2025年移動云計算與網絡DICT測試卷附答案

2025年移動云計算與網絡DICT測試卷附答案一、單項選擇題（每題2分，共40分）1.以下哪項不屬于移動云計算中邊緣計算（MEC）的典型部署場景？A.智能工廠設備實時監控B.超高清視頻直播推流C.銀行核心交易系統后臺處理D.自動駕駛車輛V2X通信2.5G-Advanced網絡中，支持移動云計算的關鍵技術不包括：A.動態網絡切片（DynamicSlicing）B.用戶面功能（UPF）下沉C.非正交多址（NOMA）D.邊緣計算節點（MEC）與基站共站部署3.云原生（CloudNative）技術在移動云計算中的核心作用是：A.提升物理服務器的硬件利用率B.實現應用的快速迭代與彈性擴展C.降低云服務的存儲成本D.增強跨云平臺的兼容性4.移動云計算中，為保障實時業務（如AR導航）的QoS，關鍵指標需滿足：A.端到端延遲≤100ms，丟包率≤1%B.端到端延遲≤20ms，丟包率≤0.1%C.帶寬≥100Mbps，延遲≤500msD.帶寬≥10Gbps，丟包率≤5%5.6G網絡中，支持移動云計算的新型空口技術是：A.太赫茲（THz）通信B.OFDM調制C.MIMO多天線D.毫米波（mmWave）6.移動云網絡架構中，“云網融合”的核心目標是：A.統一管理云資源與網絡資源，實現協同優化B.降低云服務器與網絡設備的采購成本C.提升用戶終端的無線接入速率D.簡化云平臺的運維流程7.以下哪項是移動云計算中“數據本地化”原則的主要目的？A.減少跨地域數據傳輸延遲B.降低云存儲的硬件成本C.符合各國數據主權法規要求D.提升數據加密的效率8.MEC（多接入邊緣計算）節點與傳統云中心的主要區別在于：A.MEC部署在網絡邊緣（如基站側），靠近用戶B.MEC僅支持5G接入，傳統云支持多網絡接入C.MEC的計算資源由運營商獨占，傳統云為共享D.MEC不支持容器化部署，傳統云依賴虛擬機9.移動云計算中，AI大模型（如對話式AI）的邊緣部署面臨的主要挑戰是：A.邊緣節點算力不足，模型推理延遲高B.云中心與邊緣節點的網絡帶寬不足C.用戶終端的存儲容量有限D.模型訓練數據的隱私保護難度低10.5G核心網（5GC）的服務化架構（SBA）中，負責用戶面數據路由的網元是：A.AMF（接入和移動性管理功能）B.SMF（會話管理功能）C.UPF（用戶面功能）D.PCF（策略控制功能）11.移動云計算中，“霧計算（FogComputing）”與“邊緣計算”的主要差異是：A.霧計算更強調終端設備的分布式協作，邊緣計算側重網絡邊緣節點B.霧計算僅支持無線接入，邊緣計算支持有線/無線C.霧計算的延遲高于邊緣計算D.霧計算不涉及云中心，邊緣計算必須連接云中心12.為實現移動云應用的“隨選網絡（NetworkonDemand）”，需依賴的關鍵技術是：A.SDN（軟件定義網絡）與NFV（網絡功能虛擬化）B.靜態IP地址分配C.傳統路由器的硬件轉發D.物理專線連接13.移動云計算中，“端-邊-云”協同架構的典型應用場景是：A.手機本地照片存儲B.遠程手術機器人控制C.企業郵件服務器托管D.大數據中心離線數據分析14.以下哪項不屬于移動云計算安全的核心需求？A.邊緣節點的物理安全防護B.用戶數據的傳輸加密（如TLS1.3）C.云平臺的多租戶隔離（如Kubernetes命名空間）D.提升終端設備的電池續航15.6G網絡中，支持移動云計算的“智能超表面（RIS）”技術的主要作用是：A.增強無線信號覆蓋，優化傳播路徑B.提升基站的發射功率C.減少終端設備的天線數量D.降低網絡切片的配置復雜度16.移動云服務質量（QoS）保障的關鍵技術不包括：A.流量分類與優先級標記（如DSCP）B.動態帶寬分配（如QoS策略引擎）C.網絡擁塞時的流量整形（TrafficShaping）D.提升用戶終端的CPU主頻17.移動云計算中，“邊緣AI”的典型應用是：A.云端訓練大規模圖像識別模型B.手機端實時美顏算法C.邊緣節點對工業傳感器數據的實時分析D.云中心的用戶行為大數據挖掘18.5GSA（獨立組網）架構相比NSA（非獨立組網）更適合移動云計算的原因是：A.SA支持完整的5G核心網功能，降低對4G錨點的依賴B.SA的終端成本更低C.SA的覆蓋范圍更廣D.SA僅支持數據業務，不支持語音19.移動云計算中，“云邊協同編排”的主要目標是：A.確保邊緣節點與云中心的計算資源動態分配B.統一管理所有終端設備的操作系統C.降低用戶的流量套餐費用D.提升云中心的服務器CPU利用率20.以下哪項是移動云計算中“網絡切片”的核心優勢？A.為不同業務（如eMBB、URLLC）提供隔離的網絡資源B.減少基站的數量C.提升終端的電池壽命D.簡化網絡運維人員的工作流程二、填空題（每題2分，共20分）1.移動云計算中，MEC節點通常部署在________（如5G基站、匯聚機房），以降低業務端到端延遲。2.5G網絡中，支持移動云應用的“用戶面功能（UPF）”下沉到邊緣節點后，可實現________（如本地流量卸載、低延遲業務處理）。3.云原生技術的核心組件包括容器化（如Docker）、________（如Kubernetes）和微服務架構。4.6G網絡的關鍵特征包括________（如Tbps級峰值速率）、全域覆蓋（空天地海一體化）和智能原生（AI深度融合）。5.移動云計算中，“端-邊-云”協同需解決的核心問題是________（如計算任務的動態卸載策略、資源分配優化）。6.移動云安全的“零信任（ZeroTrust）”模型要求________（如持續驗證訪問請求的身份、設備和環境安全狀態）。7.5G-Advanced網絡中，“RedCap”（輕量級終端）主要用于________（如低速率、低功耗的物聯網設備接入移動云）。8.移動云計算中，“邊緣緩存”技術通過在邊緣節點存儲________（如熱門視頻、APP更新包），減少回傳帶寬消耗。9.網絡切片的生命周期管理包括切片創建、________、調整和刪除，需結合業務需求動態優化。10.移動云與AI融合的典型場景是________（如邊緣節點實時處理傳感器數據并觸發智能決策）。三、簡答題（每題8分，共40分）1.簡述移動云計算中“邊緣計算”與“傳統云計算”的核心差異，至少列出3點。2.分析5G網絡切片技術如何支持移動云應用的差異化QoS需求（如eMBB大帶寬業務與URLLC低延遲業務）。3.解釋云原生技術（如容器化、微服務）對移動云應用開發與運維的影響，至少說明2個優勢。4.討論AI與移動云計算融合的關鍵挑戰（如算力、網絡、隱私），并提出1項可能的解決思路。5.說明6G網絡“智能原生”特征對移動云計算的潛在影響（如網絡自優化、業務智能編排）。四、綜合分析題（每題15分，共30分）1.某智能工廠需部署移動云計算系統，支持工業機器人實時控制（延遲≤10ms）、設備狀態監控（帶寬≥100Mbps）和生產數據云端存儲。請設計“端-邊-云”協同架構方案，需說明邊緣節點（MEC）、云中心的功能分工，以及5G網絡切片的配置策略。2.某城市級車聯網（V2X）項目需通過移動云計算實現車輛與路側單元（RSU）的實時通信（如碰撞預警、交通信號協同）。分析該場景下移動云網絡架構的關鍵需求（如低延遲、高可靠、數據本地化），并提出3項技術實現方案（如MEC部署位置、5GQoS保障、邊緣AI應用）。五、實驗設計題（每題15分，共30分）1.設計一個實驗方案，驗證移動云MEC節點的端到端延遲是否滿足URLLC業務需求（目標≤5ms）。需明確實驗環境（如5G基站、MEC服務器、測試終端）、測試工具（如Chariot、Trex）、測試步驟（如流量提供、延遲測量）及評估指標（如平均延遲、最大延遲、抖動）。2.設計一個實驗，測試5GSA網絡下移動云視頻直播應用的QoS保障能力（目標：卡頓率≤1%，分辨率4K@60fps）。需說明測試場景（如室內/室外、用戶移動速度）、關鍵參數（如網絡切片優先級、UPF位置）、數據采集方法（如抓包分析、客戶端日志）及結果判定標準。答案一、單項選擇題1.C2.C3.B4.B5.A6.A7.C8.A9.A10.C11.A12.A13.B14.D15.A16.D17.C18.A19.A20.A二、填空題1.網絡邊緣（或“接入網側”）2.本地流量處理（或“業務本地化”）3.編排與調度（或“K8s”）4.超高速率（或“Tbps級速率”）5.任務卸載與資源協同（或“計算任務分配”）6.持續驗證訪問信任（或“無默認信任”）7.低速率物聯網（或“輕量級終端接入”）8.高頻訪問內容（或“熱門數據”）9.激活（或“運行”）10.邊緣智能決策（或“實時AI推理”）三、簡答題1.核心差異：①部署位置：邊緣計算在網絡邊緣（靠近用戶），傳統云計算在中心機房；②延遲：邊緣計算延遲≤10ms（滿足實時業務），傳統云計算延遲≥50ms；③數據流向：邊緣計算側重本地處理（減少回傳），傳統云計算依賴云中心集中處理；④適用場景：邊緣計算用于實時交互（如AR、工業控制），傳統云計算用于離線分析（如大數據挖掘）。2.5G網絡切片通過邏輯隔離的網絡資源池滿足差異化需求：①eMBB切片：分配大帶寬（如1Gbps）、高吞吐量，支持4K/8K視頻直播；②URLLC切片：配置低延遲（≤5ms）、高可靠（99.999%），通過縮短TTI（傳輸時間間隔）、優先調度保障工業控制；③切片間資源動態調整（如AI算法預測業務量），避免資源浪費。3.云原生技術的優勢：①容器化：輕量級、快速啟動（秒級），支持移動應用的快速迭代（如A/B測試）；②微服務架構：解耦復雜應用（如電商APP拆分為用戶、訂單、支付服務），提升可維護性；③彈性伸縮：Kubernetes根據流量自動擴縮容（如直播高峰期增加容器實例），降低資源閑置成本。4.關鍵挑戰：①算力：邊緣節點算力有限，難以支持大模型推理（如GPT-3.5需GPU集群）；②網絡：云邊傳輸延遲可能影響實時性（如自動駕駛決策）；③隱私：邊緣數據包含敏感信息（如醫療、工業數據），加密與計算需平衡。解決思路：采用模型輕量化技術（如知識蒸餾、量化），將大模型壓縮為適合邊緣部署的小模型（如MobileBERT），降低算力需求。5.6G“智能原生”的影響：①網絡自優化：AI算法實時分析網絡狀態（如擁塞、干擾），自動調整參數（如波束賦形、功率控制），提升移動云業務體驗；②業務智能編排：基于用戶需求（如AR會議）和網絡條件（如當前帶寬），動態分配邊緣/云資源（如將渲染任務卸載到最近MEC）；③端到端智能：終端、邊緣、云協同訓練模型（聯邦學習），提升數據利用效率同時保護隱私。四、綜合分析題1.方案設計：端側：工業機器人/傳感器通過5GCPE接入，采集實時控制指令（如機械臂位置）和狀態數據（如溫度、振動）。邊緣側（MEC）：部署URLLC切片，處理實時控制業務（延遲≤10ms），通過本地UPF實現流量卸載（不回傳核心網）；同時部署邊緣AI模塊，對設備狀態數據進行實時分析（如異常檢測），結果僅將關鍵告警上傳云中心。云中心：部署eMBB切片，存儲全量生產數據（如每日設備運行日志），進行離線大數據分析（如能耗優化、故障預測）。網絡切片配置：為控制業務分配高優先級（QCI1）、低延遲（≤10ms）切片；為監控業務分配中優先級（QCI2）、大帶寬（100Mbps）切片；切片資源動態調整（如夜間低流量時釋放部分帶寬）。2.關鍵需求與技術方案：關鍵需求：①低延遲（≤10ms）：保障碰撞預警等實時業務；②高可靠（99.999%）：避免通信中斷導致事故；③數據本地化：車輛位置、行駛軌跡等敏感數據需在邊緣處理，減少跨地域傳輸。技術方案：①MEC部署在路側單元（RSU）附近或基站側，縮短車-路-云通信路徑；②5GQoS保障：為V2X業務分配URLLC切片，配置優先級標記（DSCP=46）、最小保證帶寬（如10Mbps）；③邊緣AI應用：在MEC節點部署輕量級目標檢測模型（如YOLO-Lite），實時分析路側攝像頭數據，將碰撞風險結果直接推送至附近車輛，減少云中心處理延遲。