時(shí)處理的基礎(chǔ)出發(fā)，系統(tǒng)分析了傳統(tǒng)集中式數(shù)據(jù)處理機(jī)制中面臨的數(shù)據(jù)傳輸延遲與網(wǎng)絡(luò)性能瓶頸、資源受限與計(jì)算效率、數(shù)據(jù)安全與隱私保護(hù)的問(wèn)題，并探索了相應(yīng)的優(yōu)化措施。本文研究表明，邊緣計(jì)算在提升大數(shù)據(jù)實(shí)時(shí)處理能力的同時(shí)，能夠?yàn)槎鄨?chǎng)景提供高效可靠的支持，對(duì)未來(lái)的智能化發(fā)展具有重要意義。

關(guān)鍵詞：邊緣計(jì)算；大數(shù)據(jù)；大數(shù)據(jù)實(shí)時(shí)處理

引言

隨著信息技術(shù)的飛速發(fā)展，大數(shù)據(jù)與物聯(lián)網(wǎng)設(shè)備的普及使得數(shù)據(jù)量呈現(xiàn)爆炸式增長(zhǎng)，進(jìn)而使得大數(shù)據(jù)的實(shí)時(shí)處理需求增加，這種需求的增加廣泛存在于智能交通、工業(yè)制造、智慧城市等領(lǐng)域。然而，傳統(tǒng)集中式數(shù)據(jù)處理方式依賴于遠(yuǎn)程數(shù)據(jù)中心，受限于網(wǎng)絡(luò)傳輸帶寬和計(jì)算資源分配，難以滿足低延遲、高吞吐量的實(shí)時(shí)性要求。同時(shí)，數(shù)據(jù)傳輸過(guò)程中的隱私泄露和安全風(fēng)險(xiǎn)也日益嚴(yán)峻。邊緣計(jì)算的提出，為大數(shù)據(jù)實(shí)時(shí)處理提供了一種新型技術(shù)范式。通過(guò)將計(jì)算和存儲(chǔ)資源部署在網(wǎng)絡(luò)邊緣，邊緣計(jì)算能夠顯著降低延遲、優(yōu)化帶寬利用，并實(shí)現(xiàn)數(shù)據(jù)的本地處理。本文旨在探討基于邊緣計(jì)算的大數(shù)據(jù)實(shí)時(shí)處理機(jī)制，分析其關(guān)鍵問(wèn)題，并提出相應(yīng)的優(yōu)化方案。通過(guò)對(duì)數(shù)據(jù)傳輸、計(jì)算資源分配、隱私保護(hù)及系統(tǒng)擴(kuò)展性等方面的研究，構(gòu)建高效、安全的處理機(jī)制。

1. 邊緣計(jì)算與大數(shù)據(jù)實(shí)時(shí)處理的基礎(chǔ)

1.1 邊緣計(jì)算的基本概念與特點(diǎn)

邊緣計(jì)算是一種新興的分布式計(jì)算模式，旨在將計(jì)算和數(shù)據(jù)存儲(chǔ)資源從傳統(tǒng)的中心化數(shù)據(jù)中心遷移到靠近數(shù)據(jù)生成源頭的設(shè)備或節(jié)點(diǎn)，其核心理念是通過(guò)分布式的處理方式減少數(shù)據(jù)傳輸?shù)木嚯x和負(fù)擔(dān)，從而加速計(jì)算過(guò)程。與傳統(tǒng)的云計(jì)算相比，邊緣計(jì)算強(qiáng)調(diào)本地化的數(shù)據(jù)處理，這不僅提升了實(shí)時(shí)響應(yīng)能力，還降低了對(duì)遠(yuǎn)程數(shù)據(jù)中心的依賴。可以說(shuō)，邊緣計(jì)算將“計(jì)算”從云端拉回到了“本地”。在特點(diǎn)方面，邊緣計(jì)算最顯著的一點(diǎn)是低延遲。由于數(shù)據(jù)在本地處理，信息傳遞的時(shí)間大幅縮短，這為實(shí)時(shí)性要求較高的場(chǎng)景（如智能交通、無(wú)人駕駛等）提供了技術(shù)支持[1]。此外，高帶寬利用率也是邊緣計(jì)算的一大優(yōu)勢(shì)。通過(guò)對(duì)數(shù)據(jù)進(jìn)行本地化處理，僅傳輸必要的數(shù)據(jù)到云端，從而有效減少了帶寬占用和網(wǎng)絡(luò)壓力。再者，邊緣計(jì)算采用分布式架構(gòu)，這一架構(gòu)不僅提升了系統(tǒng)的可靠性，還增強(qiáng)了其適應(yīng)復(fù)雜分布環(huán)境的能力，尤其是在設(shè)備多樣化和數(shù)據(jù)分布廣泛的場(chǎng)景中，分布式架構(gòu)的優(yōu)勢(shì)更加明顯。

1.2 大數(shù)據(jù)實(shí)時(shí)處理的概念與需求

大數(shù)據(jù)實(shí)時(shí)處理是指對(duì)源源不斷生成的海量數(shù)據(jù)進(jìn)行即時(shí)處理和分析，以便快速獲取有價(jià)值的信息和支持決策。不同于傳統(tǒng)的批量處理模式，實(shí)時(shí)處理強(qiáng)調(diào)處理的連續(xù)性與時(shí)效性。例如，在金融交易系統(tǒng)中，實(shí)時(shí)處理可以迅速檢測(cè)異常交易并做出響應(yīng)，從而保障系統(tǒng)的安全性和高效性。在需求分析中，實(shí)時(shí)性是其最為突出的特點(diǎn)。現(xiàn)代應(yīng)用場(chǎng)景中，許多決策都需要基于實(shí)時(shí)的數(shù)據(jù)分析得出結(jié)果。例如，智能安防系統(tǒng)中的人臉識(shí)別需要在毫秒級(jí)別內(nèi)完成數(shù)據(jù)處理，以應(yīng)對(duì)快速變化的環(huán)境。此外，大數(shù)據(jù)的特點(diǎn)決定了其需要處理的數(shù)據(jù)量極為龐大，這要求實(shí)時(shí)處理系統(tǒng)具備高吞吐量和強(qiáng)大的并行計(jì)算能力[2]。同樣，資源優(yōu)化也是實(shí)時(shí)處理的一項(xiàng)核心需求。對(duì)于數(shù)據(jù)傳輸和存儲(chǔ)資源的合理調(diào)度，能夠顯著降低處理成本并提升系統(tǒng)的整體效率。因此，大數(shù)據(jù)實(shí)時(shí)處理不僅是技術(shù)層面的探索，更是為各種實(shí)時(shí)應(yīng)用場(chǎng)景提供解決方案的基礎(chǔ)。

2. 邊緣計(jì)算大數(shù)據(jù)實(shí)時(shí)處理機(jī)制中的關(guān)鍵問(wèn)題

2.1 數(shù)據(jù)傳輸延遲與網(wǎng)絡(luò)性能瓶頸

在大數(shù)據(jù)實(shí)時(shí)處理場(chǎng)景中，低延遲是一個(gè)不可忽視的需求。當(dāng)數(shù)據(jù)從采集端到處理端再到應(yīng)用端的傳輸過(guò)程中，網(wǎng)絡(luò)性能直接影響了處理效率和響應(yīng)速度。傳統(tǒng)的數(shù)據(jù)中心模式需要將數(shù)據(jù)通過(guò)多層網(wǎng)絡(luò)傳輸?shù)郊惺降挠?jì)算節(jié)點(diǎn)，傳輸路徑長(zhǎng)且易受網(wǎng)絡(luò)擁堵影響，導(dǎo)致延遲顯著增加。尤其在高頻數(shù)據(jù)生成的環(huán)境中，如智能制造或視頻監(jiān)控，實(shí)時(shí)性要求的提升使得現(xiàn)有網(wǎng)絡(luò)難以適配。此外，數(shù)據(jù)分布的不均衡進(jìn)一步放大了這一問(wèn)題。當(dāng)多個(gè)邊緣節(jié)點(diǎn)試圖同時(shí)將數(shù)據(jù)傳輸?shù)街行墓?jié)點(diǎn)時(shí)，帶寬資源的競(jìng)爭(zhēng)導(dǎo)致傳輸效率顯著下降。因此，如何突破網(wǎng)絡(luò)性能的限制、優(yōu)化數(shù)據(jù)傳輸過(guò)程，成為亟須解決的核心問(wèn)題[3]。

2.2 資源受限與計(jì)算效率問(wèn)題

邊緣設(shè)備由于其物理特性，通常受限于計(jì)算資源和存儲(chǔ)能力。與強(qiáng)大的云計(jì)算資源相比，邊緣節(jié)點(diǎn)在處理復(fù)雜計(jì)算任務(wù)時(shí)力不從心。例如，許多邊緣設(shè)備僅配備基礎(chǔ)的處理器和有限的存儲(chǔ)空間，難以應(yīng)對(duì)高頻、大量數(shù)據(jù)的處理需求。資源限制在數(shù)據(jù)量激增的情況下尤為突出，可能導(dǎo)致任務(wù)隊(duì)列積壓、處理時(shí)間延長(zhǎng)甚至處理失敗。此外，邊緣節(jié)點(diǎn)的異構(gòu)性進(jìn)一步增加了系統(tǒng)調(diào)度的難度。在資源分布不均的情況下，一些高負(fù)載節(jié)點(diǎn)可能出現(xiàn)計(jì)算瓶頸，而低負(fù)載節(jié)點(diǎn)的資源卻未被充分利用，這顯然降低了整體的計(jì)算效率[4]。因此，資源優(yōu)化與調(diào)度成為提升邊緣計(jì)算性能的重中之重。

2.3 數(shù)據(jù)安全與隱私保護(hù)問(wèn)題

分布式特性是邊緣計(jì)算的一大特點(diǎn)，但這一優(yōu)勢(shì)也伴隨著數(shù)據(jù)安全和隱私保護(hù)的風(fēng)險(xiǎn)。在邊緣計(jì)算環(huán)境中，數(shù)據(jù)被分散存儲(chǔ)和處理，涉及多個(gè)節(jié)點(diǎn)和設(shè)備，每個(gè)節(jié)點(diǎn)都可能成為潛在的安全漏洞。尤其是在處理敏感數(shù)據(jù)時(shí)，如醫(yī)療健康記錄或金融交易信息，任何節(jié)點(diǎn)的數(shù)據(jù)泄露或黑客攻擊都可能導(dǎo)致嚴(yán)重后果。再者，邊緣節(jié)點(diǎn)往往缺乏足夠的安全防護(hù)措施，這使得其更容易受到惡意攻擊。此外，數(shù)據(jù)在傳輸過(guò)程中也存在被竊取的可能性。雖然傳統(tǒng)的加密技術(shù)可以部分緩解這一問(wèn)題，但對(duì)于計(jì)算資源受限的邊緣設(shè)備而言，復(fù)雜的加密算法可能進(jìn)一步增加負(fù)擔(dān)[5]。因此，在分布式環(huán)境下，如何確保數(shù)據(jù)的安全性和隱私性是一個(gè)需要持續(xù)關(guān)注的議題。

3. 基于邊緣計(jì)算的大數(shù)據(jù)實(shí)時(shí)處理優(yōu)化機(jī)制探索

3.1 數(shù)據(jù)傳輸與網(wǎng)絡(luò)性能優(yōu)化機(jī)制

數(shù)據(jù)傳輸延遲直接影響邊緣計(jì)算在大數(shù)據(jù)實(shí)時(shí)處理中的效率和響應(yīng)能力。要徹底解決這一問(wèn)題，需要從協(xié)議優(yōu)化、網(wǎng)絡(luò)架構(gòu)調(diào)整和智能化技術(shù)應(yīng)用三個(gè)層次入手。

在協(xié)議優(yōu)化方面，時(shí)間敏感網(wǎng)絡(luò)（time-sensitive networking，TSN）已經(jīng)被證明是解決高實(shí)時(shí)性需求的有效手段。TSN通過(guò)對(duì)網(wǎng)絡(luò)流量進(jìn)行精準(zhǔn)調(diào)度和優(yōu)先級(jí)劃分，使得關(guān)鍵任務(wù)數(shù)據(jù)能夠以確定性的方式通過(guò)網(wǎng)絡(luò)。此外，基于傳輸層網(wǎng)絡(luò)傳輸協(xié)議（quick UDP internet connection，QUIC）的自適應(yīng)傳輸技術(shù)能夠進(jìn)一步減少傳輸延遲。QUIC采用用戶數(shù)據(jù)報(bào)協(xié)議（user datagram protocol，UDP）作為基礎(chǔ)傳輸層，同時(shí)結(jié)合多路復(fù)用和快速加密握手技術(shù)，顯著提高了數(shù)據(jù)流的傳輸速度和安全性。

在網(wǎng)絡(luò)架構(gòu)層面，可以引入分層式數(shù)據(jù)處理機(jī)制。例如，通過(guò)分布式邊緣節(jié)點(diǎn)協(xié)作，將不同優(yōu)先級(jí)的數(shù)據(jù)按照延遲需求劃分處理。實(shí)時(shí)性要求高的任務(wù)可以直接在最靠近數(shù)據(jù)生成源的邊緣節(jié)點(diǎn)處理，而次要任務(wù)則可以延遲上傳至云端。這樣的架構(gòu)設(shè)計(jì)不僅提升了系統(tǒng)響應(yīng)速度，還有效緩解了中心節(jié)點(diǎn)的計(jì)算壓力[6]。

在智能化技術(shù)應(yīng)用層面，智能化技術(shù)的引入使得數(shù)據(jù)傳輸延遲進(jìn)一步減少。例如，基于強(qiáng)化學(xué)習(xí)的流量預(yù)測(cè)模型可以動(dòng)態(tài)調(diào)整網(wǎng)絡(luò)資源的分配，通過(guò)預(yù)判即將發(fā)生的網(wǎng)絡(luò)瓶頸，提前規(guī)劃最優(yōu)的傳輸路徑。

3.2 資源受限與計(jì)算效率提升機(jī)制

在邊緣計(jì)算環(huán)境中，設(shè)備資源受限是普遍存在的問(wèn)題，這種受限主要體現(xiàn)在計(jì)算能力、存儲(chǔ)空間和能源供給三方面。為了解決這一問(wèn)題，輕量化模型的開(kāi)發(fā)和異構(gòu)計(jì)算架構(gòu)的優(yōu)化成為研究熱點(diǎn)。

輕量化模型技術(shù)方面，模型剪枝、量化和知識(shí)蒸餾是目前應(yīng)用最為廣泛的手段。模型剪枝通過(guò)移除神經(jīng)網(wǎng)絡(luò)中的冗余連接或參數(shù)，顯著減少計(jì)算量。以卷積神經(jīng)網(wǎng)絡(luò)為例，剪枝后的模型可以減少50%～90%的計(jì)算量，而不顯著降低模型精度。量化技術(shù)則將浮點(diǎn)數(shù)權(quán)重和激活值轉(zhuǎn)換為低位整數(shù)表示，進(jìn)一步降低模型對(duì)計(jì)算資源的需求。

異構(gòu)計(jì)算架構(gòu)的優(yōu)化在資源受限場(chǎng)景中同樣扮演著重要角色。當(dāng)前邊緣設(shè)備通常配備多種計(jì)算單元，如CPU、GPU、FPGA或ASIC，針對(duì)任務(wù)特性靈活調(diào)度不同計(jì)算單元可以顯著提高計(jì)算效率。例如，在視頻流處理場(chǎng)景中，可以將解碼任務(wù)分配給GPU，而將幀關(guān)鍵點(diǎn)提取任務(wù)分配給ASIC，以實(shí)現(xiàn)計(jì)算資源的最優(yōu)利用[7]。在邊緣計(jì)算應(yīng)用中，知識(shí)蒸餾特別適合于情況下需要在設(shè)備端直接進(jìn)行復(fù)雜決策的情景。通過(guò)預(yù)先在強(qiáng)大的教師模型上學(xué)習(xí)并轉(zhuǎn)移知識(shí)到輕量級(jí)的學(xué)生模型，可以顯著減少邊緣設(shè)備上的計(jì)算負(fù)擔(dān)，同時(shí)減少能耗，提高反應(yīng)速度。

此外，針對(duì)多邊緣節(jié)點(diǎn)協(xié)同的場(chǎng)景，可以采用任務(wù)分割與分布式調(diào)度策略。通過(guò)對(duì)計(jì)算任務(wù)進(jìn)行模塊化設(shè)計(jì)，將復(fù)雜任務(wù)分解為多個(gè)子任務(wù)，并根據(jù)各節(jié)點(diǎn)的負(fù)載情況動(dòng)態(tài)分配任務(wù)。在實(shí)際應(yīng)用中，混合動(dòng)力方法的效果尤為顯著。

3.3 數(shù)據(jù)安全與隱私保護(hù)機(jī)制

邊緣計(jì)算環(huán)境中的數(shù)據(jù)安全與隱私保護(hù)是一個(gè)多維度的問(wèn)題，涉及數(shù)據(jù)在存儲(chǔ)、傳輸和處理過(guò)程中的多個(gè)環(huán)節(jié)。為解決這一問(wèn)題，必須采用多層次的安全技術(shù)體系。

在數(shù)據(jù)存儲(chǔ)環(huán)節(jié)，邊緣節(jié)點(diǎn)可以通過(guò)零信任架構(gòu)實(shí)現(xiàn)動(dòng)態(tài)權(quán)限分配和訪問(wèn)控制。零信任架構(gòu)的核心思想是每個(gè)訪問(wèn)請(qǐng)求都需要經(jīng)過(guò)嚴(yán)格驗(yàn)證，而非基于傳統(tǒng)的信任邊界模型。此外，同態(tài)加密技術(shù)在邊緣計(jì)算中的應(yīng)用也日益成熟。同態(tài)加密允許在加密狀態(tài)下直接對(duì)數(shù)據(jù)進(jìn)行計(jì)算，從而在不泄露原始數(shù)據(jù)的前提下完成敏感信息的處理[8]。雖然同態(tài)加密的計(jì)算復(fù)雜度較高，但結(jié)合硬件加速和算法優(yōu)化技術(shù)，已經(jīng)能夠在邊緣環(huán)境下實(shí)現(xiàn)實(shí)時(shí)處理。

在數(shù)據(jù)傳輸環(huán)節(jié)，輕量級(jí)的端到端加密協(xié)議（如數(shù)據(jù)包傳輸層安全性協(xié)議，DTLS）為邊緣計(jì)算提供了高效的安全保障。DTLS在UDP傳輸基礎(chǔ)上提供了與傳輸層安全性協(xié)議（transport layer security，TLS）相似的安全特性，能夠在低延遲的同時(shí)保證數(shù)據(jù)傳輸?shù)谋Ｃ苄院屯暾浴＝Y(jié)合基于區(qū)塊鏈的審計(jì)機(jī)制，還可以為分布式邊緣節(jié)點(diǎn)的操作提供可追溯性和防篡改的安全保障。區(qū)塊鏈技術(shù)通過(guò)分布式賬本記錄每次數(shù)據(jù)交互，確保數(shù)據(jù)傳輸過(guò)程的透明性與可信度[9]。

3.4 系統(tǒng)可擴(kuò)展性與協(xié)作優(yōu)化機(jī)制

隨著物聯(lián)網(wǎng)設(shè)備和數(shù)據(jù)規(guī)模的指數(shù)級(jí)增長(zhǎng)，系統(tǒng)擴(kuò)展性的需求愈發(fā)凸顯。邊緣計(jì)算通過(guò)模塊化架構(gòu)設(shè)計(jì)和智能化任務(wù)編排，為這一問(wèn)題提供了解決路徑。模塊化架構(gòu)通過(guò)將系統(tǒng)功能分解為若干獨(dú)立的模塊，使得新節(jié)點(diǎn)或新功能的引入能夠以最小的調(diào)整成本快速完成。例如，在智能家居系統(tǒng)中，新增設(shè)備只需通過(guò)簡(jiǎn)單的模塊注冊(cè)即可接入現(xiàn)有網(wǎng)絡(luò)，而無(wú)須重新配置整個(gè)系統(tǒng)。任務(wù)編排技術(shù)的進(jìn)步顯著提升了邊緣計(jì)算系統(tǒng)的協(xié)作能力。當(dāng)前，基于Kubernetes的容器化任務(wù)編排已經(jīng)廣泛應(yīng)用于邊緣計(jì)算環(huán)境。通過(guò)為每個(gè)任務(wù)創(chuàng)建獨(dú)立的容器實(shí)例，系統(tǒng)可以根據(jù)節(jié)點(diǎn)的負(fù)載情況動(dòng)態(tài)調(diào)整任務(wù)的分布與執(zhí)行。

此外，采用基于人工智能的自適應(yīng)任務(wù)分配算法，可以實(shí)時(shí)學(xué)習(xí)節(jié)點(diǎn)性能和網(wǎng)絡(luò)狀態(tài)，并基于此優(yōu)化任務(wù)調(diào)度策略。例如，在智能交通場(chǎng)景中，邊緣節(jié)點(diǎn)通過(guò)人工智能模型預(yù)測(cè)交通流量，并動(dòng)態(tài)調(diào)整信號(hào)燈控制策略以緩解擁堵。為進(jìn)一步增強(qiáng)系統(tǒng)擴(kuò)展性，邊緣計(jì)算還可以結(jié)合服務(wù)網(wǎng)格（service mesh）技術(shù)[10]。服務(wù)網(wǎng)格通過(guò)為微服務(wù)提供統(tǒng)一的通信和監(jiān)控功能，使得系統(tǒng)在規(guī)模擴(kuò)展時(shí)能夠保持高效穩(wěn)定的運(yùn)行狀態(tài)。

結(jié)語(yǔ)

通過(guò)對(duì)數(shù)據(jù)傳輸與網(wǎng)絡(luò)性能優(yōu)化機(jī)制、資源受限與計(jì)算效率提升機(jī)制、系統(tǒng)可擴(kuò)展性與協(xié)作優(yōu)化機(jī)制以及邊緣智能的數(shù)據(jù)安全與隱私保護(hù)機(jī)制等多維度的探索，邊緣計(jì)算為實(shí)時(shí)性和可靠性要求較高的場(chǎng)景提供了堅(jiān)實(shí)的技術(shù)支撐。邊緣計(jì)算不僅推動(dòng)了技術(shù)創(chuàng)新，更在提升社會(huì)運(yùn)行效率和改善人們生活質(zhì)量方面發(fā)揮著不可忽視的作用。未來(lái)，隨著更多新興技術(shù)的融合與邊緣計(jì)算架構(gòu)的不斷優(yōu)化，邊緣計(jì)算在大數(shù)據(jù)實(shí)時(shí)處理中的潛力將被進(jìn)一步挖掘和釋放。總之，邊緣計(jì)算為破解大數(shù)據(jù)實(shí)時(shí)處理的復(fù)雜性難題提供了有效路徑，同時(shí)也為推動(dòng)智能化社會(huì)建設(shè)提供了重要支撐。

參考文獻(xiàn)：

[1]郭雄，楊宏，李孟良.邊緣計(jì)算與時(shí)間敏感網(wǎng)絡(luò)融合技術(shù)研究及標(biāo)準(zhǔn)進(jìn)展[J].中國(guó)新通信，2020，22（5）：58-60.

[2]柏潔，侯俊鋒.一種基于邊緣計(jì)算的IPTV質(zhì)量處理方法[J].信息通信，2020（1）： 242-243.

[3]馬川.基于移動(dòng)應(yīng)用的大數(shù)據(jù)存儲(chǔ)與處理技術(shù)分析[J].電子技術(shù)，2024， 53（10）：44-46.

[4]廖海青.人工智能的大數(shù)據(jù)處理與實(shí)時(shí)分析技術(shù)研究[J].信息與電腦（理論版），2024，36（18）：170-172.

[5]郝強(qiáng).基于大數(shù)據(jù)技術(shù)的計(jì)算機(jī)信息處理系統(tǒng)優(yōu)化設(shè)計(jì)[J].信息記錄材料，2024，25（9）：46-48.

[6]金浩.大數(shù)據(jù)實(shí)時(shí)性能挖掘研究與應(yīng)用[J].通信世界，2022（19）：47-48.

[7]馬方遠(yuǎn)，陳松，郭新楠，等.多源遙測(cè)數(shù)據(jù)實(shí)時(shí)優(yōu)選融合處理方法[J].探測(cè)與控制學(xué)報(bào)，2024，46（6）：46-50.

[8]仲勇，周坤俠.基于大數(shù)據(jù)技術(shù)的成本數(shù)字化管理平臺(tái)[J].軟件，2023，44（10）： 170-172.

[9]曹芳芳，李蘭蘭，鄒茜薇，等.一種輕量化高可靠分布式數(shù)據(jù)處理架構(gòu)[J].航天控制，2023，41（6）：50-56.

[10]譚歡，馮靜芳，黃敏杰，等.面向大數(shù)據(jù)的實(shí)時(shí)經(jīng)分平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[J].信息技術(shù)與信息化，2022（2）：90-93.

作者簡(jiǎn)介：陳炳杰，本科，工程師，Bingjay@live.com，研究方向：電子信息工程。