近日，我院王鹏伟老师课题组在软件服务部署与云边数据放置方面的研究工作被CCF A类期刊IEEE TSC接收发表，这也是该课题组在云边缘计算与软件服务工程领域取得的系列重要进展之一。

随着物联网（IoT）设备爆发式增长，数据密集型应用（如电商个性化推荐、人脸识别支付、工业物联网监控等）对低延迟、高可靠性的需求日益迫切。传统云计算虽具备强大存储与计算能力，但数据中心远离用户导致延迟较高；边缘计算虽能近距离响应用户请求，却面临资源有限的瓶颈。当前学界与工业界的研究多将数据放置与服务部署分开优化，忽略了数据驱动服务的核心关联，服务部署位置直接影响数据访问效率，反之亦然。这种单方面优化往往导致应用响应延迟高、资源利用率低。

针对这一问题，课题组提出三大关键策略：优先级数据放置策略（PDPS），考虑了服务对数据的需求，让数据优先靠近其驱动服务所在边缘节点，从源头减少了数据传输距离，大幅降低数据请求延迟；改进匈牙利算法的服务部署策略（HA-SDS），对于服务部署的资源匹配难题，将原问题转化为经典“指派问题”，通过添加虚拟服务或拆分成本矩阵，解决服务与节点数量不匹配的部署难题；响应权重动态调整策略（RW-DAS），定位瓶颈服务与数据，动态优化位置以持续降低延迟，例如，若某推荐服务延迟过高，算法会优先调整该服务的部署节点或其依赖数据的存放位置，确保整体延迟持续降低。三者形成完整的联合优化方案。

图1. 不同算法模型下的响应延迟对比

实验结果表明，与现有的数据放置或服务部署方案相比，本研究提出的策略可以大幅降低软件应用的响应延迟，并且提出的响应权重动态调整策略可无缝集成到各类算法中，有效优化现有的数据放置与服务部署方案，且对响应延迟具有显著的优化效果。

IEEE Transactions on Services Computing（TSC）属于中国计算机学会（CCF）推荐的A类国际期刊，是服务计算与软件服务工程领域最权威的学术期刊之一，主要关注服务计算基础理论、面向服务的软件体系结构、Web服务、云服务、边缘服务、业务流程管理等领域的重要研究进展。