邊緣計(jì)算技術(shù)的研究與應(yīng)用探討

盧文進(jìn)

摘要：邊緣計(jì)算將網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用等技術(shù)部署在邊緣計(jì)算節(jié)點(diǎn)以提升網(wǎng)絡(luò)性能和網(wǎng)絡(luò)控制能力，適用于工業(yè)互聯(lián)網(wǎng)、固聯(lián)網(wǎng)、移動(dòng)通信網(wǎng)等多種場(chǎng)景。邊緣計(jì)算作為解決大規(guī)模多源異構(gòu)數(shù)據(jù)處理問(wèn)題的新興技術(shù)手段，為眾多新型業(yè)務(wù)的開(kāi)展奠定了基礎(chǔ)。

關(guān)鍵詞：邊緣計(jì)算;計(jì)算架構(gòu);應(yīng)用

中圖分類(lèi)號(hào)：TP393.09?? 文獻(xiàn)標(biāo)識(shí)碼：A?? 文章編號(hào)：1672-9129（2020）16-0024-01

1 邊緣計(jì)算的概念

數(shù)據(jù)的爆炸式增長(zhǎng)成為數(shù)據(jù)存儲(chǔ)、傳輸、處理等技術(shù)領(lǐng)域的新難題，也對(duì)相關(guān)服務(wù)的性能提出了更高要求。邊緣計(jì)算，是將傳統(tǒng)網(wǎng)絡(luò)中由中心節(jié)點(diǎn)完成計(jì)算處理的大型服務(wù)分解成更小的部分，分散到網(wǎng)絡(luò)邏輯的邊緣節(jié)點(diǎn)上進(jìn)行處理[1]。典型模型有數(shù)據(jù)庫(kù)模型、P2P模型、CDN模型、霧計(jì)算模型等。作為一種分散式運(yùn)算架構(gòu)，邊緣計(jì)算能夠降低網(wǎng)絡(luò)帶寬壓力，避免中心節(jié)點(diǎn)負(fù)載過(guò)高，提高數(shù)據(jù)的傳輸、處理速度，增強(qiáng)服務(wù)響應(yīng)能力，在智能家居、智能零售、智慧城市等領(lǐng)域均有應(yīng)用。

2 邊緣計(jì)算架構(gòu)

2.1基本架構(gòu)。邊緣服務(wù)器是計(jì)算架構(gòu)的核心，物聯(lián)網(wǎng)、AI技術(shù)的應(yīng)用使數(shù)據(jù)處理的復(fù)雜程度直線上升，因此要求邊緣服務(wù)器要能完成高密度計(jì)算、數(shù)據(jù)存儲(chǔ)、聯(lián)網(wǎng)等功能，還要考慮能耗、成本等問(wèn)題。高密度組件的使用能克服邊緣服務(wù)器工作空間較小的缺點(diǎn)，所以邊緣服務(wù)器一般采用多核CPU作為處理器，同時(shí)搭載大容量固態(tài)存儲(chǔ)器、主流網(wǎng)絡(luò)模塊（如WIFI）、ECC內(nèi)存等。

異構(gòu)計(jì)算同樣在計(jì)算架構(gòu)中占有重要地位，通過(guò)將不同指令集的計(jì)算單元進(jìn)行協(xié)同[2]，異構(gòu)計(jì)算可以有針對(duì)性的采用相關(guān)計(jì)算單元完成對(duì)結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的處理。

虛擬機(jī)和容器的主要作用是整合、管理計(jì)算架構(gòu)中的各項(xiàng)服務(wù)。虛擬機(jī)可以提供更強(qiáng)的安全隔離;容器則具備輕量化、高性能的特點(diǎn)，更節(jié)省資源;實(shí)際應(yīng)用時(shí)使用虛擬機(jī)還是使用容器可根據(jù)架構(gòu)的不同需求進(jìn)行選擇。

2.2通信網(wǎng)絡(luò)。邊緣計(jì)算架構(gòu)需要借助通信網(wǎng)絡(luò)進(jìn)行相關(guān)業(yè)務(wù)的傳輸，所選網(wǎng)絡(luò)要滿(mǎn)足傳輸時(shí)間確定性和數(shù)據(jù)完整性的要求，為業(yè)務(wù)的靈活配置提供保障。目前邊緣計(jì)算的主要搭載網(wǎng)絡(luò)是5G移動(dòng)網(wǎng)和部分固網(wǎng)，一些迅速發(fā)展的網(wǎng)絡(luò)技術(shù)也逐步應(yīng)用到邊緣計(jì)算中來(lái)，最熱門(mén)的SDN就是其中之一，此外還有NFV、VMDq、SR-IOV等。

SDN由網(wǎng)絡(luò)基礎(chǔ)設(shè)施層、控制層、應(yīng)用層構(gòu)成，通過(guò)將控制面與數(shù)據(jù)面分離簡(jiǎn)化網(wǎng)絡(luò)復(fù)雜度，獲得更好的擴(kuò)展性，提高效率，降低成本[3]。NFV即網(wǎng)絡(luò)功能虛擬化，是通過(guò)軟件在通用處理器上實(shí)現(xiàn)原本搭載在專(zhuān)用硬件設(shè)備上的網(wǎng)絡(luò)功能，可以靈活配置資源，降低專(zhuān)用網(wǎng)絡(luò)設(shè)備成本。VMDq和SR-IOV技術(shù)都是為實(shí)現(xiàn)I/O設(shè)備的虛擬化而誕生的，VMDq技術(shù)使用網(wǎng)絡(luò)適配器進(jìn)行數(shù)據(jù)包分類(lèi)，降低CPU占用率，提高訪問(wèn)性能。SR-IOV技術(shù)可以實(shí)現(xiàn)虛擬機(jī)之間PCIe的高效共享，獲得接近物理宿主機(jī)的性能。

2.3邊緣存儲(chǔ)。邊緣存儲(chǔ)的實(shí)質(zhì)是分布式存儲(chǔ)，在這種存儲(chǔ)架構(gòu)下，數(shù)據(jù)不再傳輸?shù)街行姆?wù)器，而是直接存儲(chǔ)在邊緣計(jì)算節(jié)點(diǎn)中。邊緣存儲(chǔ)具有時(shí)延較低，占用帶寬較小等優(yōu)點(diǎn)，由于邊緣節(jié)點(diǎn)是獨(dú)立的，對(duì)數(shù)據(jù)進(jìn)行操作不會(huì)影響其他網(wǎng)絡(luò)，也能將數(shù)據(jù)合并傳送，減少網(wǎng)絡(luò)中的冗余數(shù)據(jù);而且當(dāng)邊緣設(shè)備在不同網(wǎng)絡(luò)中移動(dòng)時(shí)，數(shù)據(jù)的同步和完整性不會(huì)受到影響。

邊緣存儲(chǔ)的介質(zhì)主要有機(jī)械硬盤(pán)和固態(tài)硬盤(pán)兩類(lèi)，常見(jiàn)機(jī)械硬盤(pán)有SATA和SAS，由于機(jī)械硬盤(pán)使用磁頭尋址，因此性能相比固態(tài)硬盤(pán)較差。固態(tài)硬盤(pán)由Flash/DRAM+控制器構(gòu)成，常見(jiàn)的有SATA SSD、SAS SSD和NVMe SSD等。對(duì)于需要進(jìn)行高級(jí)分析的非持久性數(shù)據(jù)，一般使用DRAM進(jìn)行存儲(chǔ);對(duì)于持久性數(shù)據(jù)，則根據(jù)不同需求選取不同介質(zhì)。

3 邊緣計(jì)算應(yīng)用

3.1智能家居。智能家居賦予傳統(tǒng)家庭生活更高的便捷性和娛樂(lè)性，隨著各類(lèi)智能設(shè)備的開(kāi)發(fā)使用，邊緣計(jì)算也逐漸遷移到智能家居領(lǐng)域中來(lái)。針對(duì)智能家居的邊緣計(jì)算架構(gòu)可以實(shí)現(xiàn)不同網(wǎng)絡(luò)協(xié)議的互聯(lián)，解決不同智能設(shè)備接口不統(tǒng)一的問(wèn)題;再通過(guò)對(duì)傳感數(shù)據(jù)、語(yǔ)音數(shù)據(jù)、視頻數(shù)據(jù)等進(jìn)行轉(zhuǎn)換、分析，進(jìn)行自主決策和演進(jìn)，不斷提高智能化程度;同時(shí)架構(gòu)也能統(tǒng)一交互界面，使智能家居可用性、用戶(hù)友好性更強(qiáng)。

3.2智能零售。智能零售的顯著特點(diǎn)是將線下、線上服務(wù)進(jìn)行結(jié)合，以無(wú)人零售、無(wú)界零售等新形式推動(dòng)消費(fèi)流程的數(shù)字化、智能化，阿里無(wú)人店和京東7FRESH的成功運(yùn)營(yíng)證明了智能零售的無(wú)限可能。智能零售中的邊緣計(jì)算結(jié)構(gòu)是利用邊緣側(cè)節(jié)點(diǎn)承載容器服務(wù)，將計(jì)算能力擴(kuò)展到貨架、攝像頭、電子秤、打印機(jī)等本地設(shè)備，提供商品跟蹤、人臉支付、自動(dòng)盤(pán)貨、預(yù)測(cè)供應(yīng)等服務(wù)。

3.3智慧城市。智慧城市的目標(biāo)是整合電信、交通、網(wǎng)絡(luò)等社會(huì)資源的感知數(shù)據(jù)，識(shí)別事件，并根據(jù)數(shù)據(jù)相關(guān)性對(duì)重大或關(guān)聯(lián)性事件進(jìn)行智能研判和高效處置。其邊緣計(jì)算架構(gòu)采用三層模型，底層為采集層，包含監(jiān)控、傳感器、GPS終端等設(shè)備，各類(lèi)數(shù)據(jù)由采集層傳輸?shù)骄徒倪吘売?jì)算節(jié)點(diǎn);各節(jié)點(diǎn)共同構(gòu)成感知層，感知層通過(guò)內(nèi)置的推理模型對(duì)原始數(shù)據(jù)進(jìn)行匯聚和計(jì)算，提取特征信息，再上傳至應(yīng)用層;應(yīng)用層完成最終的統(tǒng)籌規(guī)劃，形成決策，完成事件處理。

3.4自動(dòng)駕駛。自動(dòng)駕駛集中了傳感、通信、自動(dòng)控制和人工智能等技術(shù)，是目前公認(rèn)的汽車(chē)技術(shù)發(fā)展方向。自動(dòng)駕駛的邊緣計(jì)算架構(gòu)要對(duì)計(jì)算單元、環(huán)境感知設(shè)備、數(shù)字化車(chē)載應(yīng)用等負(fù)載進(jìn)行整合，使其能夠運(yùn)行在同一個(gè)硬件平臺(tái)上;同時(shí)采用異構(gòu)計(jì)算滿(mǎn)足定位、路徑規(guī)劃、目標(biāo)識(shí)別跟蹤等任務(wù)的運(yùn)算需求;此外還要根據(jù)自動(dòng)駕駛對(duì)實(shí)時(shí)性、安全性的特殊要求部署不同規(guī)則。

4 結(jié)論

物聯(lián)網(wǎng)和5G技術(shù)的涌現(xiàn)、發(fā)展推進(jìn)了邊緣計(jì)算的商業(yè)化落地，目前邊緣計(jì)算架構(gòu)已經(jīng)在多個(gè)領(lǐng)域取得了部署成果，也會(huì)作為未來(lái)的研究熱點(diǎn)得到不斷改進(jìn)。本文對(duì)邊緣計(jì)算中的基本架構(gòu)、網(wǎng)絡(luò)、存儲(chǔ)進(jìn)行了詳細(xì)介紹，列舉了其在不同領(lǐng)域的具體應(yīng)用，幫助讀者更好理解邊緣計(jì)算。

參考文獻(xiàn)：

[1]蔣林濤.云計(jì)算、邊緣計(jì)算和算力網(wǎng)絡(luò)[J].信息通信技術(shù)，2020，14（4）：4-8.

[2]鄭逢斌，朱東偉，臧文乾， 等.邊緣計(jì)算：新型計(jì)算范式綜述與應(yīng)用研究[J].計(jì)算機(jī)科學(xué)與探索，2020，14（4）：541-553.

[3]穆琙博，柴瑤琳，宋平， 等.邊緣計(jì)算發(fā)展現(xiàn)狀及標(biāo)準(zhǔn)體系研究[J].信息通信技術(shù)，2020，14（4）：23-30.