云计算可以实现对可配置计算资源(如网络、服务器、存储、应用程序和服务)的通用、按需和方便的访问。边缘云是一种新的范例,旨在将计算服务和存储内容推向用户附近(例如,在基站、无线接入点或者汇聚网络),以减少延迟,提高体验质量,并确保高效的网络运营和服务交付。边缘计算在减轻核心网络负担方面具有巨大潜力,但与云计算相比,其主要瓶颈在于计算和通信能力有限。为了更好地提供服务,中心云和边缘侧并存的混合环境资源管理研究是必然的发展趋势。在部署边云混合场景的应用程序时,大规模、极端复杂和高速的数据带来了新的技术要求,这些技术要求包括数据采集、数据存储、数据组织、数据分析和实时数据发布。在边云混合环境中,各种虚拟资源聚合形成共享资源池。由于资源的有限性和用户对服务质量的追求之间的矛盾,面向边云混合环境的虚拟资源分配问题是该领域的一个重要挑战。本文基于边云融合的背景,研究面向边云混合环境的虚拟资源分配与管理问题,主要包括流式大数据分析平台输入数据突增的资源扩展问题、物联网场景下NFV的服务功能链映射问题和区块链系统支撑下的边缘云分布式资源管理问题。围绕上述场景和问题,本文的创新工作概括如下:(一)研究了流式任务处理平台中,当输入数据急剧增加时任务的资源扩展。为了系统地解决这个问题,设计了一个非合作博弈模型来提高平台的并行性,该模型通过加权总成本模型描述任务之间的竞争关系。用这个模型建立了一个有指导意义的大数据分析框架分析资源扩展问题。模型考虑了不同场景下任务的拓扑结构和特征,包括简单拓扑和复杂拓扑。在模型中,所有任务的成本之和被定义为资源扩展的社会损失,并提出了退出均衡的概念来描述单个参与者退出的平衡。然后将无政府价格的概念引入到博弈中,证明了在特定条件下无政府价格的上界来描述纳什均衡的效率损失。为了实现社会最优而不是次优,运用了两种典型的税收激励机制:关键性激励机制和外部性激励机制来激励任务参与博弈。此外,还研究了包括拓扑中节点度影响在内的博弈环境的一些特征,并通过计算参与任务在两种情况下的收益研究任务之间的竞争交互。仿真结果表明,自依赖性的增加提高了激励机制的性能,带有激励机制的系统模型具有更好的资源扩展性能。(二)提出了一种基于深度强化学习(DRL)的服务功能链映射方案,该方案结合了DRL的最新进展,解决了动态复杂的物联网场景下的服务功能链映射问题。将一些复杂的虚拟网络功能分解成一组虚拟网络功能单元和一个内部连接图,在支持NFV的物联网中构建虚拟网络功能转发图。在此模型中,给出了服务功能链映射问题的环境状态、动作空间和奖励函数。此外,还利用DQL的经验回放和目标网络提高该方案的收敛性能。仿真中考虑了物理网络的不同拓扑结构。仿真结果表明,所提出的动态服务功能链映射方案优于现有方案,收敛速度快。(三)针对边缘云分布式资源管理协同问题,提出了一个基于区块链的分布式NFV资源分配共识协议,给出了详细的共识步骤和理论分析。其中,区块链作为可信的第三方,在不同的网络环境中为资源管理节点收集和同步消息。为了提高边缘云资源配置的效率,本文同时考虑了区块链系统的吞吐量以及在分布式NFV资源管理系统中实现用户服务的总成本,将基于区块链的系统中的视图更改、访问选择和资源分配确定为一个多目标优化问题,并使用基于DuelingDQL的算法求解该问题。仿真结果表明了提出的方案在不同情况下的有效性和收敛性能。