國內外邊緣計算技術研究綜述

周杰

摘 ?要： 云計算的發展使得邊緣計算引起廣泛關注。根據來源于CNKI數據庫1078篇文獻的國內數據和來源于Web of Science核心庫210篇高被引論文的國外數據，利用文獻計量法、知識圖譜以及CiteSpace軟件，就文獻量、關鍵詞及熱點、文獻作者及其所屬機構進行分析。在分析結果基礎上，做出了總結與建議，可為推動邊緣計算的理論研究與技術應用提供參考。

關鍵詞： 邊緣計算; 5G; 知識圖譜; 邊云協同

中圖分類號：TP3;G353.1 ? ? ? ? ?文獻標識碼：A ? ? 文章編號：1006-8228（2021）08-08-04

Review of edge computing technology at home and abroad

Zhou Jie

（Library of Guizhou University， Guiyang， Guizhou 550025， China）

Abstract： Edge computing has attracted wide attention because of the ongoing development of cloud computing. According to the domestic data from 1，078 literatures in CNKI database and the foreign data of 210 high cited papers from Web of Science core database， by using bibliometric analysis， knowledge graph and CiteSpace software， the volume of literature， key words and hot spots， authors and the organizations they affiliated are analyzed. Based on the analysis results， this paper makes a summary and some suggestions， which can provide reference for the theoretical research and technical application of edge computing.

Key words： edge computing; 5G; knowledge graph; cloud and edge collaboration

0 引言

2019年，Gartner報告認為，邊緣計算邊緣端靠近數據源，有目的性的實現計算本地化，降低數據鏈路流量，提高實時處理能力^[1]。國內外學術界與產業界針對其概念，不同的學者給予了不同的說明，如萬物互聯的計算模型^[2]、未來顛覆性的計算思維^[3]、數字行業轉型的助推劑^[4]、分布式信息技術架構^[5]等，但對其技術內涵方面的認識卻未有統一見解，針對此分歧，由多國共同發起成立邊緣計算聯盟，即邊緣計算聯盟（ECC），并發布邊緣計算白皮書，邊緣計算是在臨近物或數據源的網絡邊緣端，結合網絡計算、開放存儲核心功能的應用平臺，就近為邊緣端用戶提供相關智能服務，并滿足各領域在實時處理、數據優化、協同聯接、智能應用、安全與隱私保護等數字化方面的需求保障。同時，邊緣計算旨在分擔云端處理數據的壓力。

目前，針對邊緣計算熱點研究方面文獻不多，基于此，本文采用文獻計量法和知識圖譜，對檢索到的國內外邊緣計算相關研究的文獻進行深入的分析，從文獻發文量、關鍵詞與作者方面，運用CiteSpace對其分析，構建知識圖譜。并對比國內外的分析結果，以探求邊緣計算的研究現狀與研究熱點。

1 研究基礎

1.1 研究工具

知識圖譜是利用可視化技術展現知識資源與其之間的關系，是文獻計量分析結果呈現的有利工具。2004年來自美國德雷塞爾大學的陳超美教授在庫恩科學結構演進的啟發下，使用JAVA開發了CiteSpace，一款可視化的文獻分析工具^[6]。CiteSpace工具可實現對文獻作者、機構、關鍵字、文獻被引等操作;本文選擇CiteSpace的5.0.R7版、并利用該版中的Data菜單欄對數據進行必要的處理。

1.2 數據來源

對于國內數據，以CNKI為來源數據庫，運用其高級檢索模塊，以“邊緣計算”為關鍵詞，精確檢索，時間為2016.1.1-2020.12.31（為符合CiteSpace時間片設置，以下內容統稱為2016-2020年），共檢索出1078條中文文獻。而對于國外數據，以Web of science核心庫高被引文獻為對象，以“Edge Computing”為主題，選取時間2016-2020年，并通過“Remove duplicates”進行去重，共獲得高被引論文210篇。

2 國內邊緣計算研究結果分析

2.1文獻量分析

國內數據通過CNKI獲取，對檢索出的文獻，以不同年份利用圖表將其展示出來，如圖1所示

從圖1可以發現，國內對于邊緣計算的研究分三個階段，第一階段是2016-2017年，該階段邊緣計算開始被相關學者、企業所關注，但并沒有進行深入探討，因邊緣計算在理論體系、模型、機制等方面沒有統一的方案;更因該年度云計算是研究的重點，注重云端，而忽略了邊緣端。第二階段2017-2018年，這一階段，對于邊緣計算的研究處于上升期，由于云計算暴露出的問題，如云端數據處理壓力大，網絡延遲等，使得專家學者逐漸開始從云端轉向邊緣端，文獻量也明顯增加。第三階段2018-2020年，該階段對于邊緣計算的研究明顯處于激增狀態，這是由多方原因引起。首先，云端研究遭遇瓶頸，如網絡延遲、數據處理能力壓力大等;其次，2019年IOT、CPS、移動網絡等技術得到了飛速發展，使得更多邊緣設備接入到互聯網中，這也使得對邊緣計算的關注不斷提高。另外，從圖1可以看出，2018-2020年發文量較高，這是因為該年度相關企業、機構開始進入到邊緣計算領域，如華為、中科院、中信院、騰訊、阿里、百度等，并成立了相關組織，旨在通過會議、資金的投入加大對邊緣計算領域的研究，這直接助推了邊緣計算的發展。

2.2 關鍵詞及熱點分析

本文利用CiteSpace對研究對象進行關鍵詞分析，設置時間為2016-2020年，時間間隔1年;聚類詞來源（term source）為作者、摘要、關鍵詞、補充關鍵詞（keywords plus）;節點類型為關鍵詞（keyword）;選擇標準為top50，top10%，最終生成關鍵詞知識圖譜。

國內邊緣計算中，出現頻次相對較高的有“邊緣計算”、“物聯網”、“云計算”、“5G”、“人工智能”、“工業互聯網”等概念。根據中心性定義可知，文獻關鍵詞中心性越高，說明該關鍵詞在該領域越重要。關鍵詞中心性較高的有云計算、邊緣計算、物聯網、5G。其中云計算的中心性最高，云計算是將云端的數據處理量分擔到邊緣端，這表明邊緣計算并沒有擺脫云，說明云計算在數據時代依然占據著重要的位置。物聯網、5G、人工智能、工業物聯網的發展依靠邊緣端，對邊緣端數據計算能力的提高，也就助推了這四領域的發展。而2020年主要有“云平臺”、“AI”以及不同的企業、運營商，如阿里、中國聯通等。分析可發現，隨著邊緣計算基礎理論、架構、相關技術等不斷完善，使得邊緣計算越來越受到重視，開始被應用于各行各業中。

2.3 文獻作者機構關聯分析

本文利用NoteExpress文獻管理軟件中的統計分析選取發文量前50的作者進行分析，得出國內邊緣計算研究作者發文數。同時根據對部分機構的調查研究發現，邊緣計算聯盟關于邊緣計算研究成果較多，其中邊緣計算聯盟發表了多個白皮書，對邊緣計算的特點、概念模型、參考架構等進行了介紹^[7-8]，也給后期研究的學者、機構提供了一定的指導。另外華為邊緣計算聯盟的成員，史揚學者分別在《電氣時代》等期刊上發表了相關文章，這充分說明邊緣計算聯盟自2016年成立以來，對邊緣計算的研究一直處于國內領先的地位。另外來自貝加萊的宋華振學者，主要關注的是智能制造方面的邊緣計算研究^[9-10]。雖然較多的學者、機構投入到邊緣計算的研究中，但是研究內容及時點比較分散，這說明各機構以及學者之間的交流合作并不多，長久下來，這將導致邊緣計算關注度下降，影響邊緣計算的發展。

3 國外邊緣計算研究結果分析

3.1 邊緣計算文獻量分析

國外文獻來源于Web of science高被引文獻，選取時間為近五年，其文獻發文量趨勢如圖2所示。

從圖2中可知，國外對邊緣計算的關注度明顯高于國內，尤其是2017-2019年期間，對邊緣計算的研究處于激增狀態，這種狀態是因為邊緣計算研究思想來源于國外，國外更早的掌握了邊緣計算的基礎知識和核心架構。另外，國外云計算、物聯網、人工智能等相關領域技術的成熟，引導了邊緣計算的發展。從發文量的增長趨勢來看，邊緣計算仍然會是國外未來一段時間研究的熱點領域。

3.2 關鍵詞及熱點分析

為了保證國內外分析結果對比的準確性，針對國外邊緣計算的關鍵詞分析，采用的研究方式，閾值的相關設置與國內研究一致。最終生成關鍵詞知識圖譜。

國外邊緣計算研究中，關鍵詞較高的有“Mobileedge computing”、“Edgecomputing”、“5G”。其中較高的是移動邊緣計算（Mobileedge computing），移動邊緣計算是在移動網絡的支撐下，注重對移動邊緣端的研究，這與先進的移動網路技術是分不開的。其次是邊緣計算，霧計算，而霧計算的高頻使用，也說明了國外已經從邊緣計算的基礎上，拓寬了邊緣計算的研究領域。

國外邊緣計算高頻關鍵詞中心性較高的有“Mobileedge computing”、“Edgecomputing”、“learning”。對比國內外的中心性發現，對于邊緣計算的重視，國內明顯高于國外。同時，國內比國外更加重視對邊緣計算產業的擴展，這與國家政策有關，如，2016年7月，國務院發布《中共中央關于制定國民經濟和社會發展第十三個五年規劃的建議》，旨在提高物聯網的發展，助力設備智能化發展;2017年6月，工信部發布《工業和信息化部辦公廳關于全面推進移動物聯網（NB-IOT）建設發展的通知》，全面推進建設低功耗、寬領域的物聯網基礎設施建設;2020年將諸如5G、物聯網等一批新型基礎設施建設納入到政府工作報告中。

國外的研究，相比于國內邊緣計算關鍵詞時序圖譜所呈現的突變詞，內容上大同小異，但在時間分布上明顯不同，關鍵詞與國內基本持平，但其研究時間明顯長于國內。如“edge computing”，“edge computing environment”分別出現在不同的年份，但仍然是針對邊緣計算展開的深入研究。這說明，國外更加重視基礎理論研究。另外，從研究趨勢上，國外在產業應用廣度、深度方面明顯低于國內。如國內在邊緣計算研究初期就開始研究5G技術，畢竟5G是未來邊緣計算發展的支撐網絡。

3.3 文獻作者分析

針對國外邊緣計算研究的相關作者，選取Cited Author為網絡節點，得出發文作者知識圖譜。國外單個作者的發文量明顯高于國內，如ZHANG YAN、ANSARI NIRWAN學者分別在《Internet of Things Journal》上發表過Energy-Effcient Admisiion of Delay-Sensitive Tasks for Mobile Edge Computing、Mobile Edge Computing：A Survey、Edge computing Aware Noma for 5G Networks等多篇文獻，探討邊緣計算、移動邊緣計算的基礎理論與5G等應用領域知識^[11-13]。國外單篇文章常常為多個作者共同完成，這提示我們應更加注重邊緣計算研究機構之間的合作。

4 結論

本文通過國內外數據的對比，可發現國內相關方面還存在一些問題，今后可從以下幾方面加大關注度。

⑴ 邊緣計算基礎理論的研究。從國外文獻關鍵詞時序圖譜可發現，國外更加注重對邊緣計算相關理論的研究，而國內這方面比較欠缺，國內將更多的研究內容放在了其應用之上，但相關研究成果卻并不是很多，這是邊緣計算以及相關技術理論基礎并不牢固所導致。國內應加深邊緣計算理論研究，形成統一的理論認知體系，促進邊緣計算及相關產業的發展。

⑵ 立足自身產業優勢，拓寬邊緣計算領域研究。國內在產業領域的創新技術已然趕上國外水平，甚至是超過了國外。以國內的華為、阿里、騰訊為代表，如，可依托阿里云，發揮云計算的技術優勢，助推邊緣計算的發展，形成云邊協同的發展態勢，實現云邊端三位一體的計算模式。依托由華為聯合中科院、中信院、ARM成立的邊緣計算產業聯盟，構建邊緣計算產業合作平臺，推動IOT、人工智能、5G等相關產業的發展。

⑶ 加大研究合作力度。相比于國外來說，國內邊緣計算相關研究學者、機構、企事業單位缺乏合作。有目的性的合作可挖掘出更多潛在的價值信息，各研究方在國家政策下，廣泛開展合作，積極探討邊緣計算領域知識，如云邊協同平臺實現問題、如何有效應對不同環境、技術、產業的沖擊問題、邊緣計算相關理論體系的一致性等，問題的解決，將使得邊緣計算向著更加科學、平穩的狀態發展。

⑷ 智能時代對邊緣端的要求。數據密集型范式的形成，加快了智能時代的到來。在智能時代背景下，對基礎設施的要求變得越來越高，尤其是IOT、CPS的快速發展，使得越來越多的智能設備接入網絡，促使了設備需具備計算的能力。加大對設備的建設，必然需要更多的關注邊緣計算、移動邊緣計算領域。

參考文獻（References）：

[1] Gartner. Top 10 Strategic Technology Trends for 2019[0L].

[2018.10.15].https：//www.gartner.com/doc/3891569？ref=mrktg-srch.

[2] 施巍松，孫輝，曹杰等.邊緣計算：萬物互聯時代新型計算模型[J].計算機研究與發展，2017.54（5）：907-924

[3] 周庭銳.邊緣計算：未來十年最具顛覆性的技術思維[J].商學院，2017.12：23-24

[4]史揚，劉梅剛.邊緣計算已來， 助力行業數字化轉型[J].自動化博覽，2017.34（4）：10-13

[5] 華镕.邊緣計算的應用及未來挑戰[J].自動化博覽，2017.34（2）：52-53

[6] 陳悅，陳超美，劉則淵等.CiteSpace知識圖譜的方法論功能[J].科學學研究，2015.33（2）：242-253

[7] 邊緣計算產業聯盟.邊緣計算參考架構1.0[EB/OL].

[2016]. http：//www.ecconsortium.org/Lists/show/id/32.html

[8] 邊緣計算產業聯盟.邊緣計算參考架構2.0[EB/OL].[2017].http：//www. ecconsortium.org/Lists/show/id/163.html.

[9] 宋華振.邊緣計算——走在智能制造的前沿（上）[J].自動化博覽，2017.34（3）：62-64

[10] 宋華振.邊緣計算——走在智能制造的前沿（下）[J].自動化博覽，2017.

[11] Lyu Xc，Tian H， Ni W，Zhang Y，et al. Energy-Effcient

Admisiion of Delay-Sensitive Tasks for Mobile Edge Computing[J].IEEE transactions on communications，2018.5（1）：450-465

[12] Abbas N，Zhang Y，Taherkord，et al.Mobile Edge

Computing：A Survey[J].IEEE Internet of Things Journal，2018.66（6）：2603-2616

[13] Kiani Abbas，Ansari Nirwan. Edge computing Aware

NOMA for 5G Networks[J].IEEE Internet of Things Journal，2018.5（2）：1299-1306

收稿日期：2021-03-01

基金項目：河北省自然基金項目（F2018210058）; 河北省教育廳青年基金項目（QN2016272）

作者簡介：周悅（1994-），女，河北人，在讀碩士，主要研究方向：旋轉式顯示技術、三維顯示技術。

通訊作者：趙正旭（1960-），男，山東人，博士，教授，主要研究方向：遙操作系統、虛擬現實技術和應用、數字孿生。