1.一种云边算力资源自适应计算系统，其特征在于，包括：资源网络容器化管理模块、资源智能感知与发现模块和资源自适应协同编排与柔性调度模块，其中：所述资源网络容器化管理模块包括硬件资源抽象化层、资源容器网络化层和资源协同支撑层，为系统提供资源感知支持、任务编排支持、异构资源加速支持和混合负载均衡支持；所述资源智能感知与发现模块基于资源网络容器化管理模块实现节点注册、状态感知和资源监控，形成云边节点资源池，动态更新边端和云端资源分布情况；所述资源自适应协同编排与柔性调度模块在收到协同计算请求后，基于改进遗传算法对所需资源进行估算，以边端和云端资源分布情况作为资源约束进行任务调度与分配，实现资源自适应协同；所述基于改进遗传算法对所需资源进行估算包括构建云边业务待响应代价函数，将t和p分别表示虚拟服务器v执行子模块m所需的时间成本和损耗代价，将p v 表征为v的个体成本，则损耗代价记为p＝tp v ；云边业务的子模块规模为x，第c个云边业务中的子模块m的数据长度为L cm ，虚拟服务器规模为y，第v个虚拟服务器所能提供的虚拟计算能力为C v ，1≤m≤x，1≤v≤y，时间成本t＝L cm /C v 虚拟服，务器承载云边业务的成本为p vt ，承载时延为t cv ，虚拟服务器v的承载能力为z v ，云边业务在虚拟服务器上的承载时延t mv 为L cm /z v ，云边业务受理时长为 云边业务待响应代价函数为 包括受理云边业务计算的损耗代价普适性目标函数值和云边业务待响应代价函数成反比，所述损耗代价普适性目标函数值为 系统受理云边业务的最大时长为T H ，受理云边业务计算的时间成本普适性目标函数为： 其中， 表示待计算的云边业务征用虚拟计算资源的程度；所述基于改进遗传算法对所需资源进行估算的具体步骤为：所述资源自适应协同编排与柔性调度模块任意产生N个初代个体种群并分析算法的迭代计算频率是否已到极限，若达到极限则就地筛选出最优值；若未达到极限则参照函数 和 淘汰普适性值较大的前3％个体，再将紧随其后的5％个体选作次代种群个体，采用轮询算法筛选余下的个体，提取出最优质的个体作为次代。
2.根据权利要求1所述的一种云边算力资源自适应计算系统，其特征在于，所述硬件资源抽象化层基于Overlay映射工具和虚拟化框架映射工具，实现异构资源的可编程逻辑架构和异构资源虚拟化；资源网络容器化层基于Kubernetes+Docker的云容器网络框架，利用Docker的容器化能力实现云端、边端的抽象硬件的资源容器化处理；资源协同支撑层提供容器管理能力包括容器管理、容器编排、API网关服务、容器负载均衡和资源监控，为资源感知和资源编排调度提供支撑。
3.根据权利要求1所述的一种云边算力资源自适应计算系统，其特征在于，所述资源智能感知与发现模块基于定时状态更新实现状态感知或主动向云边节点请求资源信息，包括节点类型、资源总量、资源利用率、任务运行情况和任务所占资源；当节点作为目标节点被请求资源而无任何响应或节点向所述资源自适应协同编排与柔性调度模块请求注销时，系统将该节点从资源池移除。
4.根据权利要求1所述的一种云边算力资源自适应计算系统，其特征在于，所述以边端和云端资源分布情况作为资源约束进行任务调度与分配，实现资源自适应协同的具体步骤为：所述资源自适应协同编排与柔性调度模块在收到请求后，以节点资源管理池的动态分布信息作为资源约束，以任务的时延、截止时间、能耗、特征和用户体验作为分配目标，对单一任务分配、多任务分配和节点任务处理优先级进行求解，根据任务和资源特征切分任务并分配到目标节点，生成资源预约队列、数据任务队列、计算任务队列和I/O任务队列，确定任务卸载时间和卸载策略，并向目标节点申请资源。
5.根据权利要求1所述的一种云边算力资源自适应计算系统，其特征在于，包括网络智能路由，所述网络智能路由自动部署在边端及云端，对网络链路的延时、丢包率数据实时感知，当网络链路异常时会择优选择最佳路线。
6.根据权利要求1所述的一种云边算力资源自适应计算系统，其特征在于，包括边端及云端接口模块，所述边端及云端接口模块提供调用接口，第三方服务平台可通过接口接入云边算力资源自适应计算系统。
7.根据权利要求1所述的一种云边算力资源自适应计算系统，其特征在于，包括标准资源协同调用接口，所述标准资源协同调用接口包括节点注册、节点注销、节点状态上报、节点资源上报、节点状态查询、节点资源请求、节点任务上报标准资源协同调用接口。
