基于物聯網技術的邊緣計算研究

周紹景ZHOU Shao-jing；王毅WANG Yi；余雯YU Wen；孫土土SUN Tu-tu

（昆明冶金高等專科學校計算機信息學院，昆明650033）

0 引言

伴隨著物聯網技術的快速發展以及4/5G 網絡的普及，網絡終端數量以及產生的應用數據量都將飛速增長。根據權威預測分析，物聯網應用中產生的數據量有將近一半以上都將在網絡終端進行處理。在這樣的一種應用場景之下，現有的分布式云計算模型為核心的集中式處理方式將不能快速、有效地處理實時數據處理。其主要的不足體現在以下四個方面：①實時性問題。當邊緣計算的實時性要求較高的時候，集中式處理方式將因為數據傳輸延時而導致不能及時給出反饋，延誤了數據的處理時機。比較典型的例子為無人駕駛汽車等應用。②帶寬不足問題。邊緣計算的海量級數據流量將給網絡帶寬負載帶來極大的挑戰。③能耗問題。數據中心由于需要處理的用戶數據越來越多，能耗將會成為阻礙云計算中心化的發展的瓶頸。④安全性問題。由于物聯網與用戶生活的緊密關系，數據安全與隱私是不得不考慮的問題。與之相對的是，網絡邊緣計算模型有3 個較為突出的優勢：①可以在網絡邊緣處理臨時數據，而不必上傳到數據中心，這極大地減少了網絡寬負載和數據計算中心的能耗。②在靠近數據源處做數據處理與計算，極大地減少了網絡時延，增強了數據處理的實時性。③隱私數據可以不必上傳到數據中心，而是在邊緣設備上，較大地降低了數據泄露的安全風險。

物聯網作為熱門的應用技術發展的方向，物聯網的發展與云計算密切相關。物聯網及應用終端負責原始數據采集與提交，相關信息的存儲和處理均由中心云平臺完成，然后響應發送相關的動作指令至物聯網絡設備端，完成應用交互過程。但是這種應用模式存在一些明顯的不足：①數據的安全風險與威脅。數據在云端和設備之間往返傳輸，這直接導致隱私被泄漏的安全風險較高。②性能問題。物聯網的很多應用領域依賴于實時響應。但是基于中心化云計算平臺的應用計算處理很大程度上依賴于設備本身與服務器之間的傳輸距離。③高企的運營成本。物聯網的應用正不斷地產生大量應用數據和不斷地擴大協同共享的規模，運營成本將進一步提升，這對規模化運營增加極大的負擔。

1 邊緣計算發展歷程

邊緣計算最早在2003年的時候，就被AKMAAI 與IBM 的一份內部報告《開發邊緣計算應用》中提出。將經歷了十余年的蟄伏之后，伴隨著物聯網的發展成熟，邊緣數據爆發式的幾何倍率增長，為了解決數據傳輸、計算和存儲過程中，網絡帶寬負載和計算負載問題，研究人員開始考慮在數據源頭增加數據處理的能力。具有代表性的有移動邊緣計算、霧計算和海云計算。移動邊緣計算主要帶來了較低延時、高速網絡帶寬來提高對網絡服務質量和用戶端的體驗度。思科公司提出的霧計算則為了緩解帶寬負載和能耗，減少了中心與用戶間的交互次數。其主要關注點在于分布式資源共享。海云計算則是由中國科學院提出，利用云計算系與海計算系統的協同與集成，提升傳統云計算的計算能力。從2015年之后，由于物聯網的逐步成熟，邊緣計算進入了快速增長期。各種基于物聯網領域應用的邊緣計算研究廣泛開展。首部邊緣計算的書籍《邊緣計算出版》，在上海舉辦了以“邊緣計算，智能未來”為主題的邊緣智能主題論壇。以“由云到端的智能架構”為主題的全國計算機體系結構學術年會召開。CNCF 和Eclipse 基金會展開的合作，將超大規模的云計算模型引進到邊緣計算的應用場景中。這些大事無一不昭示著邊緣計算的重要程度。

2 架構設計問題

針對5G 海量通信、高可靠、低時延的挑戰，傳統云計算難以達到5G 的應用要求。需融合云計算與邊緣計算的移動邊緣計算架構，在用戶終端提供計算服務和存儲服務。與云計算比，邊緣計算和云計算融合的“邊云協同”架構降低時延和緩解擁塞等問題，實時性也更增強。該網絡應用架構還存在以下問題：①信息中心網絡（ICN）和MEC用于實現在移動終端設備附近進行緩存與計算，但引出網絡結構和資源的部署難以實現的問題。所以解決大規模信息交換和移動終端設備的要求，設計融合云計算與邊緣計算的MEC 網絡架構，以及在該架構中實現以內容為中心的ICN 和MEC 相互促進與結合，以便提升網絡系統性能急需要解決的問題之一。②為了更好地研制邊緣計算節點，詳細設計和優化MEC 系統模塊和接口，規范接口的功能與定義，保證每一個模塊之間的信息交互方便地借助每一個各接口完成傳輸。

3 邊緣計算

邊緣計算包括網絡技術、隔離技術、體系結構、邊緣操作系統、算法執行框架、數據處理平臺以及安全和隱私等。邊緣計算對網絡有其特殊要求。首先，由于終端動態性，請求者如何發現周邊服務是一個關鍵問題。其次，由于終端用戶的注冊、注銷、遷移等，會產生突然的大量數據。解決支持設備的快速配置比較突出。最后，邊緣計算對應大量的服務，平衡各個服務器之間的負載，是核心問題。為解決該問題引入邊緣網絡，邊緣計算通過可靠的隔離技術來保證服務的可靠性和質量。在云計算的應用場景下使用VM 和Docker 容器等技術進行資源隔離。在體系結構上采取通用計算和異構計算硬件并存的模式，因此邊緣計算需要解決異構網絡的問題。現有解決方案多以特定場景設計：邊緣操作系統方面，需對上處理大量異構數據，對下管理異構的計算資源，能在邊緣計算的計算任務部署、調度、遷移等。現有機器人操作系統ROS 及基于其實現的操作系統在目前的情境下，是邊緣計算場景中典型的操作系統。算法執行框架方面，機器學習為代表的智能任務是實現邊緣計算智能化的必要條件，而高效的算法執行框架是實現的重要方法。執行框架方面，從延遲、內存占用量和能效等分析，現有的框架都沒有很好表現。因此執行框架的提升空間較大。數據處理平臺方面，由于邊緣數據類型駁雜，海量的異構數據統一進行管理、分析和共享十分重要。在安全和隱私方面，雖邊緣計算將計算推近至用戶，降低了數據泄露的風險，但在用戶端或用戶區域，仍有被攻擊風險。邊緣計算可采用已成熟的安全解決方案實施防護，包括非對稱密鑰、訪問控制策略等。此外采用硬件協助的安全方式。

4 邊緣計算問題及關鍵技術

邊緣計算仍存在亟需解決的問題。首先，動態調度問題。云計算中心與邊緣設備之間、邊緣設備之間，如何能夠按需進行調度，在節約帶寬、計算性能的同時獲取最大化的資源利用。其次，與垂直行業之間的結合問題。在邊緣計算模型下更貼近數據源，與垂直行業更加緊密。這要求要對垂直行業有較高了解，如何設計出下沉可用的系統，邊緣節點落地的問題。

由于物聯網是由多種信息技術相互融合從而產生的萬物聯網的應用技術，融合產生的應用場景會產生大量的異構數據，異構特征是物聯網應用技術的顯現特征，這種異構特征決定了在對物聯網的關鍵技術研發的過程中，需要對各種關鍵應用技術實現有效地融合，才能在各種終端設備收集到的異質數據信息統一化或整合，最終帶來實際應用價值。“移動邊緣計算”將Internet 計算和存儲能力從過去的以云為中心的延展到了更加“偏遠”的用戶側的網絡終端。雖然MEC 不在較多的優勢，但是MEC要滿足物聯網應用的低時延、高能效、高可靠的應用需求，終端邊緣計算將計算和存儲能力延伸到更加靠近用戶端的架構。雖MEC 優勢較多，但MEC 滿足萬物互聯的物聯網應用需求，仍面臨挑戰：1）利用邊緣計算并結合終端計算作業任務的屬性設計出的流量卸載或計算卸載工作機制，在計算卸載時確定是否需要中心云計算平臺完成計算以及挑選出需要中心云計算的任務是解決的關鍵問題。2）用戶請求具有集中性問題且相似度高的內容會在不同時間段內被重復請求。因此，利用緩存方法將相似度高的請求處理緩沖存儲至基站以便減少內容下載的響應時延，是降低網絡回傳負載的主要措施。所以設計出有效的緩存策略及存儲處理工作機制并提升緩存命中率也是研發重點。

5 結語

邊緣計算通過幾年的發展，已經取得了一些成果，得到了業界廣泛重視和認可。未來，在各個關鍵技術領域的發展必將使得邊緣計算更好的開花結果。自其提出以來，短短數年時間就已經獲得了如此成就，相信未來它能夠產生更大的作用，為各個行業的發展做出更大的貢獻。邊緣計算在各領域的發展必將使得邊緣計算進一步發展，未來它為各個行業的發展做出更大的貢獻。另外，基于物聯網應用的測試床研發時應考慮：網絡控制器的架構與設計、邊緣計算節點的架構與設計、安全防御解決方案、通用性和標準測評問題等需要進一步研究。