A systematic review of data handling and management techniques in edge computing for IoT

物联网（IoT）设备的激增以及对延迟敏感的应用需求推动了边缘计算的发展，边缘计算通过在更接近数据源的位置进行数据处理，对现有云系统形成补充。通过在更接近数据源的位置处理数据，边缘计算降低了延迟、带宽消耗和响应时间。由于边缘环境采用去中心化系统且资源有限，组织在数据管理方面面临重大挑战，需要管理多项数据管理任务，包括存储资源、数据缓存、数据聚合和数据完整性验证。解决这些问题对于构建能够大规模运行且保持可信和安全操作的边缘物联网系统至关重要。本文对2022年至2025年间物联网应用中边缘计算数据处理优化技术的最新进展进行了全面系统的综述。本研究采用符合Scopus和Web of Science标准的结构化综述方法，将研究文献分为四大类进行评估，包括数据存储优化、数据缓存策略、数据聚合机制和数据完整性保障技术。共选取52篇主要技术研究进行详细比较分析，同时使用其他二手文献来源提供理论背景和情境讨论。本研究进行了全面的比较分析，从延迟和能耗、系统可扩展性、安全开销以及不同工作负载下的系统性能等方面评估性能。综述评估了特定应用场景，包括智慧城市、医疗健康、工业物联网、自动驾驶汽车和智慧农业，以展示当前解决方案的实际意义。综述指出了自适应优化、异构设备支持、隐私保护和跨层协调方面的不足，将其列为关键研究问题。本文描述了现有挑战和未来研究方向，有助于为边缘赋能的物联网网络构建先进的数据处理系统。