边缘计算在工业应用场景下,面对不断变化的计算需求,时常会遇到计算能力不足和边缘服务器负载不均衡的问题,而任务卸载成为解决这些问题的有效手段,能高效利用计算资源。但是,任务卸载过程中由于传统网络无法实时获取网络状态的问题,不能为任务卸载规划符合实时性要求的传输路径、制定合理的卸载策略,因此论文提出一种面向工业实时计算的边缘计算任务卸载框架,研究其中的任务卸载传输路径计算问题和任务卸载策略制定问题,针对两者提出对应的解决方法,实现了性能提升。首先,结合工业互联网中边缘计算任务卸载传输的实时性需求,利用软件定义网络（Software Defined Network,SDN）转控分离的特性来进行边缘网络的构建,提出一种基于SDN协同的边缘计算任务卸载框架,统一对计算资源和网络资源进行监管,可以实现动态灵活的数据转发和高效的集中式管理。其次,为了满足工业互联网任务卸载场景下不同任务对于实时性的需求,减少任务卸载传输时延,提出一种满足工业任务时延敏感流和大带宽流需求的任务卸载传输路径方法。该方法首先构建边缘计算任务流量模型,将传输路径计算问题转化为多约束最短路径优化问题,根据获得的网络状态信息使用拉格朗日松弛法计算出满足不同任务需求的传输路径,从而实现工业网络中异构任务流的卸载传输,减少传输时延。最后,针对边缘服务器负载及计算能力不同的情况,为了降低任务卸载计算时延,实现边缘服务器之间的负载均衡,提出一种面向跨域请求的任务卸载算法。该算法基于时延和能耗需求建立任务卸载系统模型,设定以能耗为惩罚项最小化时延的代价函数。之后对基本人工蜂群算法进行改进,采取反向学习进行初始化种群以及单多维和动态种群相结合进行种群的更新,使用测试函数验证改进算法的有效性,并使用改进算法进行任务卸载策略求解。采用求解后的策略能实现边缘服务器之间的负载均衡,提高任务卸载效率。