本文結尾有驚喜，一定要看到結尾啊！
本文內容包括對邊緣計算概念、典型應用場景、研究現狀及關鍵技術等系統性的介紹，認為邊緣計算的發展還處在初級階段，在實際的應用中還存在很多問題需要解決研究，包括優化邊緣計算性能、安全性、互操作性以及智能邊緣操作管理服務。全文6200字，預計閱讀15分鐘。
思科在 2016—2021 年的全球雲指數中指出：接入網際網路的設備數量將從 2016 的 171 億增加到 271 億。每天產生的數據量也在激增，全球的設備產生的數據量從 2016 年的 218 ZB 增長到 2021 年的 847 ZB。傳統的雲計算模型是將所有數據通過網絡上傳至雲計算中心，利用雲計算中心的超強計算能力來集中解決應用的計算需求問題。然而，雲計算的集中處理模式在萬物互聯的背景下有 3 點不足。
（1）萬物互聯實時性需求。萬物互聯環境下，隨著邊緣設備數量的增加，這些設備產生的數據量也在激增，導致網絡帶寬逐漸成為了雲計算的一個瓶頸。例如波音 787 每秒產生的數據量超過 5 GB，但飛機與衛星之間的帶寬不足以支持實時數據傳輸。
（2）數據安全與隱私。隨著智能家居的普及，許多家庭在屋內安裝網絡攝像頭，直接將攝像頭收集的視頻數據上傳至雲計算中心會增加洩露用戶隱私數據的風險。
（3）能耗較大。隨著在雲伺服器運行的用戶應用程式越來越多，未來大規模數據中心對能耗的需求將難以滿足。現有的關於雲計算中心的能耗研究主要集中在如何提高能耗使用效率方面。然而，僅提高能耗使用效率，仍不能解決數據中心巨大的能耗問題，這在萬物互聯環境下將更加突出。
針對於此，萬物互聯應用需求的發展催生了邊緣計算模型。邊緣計算模型是指在網絡邊緣執行計算的一種新型計算模型。邊緣計算模型中邊緣設備具有執行計算和數據分析的處理能力，將原有雲計算模型執行的部分或全部計算任務遷移到網絡邊緣設備上，降低雲伺服器的計算負載，減緩網絡帶寬的壓力，提高萬物互聯時代數據的處理效率。邊緣計算並不是為了取代雲，而是對雲的補充，為移動計算、物聯網等提供更好的計算平臺。
邊緣計算模型成為新興萬物互聯應用的支撐平臺，目前已是大勢所趨。本文中，我們從概念、關鍵技術、典型應用、現狀趨勢和挑戰等方面對邊緣計算模型展開介紹，旨在為邊緣計算研究者提供參考。
01
邊緣計算概念
對於邊緣計算，不同組織給出了不同的定義。美國韋恩州立大學計算機科學系施巍松等人把邊緣計算定義為：「邊緣計算是指在網絡邊緣執行計算的一種新型計算模式，邊緣計算中邊緣的下行數據表示雲服務，上行數據表示萬物互聯服務」。邊緣計算產業聯盟把邊緣計算定義為：「邊緣計算是在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開發平臺，就近提供邊緣智能服務，滿足行業數字在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求」。
因此，邊緣計算是一種新型計算模式，通過在靠近物或數據源頭的網絡邊緣側，為應用提供融合計算、存儲和網絡等資源，同時邊緣計算也是一種使能技術，通過在網絡邊緣側提供這些資源，滿足行業在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。
1.1 邊緣計算體系架構
邊緣計算通過在終端設備和雲之間引入邊緣設備，將雲服務擴展到網絡邊緣。邊緣計算架構包括終端層、邊緣層和雲層。圖 1 展示了邊緣計算的體系架構。接下來我們簡要介紹邊緣計算體系架構中每層的組成和功能。
圖1 邊緣計算體系結構
（1）終端層：終端層是最接近終端用戶的層。它由各種物聯網設備組成，例如傳感器、智慧型手機、智能車輛、智慧卡、讀卡器等。為了延長終端設備提供服務的時間，則應該避免在終端設備上運行複雜的計算任務。因此，我們只將終端設備負責收集原始數據，並上傳至上層進行計算和存儲。終端層連接上一層主要通過蜂窩網絡。
（2）邊緣層：邊緣層位於網絡的邊緣，由大量的邊緣節點組成，通常包括路由器、網關、交換機、接入點、基站、特定邊緣伺服器等。這些邊緣節點廣泛分布在終端設備和雲層之間，例如咖啡館、購物中心、公交總站、街道、公園等。它們能夠對終端設備上傳的數據進行計算和存儲。由於這些邊緣節點距離用戶距離較近，則可以為運行對延遲比較敏感的應用，從而滿足用戶的實時性要求。邊緣節點也可以對收集的數據進行預處理，再把預處理的數據上傳至雲端，從而減少核心網絡的傳輸流量。邊緣層連接上層主要通過網際網路。
（3）雲層：雲層由多個高性能伺服器和存儲設備組成。它具有強大的計算和存儲功能，可以執行複雜的計算任務。雲模塊通過控制策略可以有效地管理和調度邊緣節點和雲計算中心，為用戶提供更好的服務。
1.2 邊緣計算範例
與邊緣計算類似的範例，如霧計算、移動邊緣計算等，雖然與邊緣計算不盡相同，但它們在動機、節點設備、節點位置等上與邊緣計算範例類似。協同邊緣計算是一種新的計算範例，它使用邊緣設備和路由器的網狀網絡來實現網絡內的分布式決策。決策是在網絡內部通過在邊緣設備之間共享數據和計算而不是將所有數據發送到集中式伺服器來完成的。這與通常執行集中計算的現有計算範例不同，並且諸如網關的邊緣設備僅用於收集數據並將數據發送到伺服器以進行處理。邊緣計算與協同邊緣計
算的對比如表 1 所示。
1.3 邊緣計算優勢
邊緣計算模型將原有雲計算中心的部分或全部計算任務遷移到數據源附近，相比於傳統的雲計算模型，邊緣計算模型具有實時數據處理和分析、安全性高、隱私保護、可擴展性強、位置感知及低流量的優勢。
（1）實時數據處理和分析。將原有雲計算中心的計算任務部分或全部遷移到網絡邊緣，在邊緣設備處理數據，而不是在外部數據中心或雲端進行；因此提高了數據傳輸性能，保證了處理的實時性，同時也降低了雲計算中心的計算負載。
（2）安全性高。傳統的雲計算模型是集中式的，這使得它容易受到分布式拒絕服務供給和斷電的影響。邊緣計算模型在邊緣設備和雲計算中心之間分配處理、存儲和應用，使得其安全性高。邊緣計算模型也降低了發生單點故障的可能性。
（3）保護隱私數據，提升數據安全性。邊緣計算模型是在本地設備上處理更多數據而不是將其上傳至雲計算中心，因此邊緣計算還可以減少實際存在風險的數據量。即使設備受到攻擊，它也只會包含本地收集的數據，而不是受損的雲計算中心。
（4）可擴展性。邊緣計算提供了更便宜的可擴展性路徑，允許公司通過物聯網設備和邊緣數據中心的組合來擴展其計算能力。使用具有處理能力的物聯網設備還可以降低擴展成本，因此添加的新設備都不會對網絡產生大量帶寬需求。
（5）位置感知。邊緣分布式設備利用低級信令進行信息共享。邊緣計算模型從本地接入網絡內的邊緣設備接收信息以發現設備的位置。例如導航，終端設備可以根據自己的實時位置把相關位置信息和數據交給邊緣節點來進行處理，邊緣節點基於現有的數據進行判斷和決策。
（6）低流量。本地設備收集的數據可以進行本地計算分析，或者在本地設備上進行數據的預處理，不必把本地設備收集的所有數據上傳至雲計算中心，從而可以減少進入核心網的流量。
表 1 邊緣計算與協同邊緣計算比較
02
邊緣計算的典型應用
邊緣計算在很多應用場景下都取得了很好的效果。本節中，我們將介紹基於邊緣計算框架設計的幾個新興應用場景，部分場景在歐洲電信標準化協會（ETSI）白皮書中進行了討論，如視頻分析和移動大數據。還有一些綜述論文介紹了車輛互聯、醫療保健、智能建築控制、海洋監測以及無線傳感器和執行器網絡與邊緣計算結合的場景。
（1）醫療保健。邊緣計算可以輔助醫療保健，例如可以針對患有中風的患者輔助醫療保健。研究人員最近提出了一種名為 U-fall 的智能醫療基礎設施，它通過採用邊緣計算技術來利用智慧型手機。在邊緣計算的輔助下，U-fall 藉助智能設備傳感器實時感應運動檢測。邊緣計算還可以幫助健康顧問協助他們的病人，而不受其地理位置的影響。邊緣計算使智慧型手機能夠從智能傳感器收集患者的生理信息，例如脈搏率、體溫等，並將其發送到雲伺服器以進行存儲、數據同步和共享。
（2）視頻分析。在萬物聯網時代，用於監測控制的攝像機無處不在，傳統的終端設備——雲伺服器架構可能無法傳輸來自數百萬臺終端設備的視頻。在這種情況下，邊緣計算可以輔助基於視頻分析的應用。在邊緣計算輔助下，大量的視頻不用再全部上傳至雲伺服器，而是在靠近終端設備的邊緣伺服器中進行數據分析，只把邊緣伺服器不能處理的小部分數據上傳至雲計算中心即可。
（3）車輛互聯。通過網際網路接入為車輛提供便利，使其能夠與道路上的其他車輛連接。如果把車輛收集的數據全部上傳至雲端處理會造成網際網路負載過大，導致傳輸延遲；因此，需要邊緣設備其本身具有處理視頻、音頻、信號等數據的能力。邊緣計算可以為這一需要提供相應的架構、服務、支持能力，縮短端到端延遲，使數據更快地被處理，避免信號處理不及時而造成車禍等事故。一輛車可以與其他接近的車輛通信，並告知他們任何預期的風險或交通擁堵。
（4）移動大數據分析。無處不在的移動終端設備可以收集大量的數據，大數據對業務至關重要，因為它可以提取可能有益於不同業務部門的分析和有用信息。大數據分析是從原始數據中提取有意義的信息的過程。在行動裝置附近實施部署邊緣伺服器可以通過網絡高帶寬和低延遲提升大數據分析。例如，首先在附近的邊緣伺服器中收集和分析大數據，然後可以將大數據分析的結果傳遞到核心網絡以進一步處理，從而減輕核心網絡的壓力。
（5）智能建築控制。智能建築控制系統由部署在建築物不同部分的無線傳感器組成。傳感器負責監測和控制建築環境，例如溫度、氣體水平或溼度。在智能建築環境中，部署邊緣計算環境的建築可以通過傳感器共享信息並對任何異常情況做出反應。這些傳感器可以根據其他無線節點接收的集體信息來維持建築氣氛。
（6）海洋監測控制。科學家正在研究如何應對任何海洋災難性事件，並提前了解氣候變化。這可以幫助人們快速採取應對措施，從而減輕災難性事件造成的嚴重後果。部署在海洋中某些位置的傳感器大量傳輸數據，這需要大量的計算資源和存儲資源。而利用傳統的雲計算中心來處理接收到的大量數據可能會導致預測傳輸的延遲。在這種情況下，邊緣計算可以發揮重要作用，通過在靠近數據源的地方就近處理，從而防止數據丟失或傳感器數據傳輸延遲。
（7）智能家居。隨著物聯網技術的發展，智能家居系統得到進一步發展，其利用大量的物聯網設備實時監測控制家庭內部狀態，接收外部控制命令並最終完成對家居環境的調控，以提升家居安全性、便利性、舒適性。由於家庭數據的隱私性，用戶並不總是願意將數據上傳至雲端進行處理，尤其是一些家庭內部視頻數據。而邊緣計算可以將家庭數據處理推送至家庭內部網關，減少家庭數據的外流，從而降低數據外洩的可能性，提升系統的隱私性。
（8）智慧城市。預測顯示：一個百萬人口的城市每天將會產生 200 PB 的數據。因此，應用邊緣計算模型，將數據在網絡邊緣處理是一個很好的解決方案。例如在城市路面檢測中，在道路兩側路燈上安裝傳感器收集城市路面信息，檢測空氣品質、光照強度、噪聲水平等環境數據，當路燈發生故障時能夠即時反饋給維護人員，同時輔助健康急救和公共安全領域。
03
邊緣計算現狀和關鍵技術
目前，邊緣計算的發展仍然處於初期階段。隨著越來越多的設備聯網，邊緣計算得到了來自工業界和學術界的廣泛重視和一致認可。本節中，我們主要從工業界和學術界分別介紹邊緣計算的現狀。
3.1 工業界
在工業界中，亞馬遜、谷歌和微軟等雲巨頭正在成為邊緣計算領域的領先者。亞馬遜的 AWS Greengrass 服務進軍邊緣計算領域，走在了行業的前面。AWS Greengrass 將 AWS 擴展到設備上，這樣本地生成的數據就可以在本地設備上處理。微軟在這一領域也有大動作，該公司計劃未來 4 年在物聯網領域投入 50 億美元，其中包括邊緣計算項目。谷歌宣布了 2 款新產品，意在幫助改善邊緣聯網設備的開發。
它們分別是硬體晶片 Edge 張量處理單元（TPU）和軟體堆棧 Cloud 物聯網（IoT） Edge。涉足邊緣計算領域的並不只是這 3 大雲巨頭。2015 年，思科、ARM、因特爾、微軟、普林斯頓大學聯合成立了 Open Fog 聯盟；2016 年 11 月 30 日，在北京正式成立了產學研結合的邊緣計算產業合作平臺，推動運行技術（OT）和信息與通信技術（ICT）產業開放協作，引領邊緣計算產業蓬勃發展，深化行業數位化轉型。
3.2 學術界
學術界也展開了關於邊緣計算的研究，邊緣計算頂級年會電氣和電子工程師協會（IEEE）/國際計算機協會（ACM）邊緣計算研討會（SEC）、IEEE 國際分布式計算系統會議（ICDCS）、國際計算機通信會議（INFOCOM）等重大國際會議都開始增加邊緣計算的分會和專題研討會。涉及主要關鍵技術及研究熱點如下：
（1）計算卸載。計算卸載是指終端設備將部分或全部計算任務卸載到資源豐富的邊緣伺服器，以解決終端設備在資源存儲、計算性能以及能效等方面存在的不足。計算卸載的主要技術是卸載決策。卸載決策主要解決的是移動終端如何卸載計算任務、卸載多少以及卸載什麼的問題。根據卸載決策的優化目標將計算卸載分為以降低時延為目標、以降低能量消耗為目標以及權衡能耗和時延為目標的 3 種類型。
（2）移動性管理。邊緣計算依靠資源在地理上廣泛分布的特點來支持應用的移動性，一個邊緣計算節點只服務周圍的用戶。雲計算模式對應用移動性的支持則是伺服器位置固定，數據通過網絡傳輸到伺服器，所以在邊緣計算中應用的移動管理是一種新模式。主要涉及 2 個問題：資源發現，即用戶在移動的過程中需要快速發現周圍可以利用的資源，並選擇最合適的資源。邊緣計算的資源發現需要適應異構的資源環境，還需要保證資源發現的速度，才能使應用不間斷的為用戶提供服務。另一個問題是資源切換，即當用戶移動時，移動應用使用的計算資源可能會在多個設備間切換。資源切換要將服務程序的運行現場遷移，保證服務連續性是邊緣計算研究的一個重點。一些應用程式期望在用戶位置改變之後繼續為用戶提供服務。邊緣計算資源的異構性與網絡的多樣性，需要遷移過程自適應設備計算能力與網絡帶寬的變化。
04
挑戰
目前邊緣計算已經得到了各行各業的廣泛重視，並且在很多應用場景下開花結果；但邊緣計算的實際應用還存在很多問題需要研究。本文對其中的幾個主要問題進行分析，包括優化邊緣計算性能、安全性、互操作性以及智能邊緣操作管理服務。
（1）優化邊緣計算性能。在邊緣計算架構中，不同層次的邊緣伺服器所擁有的計算能力有所不同，負載分配將成為一個重要問題。用戶需求、延時、帶寬、能耗及成本是決定負載分配策略的關鍵指標。針對不同工作負載，應設置指標的權重和優先級，以便系統選擇最優分配策略。成本分析需要在運行過程中完成、分發負載之間的幹擾和資源使用情況，都對邊緣計算架構提出了挑戰。
（2）安全性。邊緣計算的分布式架構增加了攻擊向量的維度，邊緣計算客戶端越智能，越容易受到惡意軟體感染和安全漏洞攻擊。在邊緣計算架構中，在數據源的附近進行計算是保護隱私和數據安全的一種較合適的方法。但由於網絡邊緣設備的資源有限，對於有限資源的邊緣設備而言，現有數據安全的保護方法並不能完全適用於邊緣計算架構。而且，網絡邊緣高度動態的環境也會使網絡更加易受攻擊和難以保護。
（3）互操作性。邊緣設備之間的互操作性是邊緣計算架構能夠大規模落地的關鍵。不同設備商之間需要通過制定相關的標準規範和通用的協作協議，實現異構邊緣設備和系統之間的互操作性。
（4）智能邊緣操作管理服務。網絡邊緣設備的服務管理在物聯網環境中需要滿足識別服務優先級，靈活可擴展和複雜環境下的隔離線。在傳感器數據和通信不可靠的情況下，系統如何通過利用多維參考數據源和歷史數據記錄，提供可靠的服務是目前需要關注的問題。
05
結束語
本文主要從基本概念、應用場景、研究現狀和關鍵技術、存在的挑戰方面對邊緣計算模型進行了系統性介紹。邊緣計算的核心思想是為應用在網絡邊緣側提供計算、存儲和網絡等資源，是一種新的計算架構。邊緣計算架構可以滿足用戶對延遲敏感應用的需求和減少核心網絡的負載壓力。值得注意的是，單個邊緣節點計算和存儲資源有限且安全性低於雲計算中心，如何實現邊緣節點之間的安全、高性能協作和智能管理是亟待探索和研究的問題。
作者簡介
丁春濤，北京郵電大學網絡技術研究院在讀博士生；主要研究領域為邊緣計算、雲計算、機器學習。
曹建農，香港理工大學教授、博士生導師，IEEE Fellow，並擔任中山大學、上海交通大學等多所重點大學的客席教授/兼職教授和博士生導師；主要研究領域為並行和分布式計算、無線網絡和移動計算、大數據和雲計算、普適計算、容錯計算等；主持和參與開發超過 90 個科研項目，作為第一負責人承擔並完成超過 45 個跨學科和全球合作科研項目。
楊磊，華南理工大學副教授；主要研究領域為移動雲計算、邊緣計算、物聯網、大數據處理等；現主持國家自然科學基金、中央高校業務經費、CCF-騰訊犀牛鳥創意基金等項目；在國際主要期刊和會議上發表論文 30 餘篇。
王尚廣，北京郵電大學教授、博士生導師，擔任國際期刊《International Journal of Web Science》的主編及 2 本 SCI 期刊的編委；主要研究領域為服務計算、邊緣計算、雲計算、群智計算等；主持完成國家/省部級項目 4 項，參與國家重點研發計劃、國家「973」課題、「863」課題等 6 項；發表論文60 餘篇。
邊緣計算交流群開始招募拉！
對邊緣計算感興趣的同學，
歡迎加入交流啊！