没有合适的资源?快使用搜索试试~ 我知道了~
首页边缘计算_万物互联时代新型计算模型_施巍松.pdf
边缘计算中的"边缘"是个相对的概念,指从数据源到云计算中心数据路径之间的任意计算资源和网络资源.边缘计算的基本理念是将计算任务在接近数据源的计算资源上运行.首先系统地介绍边缘计算的概念和原理;其次,通过现有研究工作为案例(即云计算任务迁移、视频分析、智能家居、智慧城市、智能交通以及协同边缘),实例化边缘计算的概念;最后,提出边缘计算领域所存在的挑战.该文希望能让学界和产业界了解和关注边缘计算,并能够启发更多的学者开展边缘式大数据处理时代边缘计算模型的研究。
资源详情
资源评论
资源推荐

书书书
计算机研究与发展
D
OI
:
10.7544
?
issn1000
-
1
239.2017.20160941
Journal
of
Com
p
uter
Research
and
Develo
p
ment
54
(
5
)
:
907
-
9
24
,
2017
收
稿日期
:
2
016
-
1
2
-
0
9
;
修
回日期
:
2
017
-
0
2
-
0
9
基
金项目
:
国家自然科学基金面上项目
(
61572001
)
;
安
徽大学
2
016
年博士科研启动经费项目
(
J01003214
)
This
work
was
su
pp
orted
b
y
the
General
Pro
g
ram
of
the
National
Natural
Science
Foundation
of
China
(
61572001
)
and
Anhui
Universit
y
Fund
for
Doctoral
Research
(
J01003214
)
.
通
信作者
:
孙辉
(
s
unhui
@
ahu.edu.cn
)
边
缘计算
:
万物互联时代新型计算模型
施
巍松
1
孙
辉
2
曹
杰
1
张
权
1
刘
伟
2
1
(
韦恩州立大学计算机科学系
美
国底特律
48202
)
2
(
安徽大学计算机科学与技术学院
合
肥
230601
)
(
weison
g
@
wa
y
ne.edu
)
E
d
g
e
Com
p
utin
g
A
n
Emer
g
in
g
Com
p
utin
g
Model
for
the
Internet
of
Ever
y
thin
g
Era
S
hi
Weison
g
1
,
S
un
Hui
2
,
C
ao
Jie
1
,
Z
han
g
Quan
1
,
a
nd
Liu
Wei
2
1
(
D
e
p
artment
o
f
C
om
p
uter
S
cience
,
W
a
y
ne
S
tate
U
niversit
y
,
D
etroit
,
U
SA
4
8202
)
2
(
S
chool
o
f
C
om
p
uter
S
cience
a
nd
T
echnolo
gy
,
A
nhui
U
niversit
y
,
H
e
f
ei
2
30601
)
A
bstract
With
the
p
roliferation
of
Internet
of
thin
g
s
(
IoT
)
and
the
bur
g
eonin
g
of
4G
?
5Gnetwork
,
we
have
seen
the
dawnin
g
of
the
IoE
(
Internet
of
ever
y
thin
g
)
era
,
where
there
will
be
a
hu
g
e
volume
of
data
g
enerated
b
y
thin
g
s
that
are
immersed
in
our
dail
y
life
,
and
hundreds
of
a
pp
lications
will
be
de
p
lo
y
ed
at
the
ed
g
e
to
consume
these
data.Cloud
com
p
utin
g
as
the
de
facto
centralized
bi
g
data
p
rocessin
g
p
latform
is
not
efficient
enou
g
h
to
su
pp
ort
these
a
pp
lications
emer
g
in
g
in
IoE
era
,
i.e.
,
1
)
the
com
p
utin
g
ca
p
acit
y
available
in
the
centralized
cloud
cannot
kee
p
u
p
with
the
ex
p
losive
g
rowin
g
com
p
utational
needs
of
massive
data
g
enerated
at
the
ed
g
e
of
the
network
;
2
)
lon
g
er
user
-
p
e
rceived
latenc
y
caused
b
y
the
data
movement
between
the
ed
g
e
and
the
cloud
;
3
)
p
rivac
y
and
securit
y
concerns
from
data
owners
in
the
ed
g
e
;
4
)
ener
gy
constraints
of
ed
g
e
devices.These
issues
in
the
centralized
bi
g
data
p
rocessin
g
era
have
p
ushed
the
horizon
of
a
new
com
p
utin
g
p
aradi
g
m
,
ed
g
e
com
p
utin
g
,
which
calls
for
p
rocessin
g
the
data
at
the
ed
g
e
of
the
network.Levera
g
in
g
the
p
ower
of
cloud
com
p
utin
g
,
ed
g
e
com
p
utin
g
has
the
p
otential
to
address
the
limitation
of
com
p
utin
g
ca
p
abilit
y
,
the
concerns
of
res
p
onse
time
re
q
uirement
,
bandwidth
cost
savin
g
,
data
safet
y
and
p
rivac
y
,
as
well
as
batter
y
life
constraint.
“
Ed
g
e
”
in
ed
g
e
com
p
utin
g
is
defined
as
an
y
com
p
utin
g
and
network
resources
alon
g
the
p
ath
between
data
sources
and
cloud
data
centers.In
this
p
a
p
er
,
we
introduce
the
definition
of
ed
g
e
com
p
utin
g
,
followed
b
y
several
case
studies
,
ran
g
in
g
from
cloud
offloadin
g
to
smart
home
and
cit
y
,
as
well
as
collaborative
ed
g
e
to
materialize
the
conce
p
t
of
ed
g
e
com
p
utin
g
.Finall
y
,
we
p
resent
several
challen
g
es
and
o
pp
ortunities
in
the
field
of
ed
g
e
com
p
utin
g
,
and
ho
p
e
this
p
a
p
er
will
g
ain
attention
from
the
communit
y
and
ins
p
ire
more
research
in
this
direction.
Ke
y
words
ed
g
e
com
p
utin
g
;
cloud
com
p
utin
g
;
Internet
of
ever
y
thin
g
(
IoE
)
;
s
mart
home
and
cit
y
;
collaborative
ed
g
e
摘
要
随
着物联网的快速发展和
4
G
?
5G
无线网络的普及
,
万
物互联的时代已经到来
,
网络边缘设备数
量的迅速增加
,
使得该类设备所产生的数据已达到泽字节
(
Z
B
)
级
别
.
以云计算模型为核心的集中式大

数
据处理时代
,
其关键技术已经不能高效处理边缘设备所产生的数据
,
主要表现在
:
1
)
线性增长的集中
式云计算能力无法匹配爆炸式增长的海量边缘数据
;
2
)
从网络边缘设备传输海量数据到云中心致使网
络传输带宽的负载量急剧增加
,
造成较长的网络延迟
;
3
)
网络边缘数据涉及个人隐私
,
使得隐私安全问
题变得尤为突出
;
4
)
有限电能的网络边缘设备传输数据到云中心消耗较大电能
.
为此
,
以边缘计算模型
为核心的面向网络边缘设备所产生海量数据计算的边缘式大数据处理应运而生
,
其与现有以云计算模
型为核心的集中式大数据处理相结合
,
即二者相辅相成
,
应用于云中心和网络边缘端的大数据处理
,
较
好地解决了万物互联时代大数据处理中所存在的上述问题
.
边缘计算中的
“
边缘
”
是个相对的概念
,
指从
数据源到云计算中心数据路径之间的任意计算资源和网络资源
.
边缘计算的基本理念是将计算任务在
接近数据源的计算资源上运行
.
首先系统地介绍边缘计算的概念和原理
;
其次
,
通过现有研究工作为案
例
(
即云计算任务迁移
、
视频分析
、
智能家居
、
智慧城市
、
智能交通以及协同边缘
)
,
实
例化边缘计算的概
念
;
最后
,
提出边缘计算领域所存在的挑战
.
该文希望能让学界和产业界了解和关注边缘计算
,
并能够启
发更多的学者开展边缘式大数据处理时代边缘计算模型的研究
.
关
键词
边
缘计算
;
云计算
;
万物互联
;
智能家居和城市
;
协同边缘
中
图法分类号
TP391
;
TP393
自
2
005
年
,
云
计算
[
1
]
的提出和广泛应用
已经改
变了人 们 日 常 工 作 和 生 活 的 方 式
,
如 软 件 即 服 务
(
s
oftware
as
a
service
,
SaaS
)
被广泛应用到谷歌
、
Twitter
、
Facebook
等
著 名
I
T
企业的数据中心
.
可
扩展
的基础设施和支持云服务的处理引擎技术已对
应用服务程序的运行方式产生了巨大影响
,
如谷歌
的文 件 系统
G
oo
g
le
File
S
y
stem
[
2
]
、
M
a
p
Reduce
编
程
模型
[
3
]
、
A
p
a
che
基
金 会 开 发 的 分 布 式 文 件 系 统
H
adoo
p
[
4
]
、
加
州大学伯克利分校
A
MP
实
验室开发
的内存计算框架
S
p
a
rk
[
5
]
等
.
物
联网技术
(
I
nternet
of
thin
g
s
,
IoT
)
[
6
]
旨
在利
用射频识别技术
、
无线数据通信技术等构造一种全
球物品信息实时共享的实物互联网
.
随后
,
“
无
人参
与的计算机信息感知
”
的概念开始逐渐应用到可穿
戴医疗
、
智能家居
、
环境感知和智能运输系统中
[
7
-
8
]
.
如
今
,
我们已经从物联网时代迈进万物互联
(
I
nternet
of
ever
y
thin
g
,
IoE
)
[
9
]
的
时代
,
相比物联网而言
,
万
物互联除了
“
物
”
与
“
物
”
的互联
,
还增加了更高级别
的
“
人
”
与
“
物
”
的互联
,
其突出特点是任何
“
物
”
都将
具有语境感知的功能
、
更强的计算能力和感知能力
.
将人和信息融入到互联网中
,
网络将具有数十亿甚
至数万亿的连接节点
.
万物互联以物理网络为基础
,
增加了网络智能
,
在互联网的
“
万物
”
之间实现融合
、
协同以及可视化的功能
.
随着万物互联的飞速发展及广泛应用
,
边缘设
备正在从以数据消费者为主的单一角色转变为兼顾
数据生产者和数据消费者的双重角色
,
同时网络边
缘设备逐渐具有利用收集的实时数据进行模式识
别
、
执行预测分析或优化
、
智能处理等功能
.
目前
,
大
数据处理已经从以云计算为中心的集中式处理时代
(
本文中我们把
2
005
—
2015
这
10
年
称之为集中式
大数据处理时代
)
正在跨入以万物互联为核心的边
缘计算时代
(
本文中我们称之为边缘式大数据处理
时代
)
.
集中式大数据处理时代
,
更多的是集中式存
储和处理大数据
,
其采取的方式是建造云计算中心
,
并利用云计算中心超强的计算能力来集中式解决计
算和存储问 题
.
相比 而 言
,
在边 缘 式大 数 据处 理 时
代
,
网络边缘设备会产生海量实时数据
;
并且
,
这些
边缘设备将部署支持实时数据处理的边缘计算平台
为用户提供大量服务或功能接口
,
用户可通过调用
这些接口来获取所需的边缘计算服务
.
根据思科全球云指数的预估
[
1
0
]
,
到
2
019
年
,
物
联
网产生数据的
4
5%
将
在网络 边缘存 储
、
处理
、
分
析
,
而全球数据中心总数据流量预计将达到
1
0.4
泽
字
节
(
z
ettab
y
te
,
ZB
)
.
据思科互联网业务解决方案
集
团预测
[
1
1
]
,
到
2
020
年
,
连
接到网络的无线设备数
量将达到
5
00
亿
台
.
基于万物互联平台的应用服务
需要更短的响应时间
,
同时也会产生大量涉及个人
隐私的数据
.
在此情况下
,
传统云计算模式将不能高
效地支持基于万物互联的应用服务程序
,
而边缘式
大数据处理时代下的边缘计算模型则可较好地解决
这些问题
.
在边缘计算模型中
,
网络边缘设备已经具
有足够的计算能力来实现源数据的本地处理
,
并将
结果发送给云计算中心
.
边缘计算模型不仅可降低
数据传输带宽
,
同时能较好地保护隐私数据
,
降低终
端敏感数据隐私泄露的风险
.
因此
,
随着万物互联的
8
09
计算机研究与发展
2017
,
54
(
5
)

发
展
,
边缘计算模型将成为新兴万物互联应用的支
撑平台
.
万物互联技术发展
,
将使云计算中心的部分应
用服务程序迁移到网络边缘设备
.
边缘设备兼顾数
据消费者和生产者
.
本文从概念
、
原理以及挑战等方
面对边缘式大数据处理时代的支撑平台
,
即边缘计
算模型展开介绍
.
首先阐述边缘计算的背景
;
其次介
绍边缘计算的概念
;
为进一步解释边缘计算的概念
,
结合我们研究成果
,
提出未来边缘计算的
6
种典型
案例
,
包括云计算任务迁移
、
视频分析
、
智能家居
、
智
慧城市
、
智能交通以及协同边缘
;
最后
,
讨论边缘计
算所面临的挑战
,
如编程模型
、
命名规则
、
数据抽象
、
服务管理
、
数据隐私保护及安全
、
理论基础及商业模
型
.
通过这些阐述
,
旨在为边缘计算研究者提供未来
的研究方向
.
1
边缘计算的兴起
我们将以云
计算模型为核心的大数据处理阶段
称为集中式大数据处理时代
,
该阶段特征主要表现
为大数据的计算和存储均在云计算中心
(
数据中心
)
采用集中方式执行
,
因为云计算中心具有较强的计
算和存储能力
.
这种资源集中的大数据处理方式可
以为用户节省大量开销
,
创造出有效的规模经济效
益
.
但是
,
云计算中心的集中式处理模式在万物互联
的时代表现出其固有的问题
,
如万物互联背景下
,
网
络边缘设备所产生的数据已达到海量级别
:
1
)
线性
增长的集中式云计算能力无法匹配爆炸式增长的海
量边缘数据
;
2
)
从网络边缘设备传输到云数据中心
的海量数据增加了传输带宽的负载量
,
造成网络延
迟时间较长
;
3
)
边缘设备数据涉及个人隐私和安全
的问题变得尤为突出
;
4
)
边缘设备具有有限电能
,
数
据传输造成终端设备电能消耗较大等
.
针对于此
,
万物互联时代如果仍采用集中式大
数据处理模式下的云计算
,
现有的云计算相关技术
并不能完全高效地处理网络边缘设备所产生的海量
数据
.
因此
,
学术界和产业界开始对新的计算模型进
行深入地研究
,
如微数据中心
[
1
2
]
、
移
动边缘计算
[
1
3
]
、
雾
计算
[
1
4
]
、
C
loudlet
[
1
5
]
、
中国科学院的海
云计算
[
1
6
]
等
.
万
物互联应用需求的发展催生了边缘式大数据
处理模式
,
即边缘计算模型
[
1
7
]
,
其能在网络边缘设
备
上增加执行任务计算和数据分析的处理能力
,
将
原有云计算模型的部分或全部计算任务迁移到网络
边缘设备上
,
降低云计算中心的计算负载
,
减缓网络
带宽的压力
,
提高万物互联时代数据的处理效率
.
本
节中
,
我们首先介绍边缘计算产生的动机
,
然后给出
边缘计算的定义及理解
.
1
.1
边缘计算产生的
动机
1
.1.1
云计算服务的
不足
云计算大多采用集中式管理的方法
,
这使云服
务创造出较高的经济效益
,
而在万物互联的背景下
,
应用服务需要低延时
、
高可靠性以及数据安全
,
而传
统云计算无法满足这些需求
,
主要归因于
3
个方面
:
1
)
实时性
.
万物互联环境下
,
边缘设备产生大
量实 时 数 据
,
云 计 算 性 能
[
1
8
]
正逐渐达到瓶颈
.
据
I
DC
预
测
[
1
9
]
,
到
2
020
年
,
全球数据总量将大于
40ZB.
随
着边缘设备数据量的增加
,
网络带宽正逐渐成为
云计算的另一瓶颈
.
仅提高网络带宽并不能满足新
兴万物互联应用对延迟时间的要求
,
例如
,
波音
7
87
每
秒产生的数据超过
5
GB
[
2
0
]
,
但
飞机与卫星之间的
带宽不足以支持实时传输
.
装载在无人驾驶汽车
[
2
1
]
上
的传感器和摄像头实时捕捉路况信息
,
每秒产生
约
1
GB
数
据
.
根据
I
HS
预
测
[
2
2
]
,
到
2
035
年
,
全
球将
有
5
4
00
万
辆无人驾 驶汽车
,
如何实现较短延时将
是未来主要研究方向
.
为此
,
在接近数据源的边缘设
备上执行部分或全部计算是适应万物互联应用需求
的新兴计算模式
.
2
)
隐私保护
.
当用户使用电子购物网站
、
搜索
引擎
、
社交网络等时
,
用户的隐私数据将被上传至云
中心
[
2
3
]
.
Cortes
等
人研究出一种基于运动追踪的医
疗体育应用服务
[
2
4
]
,
其
包含用户隐 私数据
,
如从路
由起点信息可以查找到用户的家庭地址
.
随着智能
家居的普及
,
许多家庭在屋内安装网络摄像头
,
如果
直接将视频数据上传至云数据中心
,
视频数据的传
输不仅会占用带宽资源
,
还增加了泄露用户隐私数
据的风险
.
为此
,
针对现有云计算模型的数据安全问
题
,
边缘计算模型为这类敏感数据提供了较好的隐
私保护机制
,
一方面
,
用户的源数据在上传至云数据
中心之前
,
首先利用近数据端的边缘结点直接对数
据源进行处理
,
以实现对一些敏感数据的保护与隔
离
;
另一方面
,
边缘 节点 与 云数 据 之间建 立功能 接
口
,
即边缘节点仅接收来自云计算中心的请求
,
并将
处理的结果反馈给云计算中心
.
这种方法可以显著
地降低隐私泄露的风险
.
3
)
能耗
.
针对云数据中心的能耗问题
,
许多研
究者进行了深入的调查研究
[
2
5
-
2
6
]
.
Sverdlik
的
研究
结果表明
[
2
7
]
,
到
2020
年美国所有
数据中心的总能
耗将增长
4
%
,
在
2020
年
将达到约
7
30
亿
千瓦时
.
9
09
施巍松等
:
边缘计算
:
万物互联时代新型计算模型

在
我国
,
环境
3
60
报
告表明
[
2
8
]
,
仅我国数据中心所
消
耗的电能已经超过匈牙利和希腊两国用电的总
和
.
随着在云计算中心运行的用户应用程序越来越
多
,
未来 大 规 模 数 据 中 心 对 能 耗 的 需 求 将 难 以 满
足
[
2
9
]
.
在
云计算中心的能耗优化方面
,
现有的研究内
容主要集中在如何提高能源使用效率
[
3
0
-
3
1
]
和
动态资
源管理策略方面
[
3
2
-
3
3
]
,
以
达到减缓能耗增速
、
最大程
度的节能
.
然而
,
仅提高能效水平等策略
,
虽然可达
到节能的目的
,
但仍不能解决数据中心巨大能耗的
问题
,
这一问题在万物互联环境下将更加突出
.
为解
决这一能耗难题
,
边缘计算模型提出将原有云数据
中心上运行的一些计算任务进行分解
,
然后将分解的
计算任务迁移到边缘节点进行处理
,
以此降低云计算
数据中心的计算负载
,
进而达到降低能耗的目的
.
当前
,
线性增长的集中式云计算能力已无法匹
配爆炸式增长的海量边缘数据
,
基于云计算模型的
单一计算资源已不能满足大数据处理的实时性
、
安
全性和低能耗等需求
,
在现有以云计算模型为核心
的集中式大数据处理基础上
,
亟待需要以边缘计算
模型为核心
,
面向海量边缘数据的边缘式大数据处
理技术
,
二者相辅相成
,
应用于云中心和边缘端大数
据处理
,
解决万物互联时代云计算服务不足的问题
.
1
.1.2
万
物互联的兴起
传感器
、
智能手机
、
可穿戴设备以及智能家电等
设备将成为万物互联的一部分
,
并产生海量数据
,
而
现有云计算的带宽和计算资源还不能高效处理这些
数据
.
因此
,
在网络边缘端处理源数据
,
筛选出有效
的信息并发送到云端将成为一种新的计算模型
,
其
有效降低云中心的网络带宽和计算负载
,
边缘计算
模型受到学术界和产业界的广泛关注
.
F
i
g
.1
Cloud
com
p
utin
g
p
aradi
g
m
图
1
传统云计算模型
图
1
所
示为传统云计算模型
.
源数据由生产者
发送至云端
,
终端用户
、
智能手机
、
个人电脑等数据
消费者向云中心发送使用请求
.
图
1
中
,
蓝色实线表
示数据生产者发送源数据到云中心
,
红色实线表示
数据消费者向云中心发送使用请求
,
红色虚线表示
云中心将结果反馈给数据消费者
.
云计算利用大量
计算资源来处理数据
,
但万物互联环境下
,
传统云计
算模型不能有效满足万物互联应用的需求
,
其原因
主要有
:
①
直接将边缘设备端海量数据发送到云端
,
造成网络带宽负载和计算资源浪费
;
②
传统云计算
模型的隐私保护问题将成为万物互联架构中云计算
模型的障碍
;
③
万物互联架构中大多数边缘设备节
点的能源是有限的
,
并且
G
SM
,
WiFi
等
无线传输模
块的能耗较大
.
针对于此
,
利用边缘设备已具有的计算能力
,
将
应用服务程序的全部或部分计算任务从云中心迁移
到边缘设备端执行
,
降低能源消耗
.
1
.1.3
从数据消费者
到生产者
在云计算模型中
,
边缘终端设备通常作为数据
消费者
(
如用智能手机观看在线视频
)
,
如
今智能手
机也可生产数据
,
从数据消费者到生产者角色的转
变要求边缘设备具有更强的计算能力
,
如人们通过
F
acebook
、
Twitter
、
微
信等分享照片及视频
.
YouTube
用
户每分钟上传长 达
7
2h
的
视频内 容
;
T
witter
用
户
每分钟近
3
0
万
次的访问量
;
I
nsta
g
ram
用
户每分
钟上传近
2
2
万
张新照片
[
3
4
]
;
微信朋友圈和腾讯
Q
Q
空
间每天上传的图片高达
1
0
亿
张
;
腾讯视频每天播
放量达
2
0
亿
次
.
这些图片和视频数据量较大
,
上传
至云计算中心过程会占用大量带宽资源
.
为此
,
在源
数据上传至云中心之前
,
可在边缘设备执行预处理
,
以减少传输的数据量
,
降低传输带宽的负载
.
此外
,
若在边缘设备处理个人身体健康数据等隐私数据
,
用户隐私会得到更好地保护
.
1
.2
边
缘计算定义
F
i
g
.2
Ed
g
e
com
p
utin
g
p
aradi
g
m
图
2
边缘计算模型
边缘计算是指在网络边
缘执行计算的一种新型
计算模型
,
边缘计算中边缘的下行数据表示云服务
,
上行数据表示万物互联服务
,
而边缘计算的边缘是
0
19
计算机研究与发展
2017
,
54
(
5
)
剩余17页未读,继续阅读















安全验证
文档复制为VIP权益,开通VIP直接复制

评论1