英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

边缘计算：前景与挑战

摘要

物联网(IoT)的普及和丰富云服务的成功推动了一种新的计算模式的发展——边缘计算的，这种模式要求在网络边缘处理数据。边缘计算有可能解决响应时间要求、电池寿命限制、带宽成本节约以及数据安全和隐私等问题。本文首先介绍了边缘计算的定义，然后是几个案例研究，从云卸载到智能家居和城市，以及协作边缘来体现边缘计算的概念。最后，我们提出了边缘计算领域的一些挑战和机遇，希望本文能引起社会各界的关注，并启发更多这方面的研究。

关键词：边缘计算，物联网，智慧家具，智慧城市

第1章 绪论

自2005年，云计算在成立以来，它极大地改变了我们的生活、工作和学习方式。例如，软件即服务实例，如谷歌应用、推特、脸书和网络相册，已经在我们的日常生活中广泛使用。此外，为支持云服务而开发的可扩展基础设施和处理引擎也在极大地影响着企业的运营方式，例如，谷歌文件系统、分布式运算编程、分布式运算系统 、分布式内存计算等等。

物联网于1999年首次引入社区，用于供应链管理，然后“在没有人工干预的情况下让计算机感知信息”的概念被广泛应用于其他领域，如医疗保健、家庭、环境和运输。现在有了物联网，我们将进入后云时代，在这个时代，将会有大量由沉浸在我们日常生活中的事物生成的数据，并且还会部署大量应用程序来消耗这些数据。据思科全球云指数估计，到2019年，人、机器和事物产生的数据将达到500兆字节，然而，到那时全球数据中心的IP流量将只有10.4兆字节。到2019年，45%的物联网创造的数据将在网络附近或网络边缘存储、处理、分析和处理。

根据思科互联网业务解决方案集团的预测，到2020年，将会有500亿件东西接入互联网。有些物联网应用可能需要非常短的响应时间，有些可能涉及私有数据，有些可能会产生大量数据，这可能会给网络带来沉重负担。云计算的效率不足以支持这些应用。

随着云服务的推动和物联网的拉动，我们预计网络的边缘将从数据消费者转变为数据生产者和数据消费者。在本文中，我们打算解释边缘计算的概念。我们从分析为什么需要边缘计算开始，然后给出了我们对边缘计算的定义和看法。介绍了云卸载、智能家庭和城市以及协作边缘等案例研究，以进一步详细解释边缘计算，随后介绍了在可编程性、命名、数据抽象、服务管理、隐私和安全以及值得未来研究和学习的优化指标方面的一些挑战和机遇。

本文的其余部分组织如下。第二节讨论了边缘计算的必要性，并给出了边缘计算的定义。在第三节，我们展示了一些边缘计算案例研究。第四节介绍了可能的挑战和机遇。最后，本文在第五节结束。

第2章 什么是边缘计算

数据越来越多地在网络边缘产生，因此，在网络边缘处理数据会更有效。以前的工作，如微型数据中心、与计算和雾计算已经被引入社区，因为当数据在网络边缘产生时，云计算并不总是有效的对数据进行处理。在这一部分，我们列出了为什么边缘计算在某些计算服务上比云计算更有效的一些原因，然后给出了我们对边缘计算的定义和理解。

2.1为什么我们需要边缘计算

1)从云服务推送:将所有计算任务放在云上已被证明是一种有效的数据处理方式，因为云的计算能力远远超过边缘事物的能力。然而，与快速发展的数据处理速度相比，网络带宽却停滞不前。随着边缘生成的数据量不断增加，数据传输速度正在成为基于云计算模式的瓶颈。交通正成为基于云计算模式的瓶颈。例如，一架波音787每秒钟将产生大约50亿字节的数据，但飞机与地面卫星或基站之间的带宽不足以传输数据。以自动驾驶汽车为例。每秒钟汽车会产生一千兆字节的数据，这需要对车辆进行实时处理，以做出正确的决定。如果所有数据都需要发送到云进行处理，响应时间会太长。更不用说是在一个地区支持大量车辆，对目前的网络带宽和可靠性还是巨大挑战。在这种情况下，需要在边缘处理数据，以缩短响应时间、提高处理效率和降低网络压力。

1. 物联网拉动:几乎所有类型的电子设备都将成为物联网的一部分，它们将扮演数据生产者和消费者的角色，例如空气质量传感器、发光二极管、街灯，甚至连上互联网的微波炉。可以有把握地推断，网络边缘的事物数量将在几年内发展到数十亿以上。因此，它们产生的原始数据将是巨大的，使得传统的云计算不足以有效处理所有这些数据。这意味着物联网产生的大部分数据永远不会传输到云，而是会在网络边缘被消耗掉。

图1 云计算范例

图1示出了传统的云计算结构。数据生产者生成原始数据并将其传输到云，数据消费者向云发送消费数据的请求，如蓝色实线所示。红色虚线表示消费从数据消费者发送到云的数据的请求，来自云的结果由绿色虚线表示。然而，这种结构对于物联网是不够的。首先，边缘的数据量太大，这将导致巨大的不必要的带宽和计算资源使用。其次，隐私保护要求将对物联网中的云计算构成障碍。最后，物联网中的大多数终端节点都是能量受限的，并且无线通信模块通常非常耗能，因此将一些计算任务卸载到边缘可能更节能。

1. 从数据消费者到生产者的转变:在云计算模式中，边缘终端设备通常扮演数据消费者的角色，例如，在智能手机上观看油管视频。然而，如今人们也在通过他们的移动设备产生数据。从数据消费者到数据生产者/消费者的转变需要在边缘放置更多的功能。例如，现在人们拍照或录像，然后通过诸如油管、脸书、推特或照片墙等云服务共享数据是非常正常的。此外，每一分钟，油管用户上传72小时的新视频内容；脸书用户分享了近250万条内容；推特用户推了近30万次；照片墙用户发布了近220000条新信息。然而，图像或视频剪辑可能相当大，并且会占用大量的上传带宽。在这种情况下，在上传到云端之前，视频剪辑应该在边缘进行分层并调整到合适的分辨率。另一个例子是可穿戴健康设备。由于网络边缘的事物收集的物理数据通常是私人的，所以在边缘处理数据比将原始数据上传到云更能保护用户隐私。

2.2什么是边缘计算

边缘计算是指允许在网络边缘、代表云服务的下游数据和代表物联网服务的上游数据上执行计算的使能技术。这里，我们将“边缘”定义为数据源和云数据中心之间路径上的任何计算和网络资源。例如，智能手机是物联网和云之间的边缘，智能家庭中的网关是物联网和云之间的边缘，微型数据中心和云是移动设备和云之间的边缘。边缘计算的基本原理是计算应该发生在数据源附近。从我们的角度来看，边缘计算与雾计算是可以互换的，但是边缘计算更侧重于事物方面，而雾计算更侧重于基础设施方面。我们设想边缘计算会像云计算一样对我们的社会产生巨大的影响。

图2 边缘计算范例

图2示出了边缘计算中的双向计算流。在边缘计算范式中，事物不仅是数据消费者，也是数据生产者。在边缘，事物不仅可以从云中请求服务和内容，还可以从云中执行计算任务。Edge可以执行计算卸载、数据存储、缓存和处理，以及从云向用户分发请求和交付服务。有了网络中的这些工作，边缘本身需要被很好地设计以有效地满足服务中的需求，例如可靠性、安全性和隐私保护。

2.3边缘计算优势

在边缘计算中，我们希望将计算放在数据源附近。与传统的基于云计算的模式相比，这有几个好处。在这里，我们使用来自社区的几个早期结果来展示潜在的好处。研究人员建立了一个概念验证平台，在运行人脸识别应用，通过将计算从云移动到边缘，响应时间从900毫秒减少到169毫秒。哈等人的使用云卸载可穿戴认知辅助的计算任务，结果显示响应时间的改善在80到200毫秒之间。此外，云卸载还可以将能耗降低30%-40%。结合了分区、迁移和合并，以及移动和云之间分区的按需实例化，其原型可以为测试应用程序减少20倍的运行时间和能量。

第3章 个案研究

在这一部分，我们给出了几个边缘计算可以发光的案例研究，以进一步说明我们对边缘计算的看法。

3.1云卸载

在云计算范例中，大多数计算都发生在云中，这意味着数据和请求都在集中式云中处理。然而，这样的计算范例可能遭受更长的等待时间(例如，长尾等待时间)，这削弱了用户体验。许多研究已经从移动云环境中的能源性能权衡的角度解决了云卸载问题。在边缘计算中，边缘拥有一定的计算资源，这提供了一个从云中卸载部分工作负载的机会。

在传统的内容分发网络中，只有数据缓存在边缘服务器上。这是基于内容提供商在互联网上提供数据的事实，这在过去几十年中是真实的。在物联网中，数据是在边缘产生和消费的。因此，在边缘计算范例中，不仅数据而且应用于数据的操作都应该被缓存在边缘。

一个可能受益于边缘计算的潜在应用是在线购物服务。顾客可能经常操纵购物车。默认情况下，他/她的购物车上的所有这些更改都将在云中完成，然后新的购物车视图将在用户的设备上更新。根据网络速度和服务器的负载水平，此过程可能需要很长时间。由于移动网络的带宽相对较低，移动设备的时间可能会更长。随着使用移动设备购物变得越来越流行，改善用户体验非常重要，尤其是与延迟相关的体验。在这种情况下，如果购物车更新从云服务器转移到边缘节点，延迟将会大大降低。正如我们提到的，用户的购物车数据和相关操作(例如，添加项目、更新项目、删除项目)都可以缓存在边缘节点。当用户请求到达边缘节点时，可以立即生成新的购物车视图。当然，边缘节点的数据应该与云同步，但是，这可以在后台完成。

另一个问题涉及当用户从一个边缘节点移动到另一个边缘节点时多个边缘的协作。一个简单的解决方案是将数据缓存到用户可能到达的所有边缘。然后边缘节点之间的同步问题就出现了。所有这些问题都可能成为未来调查的挑战。归根结底，我们可以通过减少延迟来提高交互服务质量。类似的应用还包括以下内容。

1. 导航应用程序可以将导航或搜索服务移动到局部区域的边缘，在这种情况下，只涉及几个地图块。
2. 可以在边缘节点进行内容过滤/聚合，以减少要传输的数据量。
3. 实时应用，如视觉辅助娱乐游戏、增强现实和互联健康可以通过使用边缘节点做出快速反应。

因此，通过利用边缘计算，对时间敏感的应用程序的延迟和随后的用户体验可以得到显著改善。

3.2视频分析

手机和网络摄像头的普及使得视频分析成为一项新兴技术。由于长期的数据传输延迟和隐私问题，云计算不再适合需要视频分析的应用。这里我们举一个在城市里寻找走失儿童的例子。如今，不同种类的摄像机广泛部署在城市地区和每辆车中。当一个孩子失踪的时候，这个孩子很有可能会被照相机捕捉到。然而，由于隐私问题或交通成本，摄像机的数据通常不会上传到云中，这使得利用广域摄像机数据变得极其困难。即使数据可以在云上访问，上传和搜索大量数据也可能需要很长时间，这对于搜索一个失踪的孩子来说是不可容忍的。使用边缘计算模式，搜索孩子的请求可以从云中生成，并推送到目标区域的所有事物。每样东西，例如智能手机，都可以执行请求并搜索其本地相机数据，并且只将结果报告给云。在这种模式下，有可能在每件事情上利用数据和计算能力，并且比单独的云计算更快地得到结果。

3.3智能家居

物联网会给家庭环境带来很多好处。一些产品已经开发出来并在市场上销售，如智能灯、智能电视和机器人吸尘器。然而，对于智能家庭来说，仅仅在当前的电子设备上添加一个无线模块并将其连接到云是不够的。在智能家居环境中，除了联网设备之外，廉价的无线传感器和控制器应该部署在房间、管道甚至地板和墙壁上。这些东西会报告大量数据，考虑到数据传输压力和隐私保护，这些数据应该主要在家里使用。这一特性使得云计算模式不适合智能家居。然而，边缘计算被认为是构建智能家庭的完美之选:通过在家中运行专门的边缘操作系统的边缘网关，可以在家中轻松地连接和管理事物，可以在本地处理数据以减轻互联网带宽的负担，还可以在边缘操作系统上部署服务以实现更好的管理和交付。第四节讨论了更多的机会和潜在的挑战。

图3 智能家居中的edgeOS系统

图3示出了智能家庭环境中edgeOS的变体的结构。边缘操作系统需要通过多种通信方式，如无线网络、蓝牙、紫蜂或蜂窝网络，从移动设备和各种事物中收集数据。来自不同来源的数据需要在数据抽象层进行融合和处理。这一过程的详细描述将在第四节讨论。在数据抽象层之上是服务管理层。这一层将支持包括差异化、可扩展性、隔离和可靠性在内的要求。在第四章第四节中，将进一步讨论这个问题。不同需求的所有层都需要命名机制。因此，我们以跨层的方式离开命名模块。第四章第二节讨论了命名方面的挑战。

3.4智慧城市

边缘计算模式可以从一个家庭灵活扩展到社区，甚至城市规模。边缘计算声称计算应该在尽可能靠近数据源的地方进行。通过这种设计，可以从计算范例的顶部生成请求，并在边缘进行实际处理。考虑到以下特点，边缘计算可能是智能城市的理想平台。

1. 大数据量:到2019年，一个拥有100万人口的城市每天将产生180 PB的数据，由公共安全、健康、公用事业和交通等部门贡献。构建集中式云数据中心来处理所有数据是不现实的，因为流量工作负载太重。在这种情况下，通过在网络边缘处理数据，边缘计算可能是一种有效的解决方案。
2. 低延迟:对于需要可预测的低延迟的应用程序，如健康紧急情况或公共安全，边缘计算也是一个合适的范例，因为它可以节省数据传输时间并简化网络结构。决策和诊断可以从网络的边缘进行，也可以从网络的边缘进行，这比在中心云收集信息和进行决策更有效。
3. 位置感知:对于基于地理的应用，如交通和公用事业管理，由于位置感知，边缘计算超过了云计算。在边缘计算中，数据可以根据地理位置进行收集和处理，而无需传输到云。

3.5协作优势

可以说，云已经成为学术界和工业界处理大数据的事实上的计算平台。云计算背后的一个关键承诺是，数据应该已经被保存或者正在被传输到云中，并且最终将在云中被处理。然而，在许多情况下，由于隐私问题和数据传输

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[239466]，资料为PDF文档或Word文档，PDF文档可免费转换为Word