2025年移动云计算与网络DICT测试卷附答案

2025年移动云计算与网络DICT测试卷附答案一、单项选择题（每题2分，共40分）1.以下哪项不属于移动云计算中边缘计算（MEC）的典型部署场景？A.智能工厂设备实时监控B.超高清视频直播推流C.银行核心交易系统后台处理D.自动驾驶车辆V2X通信2.5G-Advanced网络中，支持移动云计算的关键技术不包括：A.动态网络切片（DynamicSlicing）B.用户面功能（UPF）下沉C.非正交多址（NOMA）D.边缘计算节点（MEC）与基站共站部署3.云原生（CloudNative）技术在移动云计算中的核心作用是：A.提升物理服务器的硬件利用率B.实现应用的快速迭代与弹性扩展C.降低云服务的存储成本D.增强跨云平台的兼容性4.移动云计算中，为保障实时业务（如AR导航）的QoS，关键指标需满足：A.端到端延迟≤100ms，丢包率≤1%B.端到端延迟≤20ms，丢包率≤0.1%C.带宽≥100Mbps，延迟≤500msD.带宽≥10Gbps，丢包率≤5%5.6G网络中，支持移动云计算的新型空口技术是：A.太赫兹（THz）通信B.OFDM调制C.MIMO多天线D.毫米波（mmWave）6.移动云网络架构中，“云网融合”的核心目标是：A.统一管理云资源与网络资源，实现协同优化B.降低云服务器与网络设备的采购成本C.提升用户终端的无线接入速率D.简化云平台的运维流程7.以下哪项是移动云计算中“数据本地化”原则的主要目的？A.减少跨地域数据传输延迟B.降低云存储的硬件成本C.符合各国数据主权法规要求D.提升数据加密的效率8.MEC（多接入边缘计算）节点与传统云中心的主要区别在于：A.MEC部署在网络边缘（如基站侧），靠近用户B.MEC仅支持5G接入，传统云支持多网络接入C.MEC的计算资源由运营商独占，传统云为共享D.MEC不支持容器化部署，传统云依赖虚拟机9.移动云计算中，AI大模型（如对话式AI）的边缘部署面临的主要挑战是：A.边缘节点算力不足，模型推理延迟高B.云中心与边缘节点的网络带宽不足C.用户终端的存储容量有限D.模型训练数据的隐私保护难度低10.5G核心网（5GC）的服务化架构（SBA）中，负责用户面数据路由的网元是：A.AMF（接入和移动性管理功能）B.SMF（会话管理功能）C.UPF（用户面功能）D.PCF（策略控制功能）11.移动云计算中，“雾计算（FogComputing）”与“边缘计算”的主要差异是：A.雾计算更强调终端设备的分布式协作，边缘计算侧重网络边缘节点B.雾计算仅支持无线接入，边缘计算支持有线/无线C.雾计算的延迟高于边缘计算D.雾计算不涉及云中心，边缘计算必须连接云中心12.为实现移动云应用的“随选网络（NetworkonDemand）”，需依赖的关键技术是：A.SDN（软件定义网络）与NFV（网络功能虚拟化）B.静态IP地址分配C.传统路由器的硬件转发D.物理专线连接13.移动云计算中，“端-边-云”协同架构的典型应用场景是：A.手机本地照片存储B.远程手术机器人控制C.企业邮件服务器托管D.大数据中心离线数据分析14.以下哪项不属于移动云计算安全的核心需求？A.边缘节点的物理安全防护B.用户数据的传输加密（如TLS1.3）C.云平台的多租户隔离（如Kubernetes命名空间）D.提升终端设备的电池续航15.6G网络中，支持移动云计算的“智能超表面（RIS）”技术的主要作用是：A.增强无线信号覆盖，优化传播路径B.提升基站的发射功率C.减少终端设备的天线数量D.降低网络切片的配置复杂度16.移动云服务质量（QoS）保障的关键技术不包括：A.流量分类与优先级标记（如DSCP）B.动态带宽分配（如QoS策略引擎）C.网络拥塞时的流量整形（TrafficShaping）D.提升用户终端的CPU主频17.移动云计算中，“边缘AI”的典型应用是：A.云端训练大规模图像识别模型B.手机端实时美颜算法C.边缘节点对工业传感器数据的实时分析D.云中心的用户行为大数据挖掘18.5GSA（独立组网）架构相比NSA（非独立组网）更适合移动云计算的原因是：A.SA支持完整的5G核心网功能，降低对4G锚点的依赖B.SA的终端成本更低C.SA的覆盖范围更广D.SA仅支持数据业务，不支持语音19.移动云计算中，“云边协同编排”的主要目标是：A.确保边缘节点与云中心的计算资源动态分配B.统一管理所有终端设备的操作系统C.降低用户的流量套餐费用D.提升云中心的服务器CPU利用率20.以下哪项是移动云计算中“网络切片”的核心优势？A.为不同业务（如eMBB、URLLC）提供隔离的网络资源B.减少基站的数量C.提升终端的电池寿命D.简化网络运维人员的工作流程二、填空题（每题2分，共20分）1.移动云计算中，MEC节点通常部署在________（如5G基站、汇聚机房），以降低业务端到端延迟。2.5G网络中，支持移动云应用的“用户面功能（UPF）”下沉到边缘节点后，可实现________（如本地流量卸载、低延迟业务处理）。3.云原生技术的核心组件包括容器化（如Docker）、________（如Kubernetes）和微服务架构。4.6G网络的关键特征包括________（如Tbps级峰值速率）、全域覆盖（空天地海一体化）和智能原生（AI深度融合）。5.移动云计算中，“端-边-云”协同需解决的核心问题是________（如计算任务的动态卸载策略、资源分配优化）。6.移动云安全的“零信任（ZeroTrust）”模型要求________（如持续验证访问请求的身份、设备和环境安全状态）。7.5G-Advanced网络中，“RedCap”（轻量级终端）主要用于________（如低速率、低功耗的物联网设备接入移动云）。8.移动云计算中，“边缘缓存”技术通过在边缘节点存储________（如热门视频、APP更新包），减少回传带宽消耗。9.网络切片的生命周期管理包括切片创建、________、调整和删除，需结合业务需求动态优化。10.移动云与AI融合的典型场景是________（如边缘节点实时处理传感器数据并触发智能决策）。三、简答题（每题8分，共40分）1.简述移动云计算中“边缘计算”与“传统云计算”的核心差异，至少列出3点。2.分析5G网络切片技术如何支持移动云应用的差异化QoS需求（如eMBB大带宽业务与URLLC低延迟业务）。3.解释云原生技术（如容器化、微服务）对移动云应用开发与运维的影响，至少说明2个优势。4.讨论AI与移动云计算融合的关键挑战（如算力、网络、隐私），并提出1项可能的解决思路。5.说明6G网络“智能原生”特征对移动云计算的潜在影响（如网络自优化、业务智能编排）。四、综合分析题（每题15分，共30分）1.某智能工厂需部署移动云计算系统，支持工业机器人实时控制（延迟≤10ms）、设备状态监控（带宽≥100Mbps）和生产数据云端存储。请设计“端-边-云”协同架构方案，需说明边缘节点（MEC）、云中心的功能分工，以及5G网络切片的配置策略。2.某城市级车联网（V2X）项目需通过移动云计算实现车辆与路侧单元（RSU）的实时通信（如碰撞预警、交通信号协同）。分析该场景下移动云网络架构的关键需求（如低延迟、高可靠、数据本地化），并提出3项技术实现方案（如MEC部署位置、5GQoS保障、边缘AI应用）。五、实验设计题（每题15分，共30分）1.设计一个实验方案，验证移动云MEC节点的端到端延迟是否满足URLLC业务需求（目标≤5ms）。需明确实验环境（如5G基站、MEC服务器、测试终端）、测试工具（如Chariot、Trex）、测试步骤（如流量提供、延迟测量）及评估指标（如平均延迟、最大延迟、抖动）。2.设计一个实验，测试5GSA网络下移动云视频直播应用的QoS保障能力（目标：卡顿率≤1%，分辨率4K@60fps）。需说明测试场景（如室内/室外、用户移动速度）、关键参数（如网络切片优先级、UPF位置）、数据采集方法（如抓包分析、客户端日志）及结果判定标准。答案一、单项选择题1.C2.C3.B4.B5.A6.A7.C8.A9.A10.C11.A12.A13.B14.D15.A16.D17.C18.A19.A20.A二、填空题1.网络边缘（或“接入网侧”）2.本地流量处理（或“业务本地化”）3.编排与调度（或“K8s”）4.超高速率（或“Tbps级速率”）5.任务卸载与资源协同（或“计算任务分配”）6.持续验证访问信任（或“无默认信任”）7.低速率物联网（或“轻量级终端接入”）8.高频访问内容（或“热门数据”）9.激活（或“运行”）10.边缘智能决策（或“实时AI推理”）三、简答题1.核心差异：①部署位置：边缘计算在网络边缘（靠近用户），传统云计算在中心机房；②延迟：边缘计算延迟≤10ms（满足实时业务），传统云计算延迟≥50ms；③数据流向：边缘计算侧重本地处理（减少回传），传统云计算依赖云中心集中处理；④适用场景：边缘计算用于实时交互（如AR、工业控制），传统云计算用于离线分析（如大数据挖掘）。2.5G网络切片通过逻辑隔离的网络资源池满足差异化需求：①eMBB切片：分配大带宽（如1Gbps）、高吞吐量，支持4K/8K视频直播；②URLLC切片：配置低延迟（≤5ms）、高可靠（99.999%），通过缩短TTI（传输时间间隔）、优先调度保障工业控制；③切片间资源动态调整（如AI算法预测业务量），避免资源浪费。3.云原生技术的优势：①容器化：轻量级、快速启动（秒级），支持移动应用的快速迭代（如A/B测试）；②微服务架构：解耦复杂应用（如电商APP拆分为用户、订单、支付服务），提升可维护性；③弹性伸缩：Kubernetes根据流量自动扩缩容（如直播高峰期增加容器实例），降低资源闲置成本。4.关键挑战：①算力：边缘节点算力有限，难以支持大模型推理（如GPT-3.5需GPU集群）；②网络：云边传输延迟可能影响实时性（如自动驾驶决策）；③隐私：边缘数据包含敏感信息（如医疗、工业数据），加密与计算需平衡。解决思路：采用模型轻量化技术（如知识蒸馏、量化），将大模型压缩为适合边缘部署的小模型（如MobileBERT），降低算力需求。5.6G“智能原生”的影响：①网络自优化：AI算法实时分析网络状态（如拥塞、干扰），自动调整参数（如波束赋形、功率控制），提升移动云业务体验；②业务智能编排：基于用户需求（如AR会议）和网络条件（如当前带宽），动态分配边缘/云资源（如将渲染任务卸载到最近MEC）；③端到端智能：终端、边缘、云协同训练模型（联邦学习），提升数据利用效率同时保护隐私。四、综合分析题1.方案设计：端侧：工业机器人/传感器通过5GCPE接入，采集实时控制指令（如机械臂位置）和状态数据（如温度、振动）。边缘侧（MEC）：部署URLLC切片，处理实时控制业务（延迟≤10ms），通过本地UPF实现流量卸载（不回传核心网）；同时部署边缘AI模块，对设备状态数据进行实时分析（如异常检测），结果仅将关键告警上传云中心。云中心：部署eMBB切片，存储全量生产数据（如每日设备运行日志），进行离线大数据分析（如能耗优化、故障预测）。网络切片配置：为控制业务分配高优先级（QCI1）、低延迟（≤10ms）切片；为监控业务分配中优先级（QCI2）、大带宽（100Mbps）切片；切片资源动态调整（如夜间低流量时释放部分带宽）。2.关键需求与技术方案：关键需求：①低延迟（≤10ms）：保障碰撞预警等实时业务；②高可靠（99.999%）：避免通信中断导致事故；③数据本地化：车辆位置、行驶轨迹等敏感数据需在边缘处理，减少跨地域传输。技术方案：①MEC部署在路侧单元（RSU）附近或基站侧，缩短车-路-云通信路径；②5GQoS保障：为V2X业务分配URLLC切片，配置优先级标记（DSCP=46）、最小保证带宽（如10Mbps）；③边缘AI应用：在MEC节点部署轻量级目标检测模型（如YOLO-Lite），实时分析路侧摄像头数据，将碰撞风险结果直接推送至附近车辆，减少云中心处理延迟。