随着物联网设备数量和种类持续增长,生成的数据达到了泽字节（ZB）规模,传统的分析方法是将数据加载到具有强大计算和存储能力的集中式云数据中心。但云计算难以满足实时性高的应用需求,将大数据中继到远程云数据中心还可能导致网络拥塞,因此业界提出将边缘计算作为云计算的辅助,通过在网络边缘提供计算和存储数据的能力来降低时延和缓解网络拥塞,并引入软件定义网络（SDN）以期解决云边协同系统中内部交互复杂和云边数据迁移导致的底层网络拥塞。本文以基于SDN的云边协同架构为基础,提出了一种面向时延优化的云边协同方法,以最小化系统平均时延为目标,通过引入一个连续可变的云、边任务分割系数,将时延优化问题转化为凸优化问题,基于所获取的优化分割策略,成功将边缘节点的部分任务加载至云中心处理,实现了云边协同。仿真结果表明,本文的云边协同方案比其它三种方案在时延上具有明显的优越性。本文还基于OpenFlow设计了面向云边协同的重定向转发功能,分别实现了基于OpenFlow1.0、基于优先级的OpenFlow1.3.5和基于流水线的OpenFlow1.3.5重定向转发,具有适用范围广、配置简单和执行效率高的特点。并采用Open v Switch和Mininet仿真环境,对本文设计的3种重定向流表进行了验证。结果表明,在流表项数量增加时,基于流水线的OpenFlow1.3.5重定向流表具有最佳的性能,其重定向数据包执行时间远小于正常流表下的执行时间。本文的最后还给出了网络仿真环境下时延优化的云边协同方案的验证结果,结果表明其与理论计算十分吻合,证明了本文云边协同方法的有效性。本文云边协同的研究结果可广泛应用于基于SDN的物联网环境中。