邊緣計算在物聯網領域的應用及展望

楚俊生 張博山 林兆驥

1 中興通訊南京研究所 南京 210012

2 中興通訊上海研究所 上海 201203

引言

眾所周知，物聯網是新一代信息技術的重要組成部分，是以互聯網、電信網為信息載體，進行物和物之間信息交換和通信，實現對物的智能化識別、定位、跟蹤、監控和管理。基于物聯網的行業應用很廣泛，遍及智能交通、智能家居、智能樓宇、智慧城市、環境監測、公共安全、車聯網、工業制造等眾多行業和領域。這些基于物聯網的行業應用有各種各樣的業務要求，比如傳輸時延、傳輸帶寬、數據安全、數據聚合、數據處理、數據分析和智能決策等。其中對實時性、高帶寬和安全性等有著非常高要求的應用都迫切需要盡可能在靠近網絡的邊緣側提供集中的智能管理控制功能。邊緣計算除了在本地提供類似于云計算集中的計算存儲力、按需自助、快速彈性等基本特征外，還可提供當前云計算技術無法保證的低時延、高可靠、高帶寬和隱私安全等業務保障能力。邊緣計算這些能力非常適合解決物聯網行業應用面臨的各種挑戰。

1 邊緣計算使能物聯網發展

物聯網是實現行業數字化轉型的重要手段，并將催生新的產業生態和商業模式。而借助于邊緣計算和人工智能等新技術將更能提升物聯網的智能化，促使物聯網在各個垂直行業落地生根。圖1示例了應用于物聯網中的邊緣計算的設備形態和所處的位置。

圖1 邊緣計算應用于物聯網

由于互聯網和電信網本身能夠支持和提供的網絡帶寬和傳輸時延有限，以及物聯網終端本身處理能力的限制，目前物聯網應用的發展面臨諸多挑戰。

1)網絡能力限制。

物聯網終端設備的超速增長和多種多樣的業務應用將帶來數據爆炸式增長，這些海量數據在為我們提供商業價值的同時，也對數據處理提出挑戰，海量數據的傳輸和處理將帶來更大的網絡流量壓力并需要更多的云/數據中心。

2)數據時效性。

車聯網、工業控制和視頻游戲等業務應用的實時性要求很高，一般都要求在10ms級別或以內，云計算帶來的過高時延難以滿足業務的要求或造成很差的用戶體驗。另外有些物聯網應用要求數據能夠結合本地的運行環境，也不適合傳遞到遠端云/數據中心進行分析處理。

3)終端資源限制。

物聯網終端由于自身的計算、存儲能力以及供電方式的限制，難以應對實時產生的大量數據處理和分析要求，而將數據發送到云端進行處理又難以滿足物聯網終端在時延性、可靠性或隱私安全等方面的要求。

4)異構系統互聯。

在物聯網環境下，終端類型和采用的連接協議多種多樣，物聯網應用難以對聯接的終端在數據收集、數據分析、終端控制等方面進行適配操作。

5)安全和隱私挑戰。

物聯網領域面臨竊聽、跟蹤、攻擊、欺騙、重放、克隆、物理破解、篡改信息、DDoS、病毒等安全和隱私威脅，很容易引發個人信息泄露、財產損失、法律風險、生產停頓、人身安全或生產事故。

邊緣計算在靠近物或數據源頭的網絡邊緣側就近提供智能服務，可滿足物聯網應用在業務實時、業務智能、數據聚合與互操作、安全與隱私保護等方面的關鍵需求。

邊緣計算特征可以概括為如下幾個方面。

1)分布式和低延遲保障。

邊緣計算可采用邊緣網關的方式在網絡邊緣側進行分布式部署，就近進行數據收集、數據預處理、協議轉換和數據分析等功能，確保低時延的業務需求得到保障，減輕物聯網終端與云/數據中心之間的網絡流量壓力，屏蔽不同終端類型和異構網絡協議的影響。

2)增強的計算和電力供應。

邊緣節點設備基本上是采用高性能的通用CPU或專用GPU、DSP芯片實現，在網絡傳輸、安全和AI算法、數據存儲等方面有一定的綜合運算能力，非常適合把物聯網終端的數據處理和分析任務放在邊緣節點上執行。

3)邊緣智能化。

嵌入的機器學習/深度學習和人工智能技術也將增強邊緣計算智能服務的提供能力。邊緣計算/霧計算采用分層處理機制，只把復雜的、時延不敏感和需要集中控制的任務放在云/數據中心，提升云/數據中心的處理效率和降低成本。

4)安全和隱私保護。

邊緣計算將物聯網的敏感數據保存在本地設備上，從而有助于改進安全和隱私性。對于必須要傳遞到云/數據中心的隱私數據，則通過加密、脫敏和認證等技術手段，確保安全和隱私。

總體上，物聯網應用面臨的諸多挑戰在邊緣計算功能實現上都得到了對應的解決方案。借助于邊緣計算，物聯網應用將發展得更快、更強大，也勢必加速行業數字化轉型的力度和深度。

2 邊緣計算標準體系架構

目前研究邊緣計算標準體系架構的組織包括歐洲電信標準協會(ETSI)的多接入邊緣計算(MEC)、國內的邊緣計算聯盟(ECC)、美國的開放霧計算聯盟(OpenFog)、美國的工業互聯網聯盟(IIC)、CCSA的ST8工業互聯網特設任務組以及Linux Foundation下的開源項目EdgeX Foundry等。總體上，邊緣計算研究形成以產業聯盟為主，標準組織和開源活動為輔的格局。

2.1 ETSI多接入邊緣計算架構

2014年， ETSI成立移動邊緣計算(Mobile Edge Computing，MEC)產業規范工作組(Industry Specification Group，ISG)，開始推動移動網邊緣計算相關標準化工作。2016年，ETSI把此概念擴展為多接入邊緣計算(Multi-Access Edge Computing)，將邊緣計算能力從電信網進一步延伸至其他無線接入網絡(如Wi-Fi等)。

ETSI MEC ISG基本思想是把云平臺遷移到接入網邊緣，實現傳統電信網與互聯網業務深度融合，借助無線網絡提供的信息服務、位置服務、標識服務和寬帶管理服務能力，減少業務交付端到端時延，提升業務部署的靈活性和用戶體驗，從而給電信運營商的運營模式帶來全新變革，并建立新型的產業鏈及生態圈[1]。

如圖2所示，MEC系統位于無線接入網和移動核心網/有線網絡之間，由MEC服務器和邊緣云設施構成。其中MEC服務器負責對部署于無線基站內部或無線接入網邊緣的邊緣云設施進行管理。邊緣云提供本地化的公有云服務，并可連接其它企業云實現混合云服務。MEC系統提供基于云平臺的虛擬化環境，支持第三方應用在邊緣云內部署運行。

2.2 AII/ECC邊緣計算架構

2017年11月份，工業互聯網產業聯盟(AII)和邊緣計算聯盟(ECC)聯合發布了邊緣計算參考架構2.0白皮書[2]。圖3是該白皮書提出的邊緣計算通用參考架構，該參考架構包含邊緣計算節點、邊緣云、業務編排和智能服務共四個橫向層次，及服務管理、安全服務和數據全生命周期管理等縱向管理功能。該參考架構還在每層之間提供了模型化的開放接口，實現架構的全層次開放。

白皮書還從產業價值鏈整合角度出發，提出了CROSS五大價值，即在敏捷聯接(Connection)的基礎上，實現實時業務(Real-time)、數據優化(Data Optimization)、應用智能(Smart)、安全與隱私保護(Security)，為用戶在網絡邊緣側帶來價值和機會。AII/ECC通過聯盟運作方式，支撐邊緣計算在重點行業的應用創新與示范推廣，并通過與業界的廣泛生態合作，進一步助力更多行業的數字化轉型，實現價值延伸。

2.3 OpenFog霧計算架構

霧計算概念由思科在2014年提出，是云計算概念的延伸，基本理念是分層次、分區域提供計算能力，滿足物聯網在安全(Security)、認知(Cognition)、靈活性(Agility)、時延(Latency)和效率(Efficiency)等方面日益增長的要求，助力物聯網的發展。

圖2 多接入邊緣計算(MEC)架構

圖3 邊緣計算參考架構

2017年OpenFog聯盟發布如圖4所示的霧計算參考架構[3]，該架構是一個系統級架構，實現在數據源附近提供計算、存儲、控制和網絡連接功能。

霧計算參考架構包含安全(Security)、可擴展性(Scalability)、開放(Open)、自治(Autonomy)、RAS(Reliability，Availability，Serviceability)、靈活性(Agility)、層次化(Hierarchy)和可編程性(Programmability)等8個核心支柱性(Pillar)技術特性，有效契合物聯網應用發展的需求。

2.4 IIC邊緣計算架構

美國工業互聯網聯盟(Industrial Internet Consortium，IIC)在2017年成立邊緣計算任務組，主要研究針對工業互聯網邊緣計算的標準、實踐、特征和GAP分析，以及部署模型。

IIC在2018年6月正式發布了《工業互聯網中的邊緣計算介紹》白皮書[4]，圖5所示的是該白皮書中的工業互聯網架構剖面圖中的邊緣計算功能。根據商業模式和待實現的關鍵目標，邊緣計算可以作為邊緣控制器嵌入到邊緣設備中，或者作為邊緣網關集成到路由器、網關設備里，以及作為邊緣云的方式存在于企業云、私有云或公有云里。

圖4 霧計算參考架構

2.5 EdgeX邊緣計算框架

EdgeX Foundry是Linux基金組織下的一個開源項目，旨在開發一個標準化的物聯網邊緣計算框架，如圖6所示。通過EdgeX可創建一個支持互操作性、組件即插即用的物聯網邊緣計算生態系統，協調各種傳感器網絡協議和多種云及分析平臺，實現橫跨邊緣計算、安全、系統管理和服務等模塊的互操作性框架。

EdgeX Foundry擁有4層架構[5]，從上到下依次如下所示。

1)輸出服務層(Export Services)：實現邊緣數據和智能分析輸出到云平臺。

2)支持服務層(Supporting Services)：包含大量的微服務，提供邊緣分析和智能功能。

3)核心服務層(Core Services)：具體的組成部分包括核心數據、服務指令、元數據，以及注冊表和相關配置。

4)設備服務層(Device Services)：實現與物聯網終端設備交互。

EdgeX將進一步推動“智能”向邊緣的滲透，以便解決響應延遲、帶寬和存儲，以及遠程操作問題。

圖5 工業互聯網切面視圖

3 邊緣計算在物聯網中應用分析

邊緣計算在物聯網中應用的領域非常廣泛，特別適合具有低時延、高帶寬、高可靠、海量連接、異構匯聚和本地安全隱私保護等特殊業務要求的應用場景。

圖7示例了邊緣計算在智能制造、智能交通、智慧城市和智能家居等行業或領域的應用情況，下面將對這些場景進行相關的介紹和分析。

3.1 智能制造

智能制造是邊緣計算在物聯網中非常典型的應用領域，借助于邊緣計算將促進IT和OT系統的深度融合。工業機器人是實現智能制造的基礎，最近幾年工業機器人在中國市場呈現蓬勃發展的趨勢。據統計，2016年中國市場工業機器人消費總量達87000臺，接近世界銷量的近三分之一，是世界上最大的工業機器人市場。工業機器人的應用領域主要集中在汽車制造、3C行業、物流、金屬加工、塑料和化工等行業，通過機器人完成搬運和上下料、裝配和拆卸、焊接等工作環境惡劣、自動化/執行精度和安全程度要求非常高的工作場景。

工業機器人需要具備應對復雜的現場環境并結合當前工作流程進行綜合分析和判斷的能力，以及與其他機器人協作完成復雜工作任務的能力。這些都需要機器人配備智能控制器以執行復雜的計算任務，而對于工廠環境使用幾十、上百臺機器人的應用場景，如果每臺機器人都配備復雜的智能控制器，這將增加機器人的成本。但是如果采用邊緣技術，把工業機器人的智能控制器功能集中部署在生產車間的邊緣節點，在保證時延的情況下還能實現集中控制，完成機器人之間的聯動協同，可以大大降低工業機器人的開發、部署和維護成本。圖8示例了把工廠車間里機器人的智能控制器集中部署在邊緣計算節點(邊緣網關)的場景。

圖6 EdgeX公共開放平臺

圖7 邊緣計算在物聯網中應用示例

圖8 邊緣計算對工廠車間內機器人集中控制示例

3.2 智慧交通

在城市道路交通中，每個路口都會設置監控攝像頭，每周甚至每天都會有海量的視頻數據產生，如果這些監控設備產生的數據聚在一起，會是個天文數字。在云端進行實時的海量數據分析與儲存對計算能力和網絡帶寬是一個巨大的挑戰。如果借助邊緣計算，在本地對海量視頻數據進行存儲和分析，僅識別和截取存在道路交通事故或違法行為的視頻傳遞給云/數據中心做進一步分析和長久存儲，這樣可以大大減少到云端的數據傳輸，并且能夠支持實時的智能交通控制。

圖9示例了邊緣計算在城市交通中的應用，通過邊緣計算的實時數據處理和分析功能，可以支持無人駕駛、交通流量疏導和擁堵預測這類業務功能。另外也提供本地的監控數據存儲，對數據進行處理和清洗后再把有效數據傳遞給云/數據中心做進一步分析的邊云協同。

3.3 智慧城市

智慧城市是構建“宜居、舒適、安全”的城市生活環境，實現城市“感知、互聯和智慧”。智慧城市建設是涉及諸多信息系統、綜合集成技術的大型信息化工程。物聯網技術將為城市基礎設施的整體升級提供智能化的支撐，而邊緣計算將豐富智慧城市的應用場景。

如圖10所示，一般智慧城市具有家庭、小區、社區和城市4個層級。每個層級都有對應的應用和服務，比如家庭有智能家居、智能安防和家庭娛樂系統等；小區有門禁和視頻監控、車輛人員管理和物業服務等；社區有社區商場、社區醫療和社區政務等；城市有交通、物流、醫療、金融和市政服務等。邊緣計算將在智慧城市這4個層級之間提供層次化的管理和服務功能，并協同彼此之間的發展。

3.4 智能家居

在當前的智能家居中，智能家電設備基本上都是由智能單品構成的，比如密碼鎖、智能照明、智能空調、安防監控、智能衛浴、室內環境監控、家庭影院多媒體系統等，這些智能家電設備需要依賴于云平臺才能實現手機端在外網的遠程控制。這種基于云平臺的智能家居在網絡出現故障時將無法進行控制，特別是多個智能單品聯動的場景將無法對多個設備進行協調。智能家電設備都是通過Wi-Fi模塊連接到云/數據中心，用戶對存放在云/數據中心的家庭數據也存在泄漏的擔憂，另外大量的監控視頻數據也會消耗智能家居設備到云/數據中心之間的通信帶寬。

圖9 邊緣計算在智慧交通中的應用示例

圖10 邊緣計算在智慧城市中的應用示例

圖11 邊緣計算在智能家居中的應用示例

如圖11所示，采用邊緣計算技術，可以把家庭視頻數據存放在本地邊緣計算網關設備上，確保用戶的隱私不被泄漏；多個智能單品之間的聯動也可以通過本地邊緣計算進行近實時的協調；邊緣計算節點還能實現定期與云計算同步更新控制和設備狀態信息。

4 邊緣計算發展展望

4.1 邊云協同

邊緣計算和云計算在物聯網應用中構成一個相輔相成的端到端系統，兩者共同配合完成物聯網應用的工作流，實現分布式最佳解決方案。為契合物聯網應用的發展，未來的云將呈現以集中式的云/數據中心和分布式的智能邊緣計算互相協同的格局。

在邊云協同中，邊緣計算側重于針對實時性、系統異構、短周期數據、安全和隱私等要求比較高的業務需求，比如對源或現場數據實時處理、數據可視化、基本分析、數據緩存、數據過濾和優化、M2M通訊等；而云計算側重于非實時、長周期數據的業務需求，如大數據分析、數據倉儲、業務邏輯、機器推理、預測維護、日志存儲等業務需求。為了減少對傳輸帶寬的壓力和傳輸成本，邊緣計算需要把原始數據過濾和清洗后再傳送到云/數據中心完成進一步的處理，形成“基于云計算的全局優化+基于邊緣計算的局部優化”的協同方式。

AII在邊云協同研討中，按照邊緣計算和云計算提供的IaaS、PaaS和SaaS對等層之間的交互原則，共識別有6類協同，即：IaaS資源&安全協同、數據協同、智能協同、應用協同、業務協同、服務協同。邊云協同相關的標準協議、接口技術需要圍繞邊云協同的典型應用場景所識別出的需求進行制訂。

4.2 使能5G

隨著信息技術向物聯網領域的延伸，支持物聯網在網絡吞吐量、時延、連接數量和可靠性等方面業務需求的新一代5G通信技術將讓萬物互聯在各個垂直行業應用落地成為可能。邊緣計算可以將5G無線網絡能力信息抽象成各種類型的服務并開放給第三方應用和垂直行業，并借此在5G無線網絡中提供多樣化的業務場景。邊緣計算為電信運營商實現靈活的網絡功能部署與固移融合提供基礎設施支撐，同時服務托管與基礎服務能力也可以幫助第三方應用提高用戶體驗。

通過邊緣計算的使能，將促進5G技術延伸到交通運輸、智能駕駛、車聯網、工業互聯網等各個垂直行業。

4.3 邊緣切片

網絡切片和邊緣計算技術是5G的兩大關鍵技術，一直被業界普遍認為是以低成本和方便快捷的方式為用戶提供個性化物聯網業務應用部署的使能技術。在不同的商業模式下，物聯網應用在網絡吞吐量、時延、連接數目和可靠性等方面的性能指標都不盡相同，而且物聯網應用在基礎資源需求和業務負荷等方面都存在很大的動態性。網絡切片可將網絡資源按照物聯網應用進行靈活地劃分和管理，為垂直行業提供物理/邏輯相互隔離的專網，滿足物聯網應用對各類業務性能指標的需求，提高服務質量保證能力。應用于物聯網的邊緣切片對網絡進行定制化裁剪，可以實現靈活的網元組網和最優的網絡資源分配，滿足物聯網業務應用的實時性和動態性方面的需求。

邊緣切片的實現將有助于與接入網切片和核心網切片一起構成端到端的網絡切片，滿足大規模物聯網應用部署的業務需求，并保證物聯網應用的快速發布和安全隔離。

4.4 邊緣智能

物聯網終端數量龐大、終端類型和網絡連接協議繁多，存在很大的異構性，另外在生命周期管理、個性化需求、位置分布等方面都不相同，如何采用自治的方式進行資源/設備自動發現、網絡/應用自動部署和運維、服務/業務自動提供也是邊緣計算有待進一步研究的領域。

機器學習/深度學習和人工智能技術與邊緣計算的結合將使能邊緣計算在敏捷聯接、實時響應、應用智能、數據優化、安全和隱私等各個層面的智能化，并保證在脫離云計算的情況下，物聯網應用也能夠獨立地、靈活地運行，比如電梯的預測性維護、無人工廠實時動態自我優化。

邊緣智能有助于促進各行業數字化轉型的智能化。智能化是以提供的智能化工具和策略為基礎，對數據進行智能化分析，從而實現智能決策和智能操作，以及業務流程的持續智能優化。隨著物聯網智能化需求分布到網絡邊緣側，也將促進邊緣計算的智能化發展，并進一步實現物的自主化和協作化。

4.5 開源實現

為方便邊緣計算產品功能的快速開發，以及加速邊緣計算在垂直行業的落地，建立邊緣計算平臺的開源社區也是實現邊緣計算生態培育的重要促進手段之一。EdgeX Foundry旨在打造一個物聯網邊緣計算開放框架，簡化物聯網邊緣平臺構建，降低邊緣計算平臺準入門檻；OpenStack社區(2018年2月，OpenStack發布《云邊緣計算-跨越傳統數據中心》白皮書，該白皮書提倡創建一個跨行業聯盟，來監督邊緣計算所需工具的打造和相關技術標準的制定)也成立了專門的邊緣計算工作組來關注云計算向邊緣演化的趨勢；Linux基金會即將開源致力于邊緣計算的Akraino Edge Stack項目，以支持針對邊緣計算系統和應用進行優化的高可用性云服務，為5G和物聯網應用提供新的生態系統。

4.6 產業協同

目前邊緣計算在物聯網中的應用尚處于探索和測試驗證階段，為加速邊緣計算在各行業的數字化創新和行業應用落地，還需要全面促進邊緣計算與產業深度協同。邊緣計算創新應用于物聯網各個行業，需要針對行業需求，解決行業痛點，支持多種類型聯接管理，提供多種協議&接口適配、開放的API接口，以及針對不同行業提供定制化開發等技術和能力。

5 結束語

邊緣計算是連接物理世界和數字世界的橋梁，是信息技術向物理世界的延伸。邊緣計算根據應用場景的需求將云計算的網絡、計算、存儲和應用部署等能力下沉到靠近物和數據的源頭側，為低時延、安全可靠的連接、數據轉換、消息分發和智能控制等功能提供了保障，從而實現物的控制管理的自動化和信息化。

邊緣計算的協同性、自主化以及與機器/深度學習、人工智能和5G等新技術的融合將促進智能邊緣計算的到來，并將繼續擴展物聯網的邊界。