1.一种基于边缘计算的用户业务排队优化方法，其特征在于，包括以下步骤：第一步、采用包分类器将用户产生的不同业务，根据用户识别号和服务质量需求进行分类，然后将分类好的业务放入相应的子缓存管理模块；

第二步、建立批量到达模型并采用批量到达模型对业务到达进行概率估计；

第三步、根据批量到达模型获得边缘计算节点的服务参数，然后根据边缘计算节点的服务参数选择边缘节点；

第四步、设置时间阈值为T，根据时间阈值T控制边缘计算节点的开闭，以节约能源。

2.根据权利要求1所述一种基于边缘计算的用户业务排队优化方法，其特征在于，所述第一步中，子缓存管理模块符合以下要求：

1.1 假设一个带有子缓存管理模块的用户，其缓存大小为hj，缓存需要第j级服务，则第j级服务所需的带宽为cjRb；

1.2 假设某一边缘计算节点的总调度容量为带宽C，用户的子缓存管理模块有m个，则m个子缓存管理模块由同一个边缘计算节点提供服务时，所需总带宽为c，根据(1)式计算c值，

1.3 设边缘计算节点服务用户的总个数为N，根据(2)式计算N值，

说明边缘计算节点可同时服务N个用户，

设边缘计算节点支持包的总个数为n，根据(3)式计算n值，

其中，cj为第j级业务的包个数，说明边缘计算节点可同时支持n个包。

3.据权利要求2所述一种基于边缘计算的用户业务排队优化方法，其特征在于：当用户或包的个数超出边缘计算节点的承载能力时，若继续使用该边缘计算节点提供服务，则会出现丢包现象，应广播信息以分流业务去其他的边缘计算节点。

4.据权利要求3所述一种基于边缘计算的用户业务排队优化方法，其特征在于：根据需要服务的业务带宽以及各端口收到的各个边缘计算节点发出的是否满载的信息，从业务产生处的端口地址，由近及远选择边缘计算节点，以减小时延并且减少丢包。

5.根据权利要求4所述一种基于边缘计算的用户业务排队优化方法，其特征在于，所述第二步中，建立批量到达模型的具体方法如下：

2.1 假设一个有h个分类缓存的边缘计算节点，同时服务N个用户，在该边缘计算节点服务某一业务A时，设业务A批量到达强度为k个包，且1≤k≤n≤c+h，设每个包的平均速率为Rb，针对每个包的流入参数为μ的指数分布，流出参数为λ的指数分布，服务规则为先到先服务，采用马尔科夫链建立排队论模型MAPX/M/c/c+h,其中n为最大批量强度，MAP为批量马尔科夫；

2.2 设马尔科夫链的状态空间为S＝{1,2,L,m}，其从i状态转移到j状态，其中1≤i,j≤m≤n，设批量事件到达的概率为Pij，当有批量强度为k的事件到达时，其概率为pij(k)，当没有事件到达且i≠j时，其概率为pij(0)；

2.3 设排队系统的状态转移矩阵为Q，则

其中，D为批量到达率，Dmin(m,n)为到达状态m的最大批量到达率，Dk为m+k状态的批量流入率，令 且1≤i,j≤m≤n，μi为每个包流入服从的指数分布的参数。

6.根据权利要求5所述一种基于边缘计算的用户业务排队优化方法，其特征在于：pij(0)为从i状态到j状态没有包流入的概率，pij(k)为从i状态到j状态有k个包流入的概率。

7.根据权利要求6所述一种基于边缘计算的用户业务排队优化方法，其特征在于，所述第三步中，根据系统的状态转移矩阵获得边缘计算节点服务参数具体方法如下：3.1设排队系统的稳态概率为πi，根据(4)式解出排队系统的稳态概率，

3.2 根据(5)式获得排队系统的业务时延，

3.3 根据(6)式获得排队系统的带宽利用率，

8.根据权利要求7所述一种基于边缘计算的用户业务排队优化方法，其特征在于，选择边缘节点的方法如下：用户产生的业务根据其服务质量QoS的需求选择相应的边缘计算节点，若某业务需求丢包率小，则相应边缘计算节点的丢包率大于用户业务所要求的丢包率，满足选择要求。

9.根据权利要求8所述一种基于边缘计算的用户业务排队优化方法，其特征在于，所述第二步中，设业务到达的概率为π，根据(7式)对业务到达进行概率估计，π＝(π1,L πi)。

10.根据权利要求9所述一种基于边缘计算的用户业务排队优化方法，其特征在于，所述第四步中，在边缘计算节点处设置一时间阈值T，边缘计算节点在服务完相应业务之后，判断在T时间内是否有业务到达，若在T时间内无业务到达，则将该边缘计算节点的业务通道关闭，当有业务到达时再开启，若在T时间内有业务到达，则保持该边缘计算节点的业务通道开启。