作者：高聰1,2,3
1. 西安郵電大學(xué)計(jì)算機(jī)學(xué)院
2. 西安郵電大學(xué)陜西省網(wǎng)絡(luò)數(shù)據(jù)分析與智能處理重點(diǎn)實(shí)驗(yàn)室
3. 西安郵電大學(xué)西安市大數(shù)據(jù)與智能計(jì)算重點(diǎn)實(shí)驗(yàn)室
本文對(duì)邊緣計(jì)算進(jìn)行了系統(tǒng)性的介紹，邊緣計(jì)算社區(qū)經(jīng)過作者授權(quán)發(fā)布本文。
摘要：通過對(duì)邊緣計(jì)算的特征、整體架構(gòu)及其獨(dú)特優(yōu)點(diǎn)的全面梳理，系統(tǒng)地闡述邊緣計(jì)算關(guān)鍵技術(shù)的發(fā)展現(xiàn)狀、發(fā)展趨勢及面臨的技術(shù)難題。此外，指出現(xiàn)有標(biāo)準(zhǔn)與法律法規(guī)的不足。針對(duì)邊緣計(jì)算領(lǐng)域的發(fā)展前景，從推動(dòng)因素、技術(shù)的難點(diǎn)以及外部挑戰(zhàn)3個(gè)方面進(jìn)行總結(jié)，展望了邊緣計(jì)算的發(fā)展方向及未來需要重點(diǎn)攻克的安全與隱私、服務(wù)發(fā)現(xiàn)和用戶切換等6個(gè)方面的關(guān)鍵技術(shù)問題。
關(guān)鍵詞：第五代移動(dòng)通信技術(shù); 邊緣計(jì)算; 云計(jì)算; 工業(yè)物聯(lián)網(wǎng); 車聯(lián)網(wǎng)
0 .引言
物聯(lián)網(wǎng)技術(shù)的發(fā)展使得萬物互聯(lián)成為可能，第五代移動(dòng)通信（5th Generation Mobile Communication Technology，5G）技術(shù)的普及和應(yīng)用即將開啟全球性的“數(shù)據(jù)爆炸”時(shí)代。網(wǎng)絡(luò)邊緣設(shè)備產(chǎn)生的數(shù)據(jù)急速增加，對(duì)于高帶寬和低時(shí)延提出了更高的要求。傳統(tǒng)的云計(jì)算在工作原理和技術(shù)發(fā)展方面的局限性使其無法滿足5G時(shí)代的網(wǎng)絡(luò)需求，計(jì)算中心從云端下沉至邊緣是大勢所趨。
因此，邊緣計(jì)算技術(shù)產(chǎn)生并快速發(fā)展。邊緣計(jì)算的基本原理是在網(wǎng)絡(luò)邊緣的數(shù)據(jù)產(chǎn)生側(cè)對(duì)數(shù)據(jù)進(jìn)行處理和分析，通過及時(shí)響應(yīng)邊緣側(cè)發(fā)起的請(qǐng)求，就近提供服務(wù)，進(jìn)而有效地減少網(wǎng)絡(luò)傳輸所產(chǎn)生的時(shí)延。邊緣計(jì)算節(jié)點(diǎn)在邊緣側(cè)直接處理數(shù)據(jù)，大量本地?cái)?shù)據(jù)不需要上傳至云端，具有良好的隱私性和安全性，是分布式自治、工業(yè)控制自動(dòng)化等眾多領(lǐng)域的重要支撐技術(shù)。
1 .邊緣計(jì)算概述
目前，邊緣計(jì)算技術(shù)正處于發(fā)展階段，學(xué)術(shù)界和工業(yè)界還沒有統(tǒng)一的定義。邊緣計(jì)算的提出者之一施巍松指出[1]，邊緣計(jì)算是一種在網(wǎng)絡(luò)邊緣進(jìn)行計(jì)算的新型計(jì)算模式，其對(duì)數(shù)據(jù)的處理主要包括下行的云服務(wù)和上行的萬物互聯(lián)服務(wù)兩部分。邊緣計(jì)算將計(jì)算和存儲(chǔ)資源分配到邊緣節(jié)點(diǎn)，更加靠近用戶，有效地減輕了骨干網(wǎng)的壓力。這種體系結(jié)構(gòu)給傳統(tǒng)的計(jì)算、網(wǎng)絡(luò)和存儲(chǔ)等技術(shù)帶來了重大挑戰(zhàn)。
隨著研究的深入，歐洲電信標(biāo)準(zhǔn)協(xié)會(huì)（European Telecommunications Standards Institute，ETSI）在2017年將移動(dòng)邊緣計(jì)算擴(kuò)展為多接入邊緣計(jì)算[2]，使得邊緣計(jì)算從電信蜂窩網(wǎng)絡(luò)延伸至其他無線接入網(wǎng)絡(luò)，如Wi-Fi網(wǎng)絡(luò)。多接入邊緣計(jì)算可以看作是運(yùn)行在移動(dòng)網(wǎng)絡(luò)邊緣的云服務(wù)。
隨著物聯(lián)網(wǎng)的出現(xiàn)，實(shí)時(shí)的數(shù)據(jù)存儲(chǔ)、訪問、處理和決策需求變得多種多樣，智能終端、各類無線傳感器等物聯(lián)網(wǎng)設(shè)備持續(xù)不斷地產(chǎn)生大量數(shù)據(jù)，云計(jì)算無法勝任上述計(jì)算需求，影響各類應(yīng)用程序的正常運(yùn)行、導(dǎo)致服務(wù)質(zhì)量下降。多接入邊緣計(jì)算與傳統(tǒng)的云計(jì)算具有本質(zhì)上的區(qū)別，其將計(jì)算和存儲(chǔ)下沉至距離用戶更近的位置，通過服務(wù)器的物理性密集部署為用戶的移動(dòng)需求提供網(wǎng)絡(luò)支持，在網(wǎng)絡(luò)邊緣側(cè)進(jìn)行實(shí)時(shí)計(jì)算，為海量的移動(dòng)終端設(shè)備提供低時(shí)延保障。多接入邊緣計(jì)算引入一個(gè)新的處理環(huán)節(jié)，即邊緣節(jié)點(diǎn)分析來自附近終端用戶的數(shù)據(jù)，僅將計(jì)算結(jié)果等重要信息上傳至云端做進(jìn)一步處理。
邊緣計(jì)算的核心理念是計(jì)算更加靠近數(shù)據(jù)生產(chǎn)的源頭，提供計(jì)算、存儲(chǔ)以及各種網(wǎng)絡(luò)服務(wù)。終端設(shè)備在產(chǎn)生數(shù)據(jù)的同時(shí)還需要處理數(shù)據(jù)，向云端請(qǐng)求服務(wù)和信息，處理云端分發(fā)的計(jì)算任務(wù)。因此，邊緣節(jié)點(diǎn)的設(shè)計(jì)需要高效、可靠和安全，實(shí)現(xiàn)良好的隱私保護(hù)，能夠支持差異性、可擴(kuò)展性、隔離性和可靠性等需求。
▍?1.1 邊緣計(jì)算與傳統(tǒng)云計(jì)算的區(qū)別
傳統(tǒng)云計(jì)算利用集中式的部署降低管理和運(yùn)行的成本，但這種處理方式不是一勞永逸的。近年來，隨著移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等新興技術(shù)的發(fā)展和應(yīng)用，計(jì)算資源的分布趨向于分散化。
傳統(tǒng)海量數(shù)據(jù)的存儲(chǔ)和處理依賴于強(qiáng)大的云平臺(tái)，云計(jì)算具有資源集中的優(yōu)勢，其數(shù)據(jù)處理方式具有非實(shí)時(shí)性和長周期性的特點(diǎn)。與云計(jì)算相比，邊緣計(jì)算不僅具有良好的實(shí)時(shí)性和隱私性，還避免了帶寬瓶頸的問題，更適用于本地?cái)?shù)據(jù)的實(shí)時(shí)處理和分析。
目前，海量數(shù)據(jù)的處理和存儲(chǔ)主要依賴于云計(jì)算。盡管云計(jì)算有很多優(yōu)點(diǎn)，但是隨著移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，云計(jì)算也凸顯出很多問題。云服務(wù)提供商在世界各地建立大型的數(shù)據(jù)處理和存儲(chǔ)中心，有足夠的資源和能力服務(wù)用戶。然而，資源集中意味著終端用戶設(shè)備與云服務(wù)器之間的平均距離較大，增加了網(wǎng)絡(luò)延遲和抖動(dòng)。由于物理距離的增加，云服務(wù)無法直接、快速地訪問本地網(wǎng)絡(luò)的信息，如精確的用戶位置、本地網(wǎng)絡(luò)狀況和用戶移動(dòng)性行為等。
此外，云計(jì)算的規(guī)模日益增長，其固有的服務(wù)選擇問題在集中式的資源配置模式下始終是一個(gè)開放性的問題[3]。對(duì)于車聯(lián)網(wǎng)、虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)（VirtualReality，VR/Augmented Reality，AR）、智慧交通等延遲性敏感的應(yīng)用，云計(jì)算無法滿足低延遲、環(huán)境感知和移動(dòng)性支持等要求。
與云計(jì)算不同，邊緣計(jì)算具有快速、安全、易于管理等特點(diǎn)，更適合用于本地服務(wù)的實(shí)時(shí)智能處理和決策。與傳統(tǒng)云計(jì)算實(shí)現(xiàn)的大型綜合性功能相比，邊緣計(jì)算實(shí)現(xiàn)的功能規(guī)模更小、更直觀，正在以實(shí)時(shí)、快捷和高效的方式對(duì)云計(jì)算進(jìn)行補(bǔ)充。兩個(gè)計(jì)算模型的優(yōu)勢互補(bǔ)表現(xiàn)在：一方面，邊緣計(jì)算靠近數(shù)據(jù)源，可作為云計(jì)算的數(shù)據(jù)收集端。同時(shí)，邊緣計(jì)算的應(yīng)用部署在網(wǎng)絡(luò)邊緣，能夠顯著降低上層云計(jì)算中心的計(jì)算負(fù)載；另一方面，基于云計(jì)算的數(shù)據(jù)分析狀況，可以對(duì)邊緣計(jì)算的理論及關(guān)鍵技術(shù)實(shí)施修正和改進(jìn)。
邊緣計(jì)算與傳統(tǒng)云計(jì)算的工作方式如圖1所示，傳統(tǒng)的云計(jì)算模型將數(shù)據(jù)全部上傳至云端，利用云端的超級(jí)計(jì)算能力進(jìn)行集中處理。邊緣計(jì)算通過將算力下沉到邊緣節(jié)點(diǎn)，實(shí)現(xiàn)邊緣與云端的協(xié)同處理。
面對(duì)萬物互聯(lián)場景中高帶寬、超低時(shí)延的需求，云計(jì)算在以下3個(gè)方面存在不足。
1.1.1 數(shù)據(jù)處理的及時(shí)性
云計(jì)算無法滿足數(shù)據(jù)處理的實(shí)時(shí)性。考慮物聯(lián)網(wǎng)設(shè)備的數(shù)量將幾何式增長，單位時(shí)間內(nèi)產(chǎn)生的數(shù)據(jù)大量增加，數(shù)據(jù)處理的時(shí)效性顯得更加重要。傳統(tǒng)的云計(jì)算受限于遠(yuǎn)程數(shù)據(jù)傳輸速率以及集中式體系結(jié)構(gòu)的瓶頸問題，無法滿足大數(shù)據(jù)時(shí)代各類應(yīng)用場景的實(shí)時(shí)性要求。如在工業(yè)領(lǐng)域中運(yùn)用云端融合技術(shù)解決大數(shù)據(jù)處理的實(shí)時(shí)性、精準(zhǔn)性等問題，實(shí)現(xiàn)工業(yè)大數(shù)據(jù)的處理分析決策與反饋控制的智能化和柔性化[4]。
1.1.2 安全與隱私
在云計(jì)算中，所有數(shù)據(jù)都要通過網(wǎng)絡(luò)上傳至云端進(jìn)行處理，計(jì)算資源的集中帶來了數(shù)據(jù)安全與隱私保護(hù)的風(fēng)險(xiǎn)[5]。即使是谷歌、微軟和亞馬遜等全球性的云計(jì)算服務(wù)提供商也無法完全避免數(shù)據(jù)的泄漏和丟失。云計(jì)算中不安全的應(yīng)用程序接口、賬戶劫持和證書認(rèn)證體系缺陷等問題會(huì)對(duì)數(shù)據(jù)安全造成很大的威脅。
1.1.3 網(wǎng)絡(luò)依賴性
云計(jì)算提供的服務(wù)依賴于通暢的網(wǎng)絡(luò)，當(dāng)網(wǎng)絡(luò)不穩(wěn)定時(shí)，用戶的使用體驗(yàn)很差。在沒有網(wǎng)絡(luò)接入的地方，無法使用云服務(wù)。因此，云計(jì)算過度地依賴于網(wǎng)絡(luò)。
云計(jì)算的諸多不足加速了邊緣計(jì)算的產(chǎn)生，邊緣計(jì)算將計(jì)算和存儲(chǔ)功能下沉至網(wǎng)絡(luò)邊緣的數(shù)據(jù)產(chǎn)生側(cè)，將傳統(tǒng)云計(jì)算的部分處理任務(wù)遷移至邊緣計(jì)算節(jié)點(diǎn)，很好地解決了云計(jì)算存在的問題。目前，邊緣計(jì)算并不能完全取代云計(jì)算，二者的發(fā)展與應(yīng)用相輔相成。邊緣計(jì)算與云計(jì)算共同協(xié)作能夠有效減少數(shù)據(jù)傳輸、合理分配計(jì)算負(fù)載和高效進(jìn)行任務(wù)調(diào)度。邊緣計(jì)算基礎(chǔ)設(shè)施在網(wǎng)絡(luò)邊緣側(cè)提供計(jì)算卸載、數(shù)據(jù)處理、數(shù)據(jù)存儲(chǔ)和隱私保護(hù)等功能。
▍?1.2 邊緣計(jì)算的整體架構(gòu)
邊緣計(jì)算的整體架構(gòu)主要分為云中心、邊緣節(jié)點(diǎn)和終端節(jié)點(diǎn)3層[6]，具體架構(gòu)如圖2所示。
1）云中心。盡管云計(jì)算處理中心將部分任務(wù)分發(fā)至邊緣計(jì)算節(jié)點(diǎn)，其仍然是現(xiàn)階段的數(shù)據(jù)計(jì)算中心，超大規(guī)模數(shù)據(jù)的處理和分析任務(wù)還是由云計(jì)算中心完成。邊緣計(jì)算的結(jié)果由云計(jì)算中心進(jìn)行永久性存儲(chǔ)。
2）邊緣節(jié)點(diǎn)。邊緣節(jié)點(diǎn)是物理世界與數(shù)字世界的連接樞紐。邊緣計(jì)算的計(jì)算任務(wù)最終由邊緣節(jié)點(diǎn)本身或邊緣網(wǎng)關(guān)、路由器等完成。因此，如何在動(dòng)態(tài)的網(wǎng)絡(luò)拓?fù)渲袑?duì)計(jì)算任務(wù)進(jìn)行分配和調(diào)度是邊緣計(jì)算的研究熱點(diǎn)。通過設(shè)計(jì)高效的網(wǎng)絡(luò)架構(gòu)，合理地部署邊緣計(jì)算節(jié)點(diǎn)，優(yōu)化地調(diào)配網(wǎng)絡(luò)邊緣側(cè)的計(jì)算和存儲(chǔ)資源，提供高質(zhì)量、低時(shí)延的服務(wù)。
3）終端節(jié)點(diǎn)。終端設(shè)備由各種物聯(lián)網(wǎng)設(shè)備構(gòu)成，主要進(jìn)行數(shù)據(jù)采集，將數(shù)據(jù)導(dǎo)向邊緣節(jié)點(diǎn)或云中心。
數(shù)據(jù)產(chǎn)生后由終端節(jié)點(diǎn)，即各類傳感器和邊緣設(shè)備收集并上傳至邊緣節(jié)點(diǎn)。邊緣節(jié)點(diǎn)負(fù)責(zé)邊緣設(shè)備的接入管理，同時(shí)，對(duì)收到的原始數(shù)據(jù)進(jìn)行實(shí)時(shí)分析、處理和決策，然后將少量的數(shù)據(jù)如計(jì)算結(jié)果等重要信息上傳至云計(jì)算處理中心。云計(jì)算處理中心對(duì)來自邊緣節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行集成，進(jìn)一步實(shí)施大規(guī)模的整體性數(shù)據(jù)分析，在此過程中適當(dāng)?shù)貙?duì)計(jì)算任務(wù)進(jìn)行調(diào)度和分配，與邊緣計(jì)算節(jié)點(diǎn)進(jìn)行協(xié)作。
邊緣計(jì)算這種新興的計(jì)算模型涵蓋了移動(dòng)互聯(lián)網(wǎng)、車聯(lián)網(wǎng)、蜂窩網(wǎng)和物聯(lián)網(wǎng)等眾多應(yīng)用領(lǐng)域，需要應(yīng)對(duì)網(wǎng)絡(luò)邊緣側(cè)不同的網(wǎng)絡(luò)設(shè)備和應(yīng)用場景。最初，多數(shù)網(wǎng)絡(luò)服務(wù)提供商嘗試?yán)密浖鉀Q方案實(shí)現(xiàn)邊緣計(jì)算，如諾基亞的移動(dòng)邊緣計(jì)算軟件是使基站能夠提供邊緣計(jì)算服務(wù)，Cisco IOx（IOS and Linux）網(wǎng)絡(luò)基礎(chǔ)設(shè)施為多業(yè)務(wù)路由器的集成提供了執(zhí)行環(huán)境，IOS是指互聯(lián)網(wǎng)操作系統(tǒng)。但是類似的解決方案都與特定的硬件密切相關(guān)，不能很好地應(yīng)對(duì)復(fù)雜的異構(gòu)環(huán)境[7]。
不同領(lǐng)域的大量應(yīng)用導(dǎo)致邊緣計(jì)算數(shù)據(jù)的多樣化和復(fù)雜性。因此，除了圖2所示的3層架構(gòu)之外，還必須針對(duì)不同的應(yīng)用場景和計(jì)算模式設(shè)計(jì)具體的架構(gòu)，規(guī)劃計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)等軟硬件資源的配置，使得邊緣計(jì)算節(jié)點(diǎn)的具體落地方案在性能、安全和能源消耗等方面達(dá)到最優(yōu)化。
▍?1.3 邊緣計(jì)算的獨(dú)特優(yōu)勢
邊緣設(shè)備的擴(kuò)展使得應(yīng)用程序可以在邊緣區(qū)域處理數(shù)據(jù)，無需將數(shù)據(jù)全部傳送至云計(jì)算中心，可以最小化服務(wù)延遲和帶寬消耗，有效降低云計(jì)算服務(wù)器的負(fù)載，顯著減小網(wǎng)絡(luò)帶寬的壓力，提高了數(shù)據(jù)處理的效率。對(duì)于云計(jì)算無法適應(yīng)的時(shí)延敏感計(jì)算、低價(jià)值密度和應(yīng)急場景等問題，邊緣計(jì)算技術(shù)也可以較好地解決。
邊緣計(jì)算技術(shù)本身的特點(diǎn)使其具有以下4個(gè)優(yōu)點(diǎn)：
1）實(shí)時(shí)數(shù)據(jù)處理和分析。邊緣計(jì)算節(jié)點(diǎn)的部署更靠近數(shù)據(jù)產(chǎn)生的源頭，數(shù)據(jù)可以實(shí)時(shí)地在本地進(jìn)行計(jì)算和處理，無需在外部數(shù)據(jù)中心或云端進(jìn)行，減少了處理遲延。
2）節(jié)約成本。智慧城市和智能家居中終端設(shè)備產(chǎn)生的數(shù)據(jù)量呈指數(shù)增長，邊緣計(jì)算能夠減少集中處理，通過實(shí)時(shí)處理更快地做出響應(yīng)，進(jìn)而改善了服務(wù)質(zhì)量。數(shù)據(jù)本地化處理在管理方面的開銷相比于傳統(tǒng)的云計(jì)算中心要少很多。
3）緩解網(wǎng)絡(luò)帶寬壓力。邊緣計(jì)算技術(shù)在處理終端設(shè)備的數(shù)據(jù)時(shí)可以過濾掉大量的無用數(shù)據(jù)，只有少量的原始數(shù)據(jù)和重要信息上傳至云端，顯著減小了網(wǎng)絡(luò)帶寬的壓力。
4）隱私策略實(shí)施。物聯(lián)網(wǎng)系統(tǒng)高度集中且規(guī)模較大，邊緣設(shè)備的數(shù)據(jù)隱私保護(hù)不容忽視，通常用戶不愿意將比較敏感的原始傳感器數(shù)據(jù)和計(jì)算結(jié)果傳送到云端。邊緣計(jì)算設(shè)備作為物聯(lián)網(wǎng)傳感器等數(shù)據(jù)基礎(chǔ)設(shè)施的首要接觸點(diǎn)，能夠在將數(shù)據(jù)上傳到云端之前執(zhí)行數(shù)據(jù)所有者所應(yīng)用的隱私策略，提升數(shù)據(jù)的安全性。
2.邊緣計(jì)算的關(guān)鍵技術(shù)
▍?2.1 核心技術(shù)問題
2.1.1 軟硬件及存儲(chǔ)
1）軟件方面。針對(duì)未來萬物互聯(lián)所產(chǎn)生的海量數(shù)據(jù)以及各類應(yīng)用場景對(duì)時(shí)延、帶寬的苛刻要求，邊緣計(jì)算環(huán)境下的應(yīng)用軟件必須具有可重配置性、可移植性以及各種應(yīng)用領(lǐng)域中的互操作功能[8]。如部署在工業(yè)物聯(lián)網(wǎng)以及智能交通等領(lǐng)域的邊緣計(jì)算節(jié)點(diǎn)上的軟件，必須根據(jù)生產(chǎn)需求的改變和實(shí)時(shí)路況的更新及時(shí)地做出調(diào)整，基于實(shí)時(shí)數(shù)據(jù)進(jìn)行計(jì)算和分析，進(jìn)而對(duì)系統(tǒng)做出優(yōu)化。此外，需要在遠(yuǎn)程管理功能方面對(duì)邊緣計(jì)算應(yīng)用軟件進(jìn)行加強(qiáng)。
2）硬件方面。與傳統(tǒng)的云計(jì)算相比，邊緣計(jì)算節(jié)點(diǎn)對(duì)于硬件的要求更為嚴(yán)苛?？紤]邊緣計(jì)算的分布式部署特性，邊緣節(jié)點(diǎn)可能位于車間、小區(qū)、校園和街道等任何位置，這給邊緣節(jié)點(diǎn)的硬件設(shè)計(jì)和維護(hù)帶來了巨大的挑戰(zhàn)。只有采用高標(biāo)準(zhǔn)的硬件設(shè)備，才能盡可能地降低故障率、減少設(shè)備維護(hù)。目前，工業(yè)界尚未形成統(tǒng)一的標(biāo)準(zhǔn)，各大廠商所生產(chǎn)的硬件設(shè)備之間缺乏互聯(lián)互通和互操作性。由于部署環(huán)境和任務(wù)需求的不同，邊緣計(jì)算節(jié)點(diǎn)的硬件設(shè)備在研發(fā)時(shí)必須綜合考慮集成度、硬件加速、能量消耗以及協(xié)議規(guī)范性等問題。
3）存儲(chǔ)方面。邊緣計(jì)算的很多應(yīng)用場景對(duì)延遲極其敏感，如網(wǎng)絡(luò)和嵌入式應(yīng)用程序。雖然用閃存驅(qū)動(dòng)器代替機(jī)械磁盤是存儲(chǔ)設(shè)備發(fā)展的趨勢，但是現(xiàn)有存儲(chǔ)系統(tǒng)的設(shè)計(jì)在很大程度上取決于磁盤的特性，而不是閃存驅(qū)動(dòng)器的特性。隨著邊緣計(jì)算技術(shù)的發(fā)展，高速、節(jié)能的小型閃存驅(qū)動(dòng)器將大量部署在邊緣節(jié)點(diǎn)上。無論單個(gè)磁盤還是全閃存服務(wù)器都需要匹配相應(yīng)的存儲(chǔ)軟件，面向閃存的軟件存儲(chǔ)系統(tǒng)是邊緣計(jì)算的一項(xiàng)關(guān)鍵技術(shù)。
2.1.2 網(wǎng)絡(luò)通信
在邊緣計(jì)算中，存儲(chǔ)和計(jì)算資源從云數(shù)據(jù)中心轉(zhuǎn)移到邊緣節(jié)點(diǎn)，同時(shí)計(jì)算任務(wù)從骨干網(wǎng)絡(luò)下沉至邊緣節(jié)點(diǎn)。服務(wù)器內(nèi)部與外部的交互大量增加，傳統(tǒng)的傳輸控制協(xié)議/網(wǎng)際協(xié)議（TransmissionControl Protocol/Internet Protocol，TCP/IP）技術(shù)很難滿足具體應(yīng)用的需求。
為了應(yīng)對(duì)這一挑戰(zhàn)，無限帶寬（InfiniBand），遠(yuǎn)程直接內(nèi)存訪問（RemoteDirect Memory Access，RDMA）和數(shù)據(jù)平面開發(fā)套件（Data PlaneDevelopment Kit，DPDK）成為邊緣計(jì)算的關(guān)鍵加速技術(shù)[9]。
隨著5G技術(shù)的發(fā)展與應(yīng)用，引入了網(wǎng)絡(luò)切片技術(shù)對(duì)5G網(wǎng)絡(luò)的3大應(yīng)用場景進(jìn)行統(tǒng)一管理。在接入網(wǎng)、承載網(wǎng)和核心網(wǎng)3個(gè)層面，分別采用NFV、SDN和服務(wù)化架構(gòu)（Service-based Architecture，SBA）3個(gè)技術(shù)對(duì)網(wǎng)絡(luò)進(jìn)行切片。
1）作為一種電纜轉(zhuǎn)換技術(shù)，InfiniBand支持并發(fā)鏈路，具有高帶寬、低延遲和高擴(kuò)展性的特點(diǎn)，適用于服務(wù)器與服務(wù)器、服務(wù)器與存儲(chǔ)設(shè)備以及服務(wù)器與網(wǎng)絡(luò)之間的通信[10]。遠(yuǎn)程直接內(nèi)存訪問技術(shù)可以將數(shù)據(jù)直接通過網(wǎng)絡(luò)傳輸?shù)接?jì)算機(jī)的存儲(chǔ)區(qū)域，即數(shù)據(jù)可以直接從一個(gè)系統(tǒng)快速地傳輸?shù)搅硪粋€(gè)遠(yuǎn)程系統(tǒng)的內(nèi)存中。該技術(shù)對(duì)設(shè)備的計(jì)算能力沒有很高的要求，避免了外部存儲(chǔ)器上的復(fù)制和交換操作，提高了系統(tǒng)性能。DPDK是由英特爾等多家公司研發(fā)的應(yīng)用程序開發(fā)套件[11]，其能夠提高數(shù)據(jù)包的處理速度，將控制線程和數(shù)據(jù)線程綁定到不同的CPU內(nèi)核，提供內(nèi)存池和無鎖的環(huán)形緩沖區(qū)，減少線程之間CPU內(nèi)核的調(diào)度。
2）網(wǎng)絡(luò)切片技術(shù)主要分為通信管理、網(wǎng)絡(luò)切片管理以及網(wǎng)絡(luò)切片子網(wǎng)管理部分。通過將一個(gè)物理網(wǎng)絡(luò)分割成若干個(gè)邏輯網(wǎng)絡(luò)，同一個(gè)物理網(wǎng)絡(luò)可以為不同的應(yīng)用場景提供按需應(yīng)變的定制化網(wǎng)絡(luò)服務(wù)[12]，能夠滿足人們的個(gè)性化需求和服務(wù)質(zhì)量要求。邊緣計(jì)算技術(shù)的發(fā)展必須考慮如何與網(wǎng)絡(luò)切片技術(shù)更好地結(jié)合，進(jìn)而為工業(yè)物聯(lián)網(wǎng)、車聯(lián)網(wǎng)和AR/VR等垂直行業(yè)提供低時(shí)延、高可靠及通信安全的網(wǎng)絡(luò)服務(wù)。
2.1.3 安全與隱私
首先，僅保證云-邊-端各層之間的安全并不能保證整體性的數(shù)據(jù)安全，需要協(xié)調(diào)云-邊、邊-端、云-端等各種安全機(jī)制，實(shí)現(xiàn)異構(gòu)邊緣數(shù)據(jù)中心之間的協(xié)作[13]。安全機(jī)制的設(shè)定需要盡可能地自治，避免過分地依賴于基礎(chǔ)設(shè)施，減少針對(duì)基礎(chǔ)設(shè)施的惡意攻擊?？紤]邊緣計(jì)算節(jié)點(diǎn)的分布十分廣泛，環(huán)境差異較大，社區(qū)和個(gè)人的邊緣計(jì)算節(jié)點(diǎn)普遍缺乏商用服務(wù)器的各種硬件保護(hù)機(jī)制。因此，這類邊緣計(jì)算節(jié)點(diǎn)的安全與隱私保護(hù)也是一大挑戰(zhàn)。
其次，由于邊緣節(jié)點(diǎn)在網(wǎng)絡(luò)中分布不均勻，終端設(shè)備對(duì)數(shù)據(jù)的收集、聚合和分析無法有效地進(jìn)行集中控制[14]。智能家居設(shè)備等保護(hù)性較差的邊緣節(jié)點(diǎn)，很可能成為入侵者實(shí)施惡意攻擊的首選目標(biāo)。如何保證邊緣計(jì)算敏感數(shù)據(jù)的機(jī)密性和關(guān)鍵數(shù)據(jù)的完整性是安全與隱私保護(hù)的重點(diǎn)。此外，邊緣節(jié)點(diǎn)處于網(wǎng)絡(luò)邊緣，靠近應(yīng)用場景中的關(guān)鍵業(yè)務(wù)設(shè)備、智能手機(jī)、智能家居和各類傳感器等終端設(shè)備。因此，必須考慮具體的硬件設(shè)備、網(wǎng)絡(luò)環(huán)境、以及應(yīng)用程序的安全性。
▍?2.2 關(guān)鍵技術(shù)及發(fā)展趨勢
2.2.1 關(guān)鍵技術(shù)
1）5G網(wǎng)絡(luò)技術(shù)。5G網(wǎng)絡(luò)與邊緣計(jì)算技術(shù)的關(guān)系十分緊密，5G網(wǎng)絡(luò)對(duì)超低時(shí)延、高帶寬和大容量等需求的支持性，使得邊緣計(jì)算成為5G的核心技術(shù)之一[15]。邊緣計(jì)算技術(shù)的優(yōu)勢很好地解決了帶寬的不足的問題，彌補(bǔ)了網(wǎng)絡(luò)的時(shí)延和抖動(dòng)等性能缺陷，極大地改善了用戶體驗(yàn)。
2）計(jì)算技術(shù)。計(jì)算能力是邊緣計(jì)算節(jié)點(diǎn)的一個(gè)重要性能指標(biāo)。在“ABC SUMMIT 2019百度云智峰會(huì)”上，百度介紹了百邊緣計(jì)算（Bai Edge Computing，BEC）[16]，其基于運(yùn)營商節(jié)點(diǎn)和已有的網(wǎng)絡(luò)架構(gòu)，一站式地提供全面覆蓋的分布式算力資源，通過對(duì)終端數(shù)據(jù)進(jìn)行就近計(jì)算和處理，大幅度地優(yōu)化響應(yīng)時(shí)延、降低云計(jì)算中心的負(fù)載，為用戶提供高效、靈活的邊緣算力資源和平臺(tái)。
3）存儲(chǔ)技術(shù)。邊緣計(jì)算將原本在云計(jì)算中心進(jìn)行的數(shù)據(jù)存儲(chǔ)、處理和簡單分析的工作遷移到邊緣節(jié)點(diǎn)，降低了時(shí)延和增加了隱私性，但是也給邊緣節(jié)點(diǎn)的存儲(chǔ)能力帶來了壓力。工業(yè)界引入超融合架構(gòu)[17]應(yīng)對(duì)存儲(chǔ)需求，其包含商用硬件和存儲(chǔ)管理軟件，基于虛擬存儲(chǔ)設(shè)備，以虛擬機(jī)為中心將存儲(chǔ)管理、數(shù)據(jù)保護(hù)和網(wǎng)絡(luò)通信集成到節(jié)點(diǎn)內(nèi)，具有高性能與高可靠性的特點(diǎn)。由于采用了分布式存儲(chǔ)池，能夠在不中斷系統(tǒng)業(yè)務(wù)的情況下，根據(jù)實(shí)際需求進(jìn)行節(jié)點(diǎn)的新增與刪除。
4）系統(tǒng)平臺(tái)。已有的邊緣計(jì)算平臺(tái)通常包含資源管理、設(shè)備接入、數(shù)據(jù)采集、安全管理和平臺(tái)管理5個(gè)功能模塊。文獻(xiàn)[18]提到以下4個(gè)邊緣計(jì)算平臺(tái)。EdgeXFoundry和ApacheEdgent，前者是工業(yè)領(lǐng)域的標(biāo)準(zhǔn)化互操作性框架，后者是面向本地實(shí)時(shí)分析的流數(shù)據(jù)處理框架，上述兩個(gè)系統(tǒng)都部署在路由器、交換機(jī)等邊緣設(shè)備上。
面向邊緣云的交換中心重構(gòu)數(shù)據(jù)中心項(xiàng)目（Central Office Re-architected as a Datacenter，CORD）和AkrainoEdgeStack，前者基于軟件定義網(wǎng)絡(luò)、網(wǎng)絡(luò)功能虛擬化和傳統(tǒng)云計(jì)算構(gòu)建可擴(kuò)展的邊緣網(wǎng)絡(luò)基礎(chǔ)設(shè)施，后者基于開源軟件棧構(gòu)建網(wǎng)絡(luò)基礎(chǔ)設(shè)施和邊緣計(jì)算應(yīng)用的整體解決方案，上述兩個(gè)系統(tǒng)均是針對(duì)網(wǎng)絡(luò)運(yùn)營商的邊緣計(jì)算平臺(tái)。
此外，由容器軟件提供商Rancher Labs發(fā)布的k3OS是首個(gè)專為kubernetes而生的操作系統(tǒng)[19]，該系統(tǒng)資源消耗低，簡化了邊緣計(jì)算環(huán)境中的操作，適用于邊緣計(jì)算、物聯(lián)網(wǎng)等新興的應(yīng)用場景。華為將KubeEdge開源項(xiàng)目捐獻(xiàn)給云原生計(jì)算基金會(huì)[20]（CloudNative Computing Foundation，CNCF），形成全球首個(gè)基于kubernetes擴(kuò)展的、提供云-邊協(xié)同能力的開放式邊緣計(jì)算平臺(tái)，實(shí)現(xiàn)了云-邊協(xié)同、計(jì)算下沉和海量設(shè)備接入等功能。
2.2.2 發(fā)展趨勢
1）云-邊-端協(xié)同發(fā)展
雖然云計(jì)算的相關(guān)技術(shù)已經(jīng)比較成熟，但其工作原理造成的集中式數(shù)據(jù)處理、網(wǎng)絡(luò)時(shí)延和抖動(dòng)等固有問題依然存在。邊緣計(jì)算的發(fā)展對(duì)云計(jì)算是一個(gè)強(qiáng)力的補(bǔ)充。在未來物聯(lián)網(wǎng)的發(fā)展中，邊緣計(jì)算、云計(jì)算和終端設(shè)備必須進(jìn)行協(xié)作。云計(jì)算負(fù)責(zé)任務(wù)調(diào)度等全局性工作。邊緣計(jì)算是云計(jì)算向數(shù)據(jù)產(chǎn)生側(cè)的延伸，側(cè)重于現(xiàn)場、實(shí)時(shí)性和安全性等，在對(duì)數(shù)據(jù)進(jìn)行處理后將有價(jià)值的信息上傳至云端。終端設(shè)備通過各類內(nèi)嵌的傳感器對(duì)原始數(shù)據(jù)進(jìn)行采集。
2）邊緣計(jì)算與5G網(wǎng)絡(luò)協(xié)同發(fā)展
5G網(wǎng)絡(luò)的商用為邊緣計(jì)算提供了進(jìn)一步的發(fā)展契機(jī)。雖然5G網(wǎng)絡(luò)具有高帶寬、大容量、低時(shí)延等優(yōu)勢，但該技術(shù)極大地增加了數(shù)據(jù)處理的規(guī)模，必須提供一種兼具高效性和可靠性的新型計(jì)算模式[21]。多接入邊緣計(jì)算被視為一種向5G過渡的關(guān)鍵技術(shù)和架構(gòu)性概念，能夠充分發(fā)揮5G的各種優(yōu)勢，從云-邊-端3個(gè)方面優(yōu)化資源的配置，實(shí)現(xiàn)系統(tǒng)性能、成本、用戶體驗(yàn)等多個(gè)方面的提升。
3）個(gè)性化發(fā)展
在實(shí)際生產(chǎn)環(huán)境中，邊緣計(jì)算基礎(chǔ)設(shè)施的擁有者、各節(jié)點(diǎn)的任務(wù)類型、計(jì)算量等都不盡相同。在部署邊緣應(yīng)用時(shí)，必須保證能夠提供最低服務(wù)水平。在開發(fā)邊緣計(jì)算設(shè)備和應(yīng)用程序時(shí)應(yīng)當(dāng)充分考慮可能面臨的個(gè)性化需求，以便更高效地利用基礎(chǔ)設(shè)施資源。
3.邊緣計(jì)算面臨的挑戰(zhàn)
▍?3.1 技術(shù)挑戰(zhàn)
在傳統(tǒng)的云計(jì)算架構(gòu)中，數(shù)據(jù)中心是資源的控制者，用戶按照需求申請(qǐng)資源。用戶數(shù)據(jù)上傳至數(shù)據(jù)中心進(jìn)行處理，數(shù)據(jù)中心處理完成后將結(jié)果通過網(wǎng)絡(luò)反饋給用戶。在邊緣計(jì)算架構(gòu)中，計(jì)算、存儲(chǔ)等資源下沉至邊緣節(jié)點(diǎn)，位于用戶附近。用戶不需要完全依賴于數(shù)據(jù)中心。因此，用于計(jì)算、網(wǎng)絡(luò)和存儲(chǔ)的關(guān)鍵技術(shù)發(fā)生了重大變化[22]。
3.1.1 安全與隱私
邊緣計(jì)算具有位置感知能力，能夠在智慧城市中提供實(shí)時(shí)的、低成本的服務(wù)。同時(shí)，邊緣計(jì)算的出現(xiàn)也帶來了額外的安全威脅，從以下4個(gè)角度增加了攻擊面。
1）計(jì)算能力弱。與云服務(wù)器相比，邊緣服務(wù)器的計(jì)算能力很弱。邊緣服務(wù)器更容易受到現(xiàn)有攻擊方式的攻擊，而這些攻擊對(duì)云服務(wù)器早已失效。同理，與通用計(jì)算機(jī)相比，邊緣設(shè)備的防御機(jī)制更加脆弱，許多針對(duì)桌面計(jì)算機(jī)的無效攻擊可能對(duì)邊緣設(shè)備構(gòu)成嚴(yán)重威脅。
2）攻擊無意識(shí)。與通用計(jì)算機(jī)不同，大多數(shù)物聯(lián)網(wǎng)設(shè)備沒有用戶界面，有些設(shè)備只包含比較簡陋的硬件，這導(dǎo)致用戶對(duì)設(shè)備運(yùn)行狀態(tài)的了解很有限。因此，即使攻擊發(fā)生在邊緣設(shè)備上，絕大多數(shù)用戶是無法識(shí)別的。
3）操作系統(tǒng)和協(xié)議的異構(gòu)性。通用計(jì)算機(jī)傾向于使用標(biāo)準(zhǔn)的操作系統(tǒng)和統(tǒng)一的通信協(xié)議，而邊緣設(shè)備通常具有不同的操作系統(tǒng)和通信協(xié)議，并沒有遵循統(tǒng)一的、標(biāo)準(zhǔn)化的規(guī)則，導(dǎo)致設(shè)計(jì)統(tǒng)一的邊緣計(jì)算保護(hù)機(jī)制比較困難。
4）粗粒度訪問控制。針對(duì)通用計(jì)算機(jī)和云計(jì)算設(shè)計(jì)的訪問控制模型主要包括無讀寫、只讀、只寫、讀寫等4類權(quán)限。這類粗粒度的訪問控制模型無法適應(yīng)邊緣計(jì)算的需求，邊緣計(jì)算中復(fù)雜的系統(tǒng)以及應(yīng)用程序需要細(xì)粒度的訪問控制，進(jìn)而應(yīng)對(duì)諸如“誰可以通過在何時(shí)做什么來訪問哪些傳感器”之類的問題。
3.1.2 服務(wù)發(fā)現(xiàn)
終端用戶設(shè)備通常是針對(duì)某項(xiàng)功能的專用設(shè)備，其通過網(wǎng)絡(luò)請(qǐng)求不同類型的服務(wù)。然而，移動(dòng)設(shè)備上運(yùn)行的應(yīng)用程序通常并不知曉邊緣節(jié)點(diǎn)上提供的可用服務(wù)。針對(duì)服務(wù)發(fā)現(xiàn)，應(yīng)該提供某種機(jī)制使客戶機(jī)的應(yīng)用程序能夠通過指定計(jì)算能力和所需要的存儲(chǔ)空間生成服務(wù)請(qǐng)求，然后由代理機(jī)制發(fā)現(xiàn)滿足終端用戶需求的服務(wù)[23]。在軟件定義網(wǎng)絡(luò)中，服務(wù)發(fā)現(xiàn)模塊參與邊緣計(jì)算基礎(chǔ)設(shè)施的維護(hù)，提供可用服務(wù)的內(nèi)容和位置信息，通過一個(gè)映射表將服務(wù)名稱與相應(yīng)的服務(wù)器位置鏈接起來，邊緣服務(wù)器定期將所提供的服務(wù)分發(fā)給服務(wù)發(fā)現(xiàn)程序。
3.1.3 用戶切換
邊緣設(shè)備的移動(dòng)性使其可以離開某個(gè)邊緣節(jié)點(diǎn)的覆蓋范圍，進(jìn)入另一個(gè)邊緣節(jié)點(diǎn)的覆蓋范圍，在不涉及任何切換管理的情況下，只要邊緣節(jié)點(diǎn)發(fā)生改變，用戶就會(huì)重新啟動(dòng)服務(wù)發(fā)現(xiàn)和服務(wù)調(diào)試過程。這樣不僅導(dǎo)致邊緣計(jì)算基礎(chǔ)設(shè)施的操作效率低下，同時(shí)嚴(yán)重影響用戶體驗(yàn)。因此，用戶切換模塊通過預(yù)測未來可能的覆蓋區(qū)域確保服務(wù)的連續(xù)性，如通過軟件定義網(wǎng)絡(luò)進(jìn)行虛擬化資源流的重定向或即時(shí)動(dòng)態(tài)遷移[24]。當(dāng)用戶與相應(yīng)服務(wù)器之間的距離持續(xù)增加，系統(tǒng)的性能和用戶體驗(yàn)都會(huì)逐漸降級(jí)。因此，虛擬機(jī)遷移在服務(wù)器的實(shí)時(shí)訪問中至關(guān)重要。
3.1.4 可編程性
在云計(jì)算模型中，系統(tǒng)的運(yùn)行和維護(hù)都是公開透明的。用戶無需了解程序是如何運(yùn)行的，直接將需求傳至云端，云端服務(wù)器傳回處理結(jié)果。在邊緣計(jì)算模型中，邊緣計(jì)算節(jié)點(diǎn)本身、操作系統(tǒng)平臺(tái)和運(yùn)行環(huán)境均具有異構(gòu)性，應(yīng)用程序的編寫和執(zhí)行過程也具有多樣性[25]。在邊緣計(jì)算節(jié)點(diǎn)中統(tǒng)一地部署應(yīng)用程序?qū)﹂_發(fā)人員來說比較困難。
此外，開發(fā)人員需要在邊緣和云之間劃分應(yīng)用程序的功能，早期的實(shí)現(xiàn)是通過手動(dòng)完成的，不具有可擴(kuò)展性。因此，需要研發(fā)易于使用的編程框架和工具，支持邊緣計(jì)算編程模型需要的任務(wù)和數(shù)據(jù)的并行性。同時(shí)，兼顧軟硬件的異構(gòu)性和邊緣節(jié)點(diǎn)的資源容量，使得邊緣計(jì)算的可編程性比傳統(tǒng)的云計(jì)算模型更復(fù)雜。
3.1.5 異構(gòu)性（互操作性）
不同網(wǎng)絡(luò)服務(wù)提供商擁有的多接入邊緣計(jì)算基礎(chǔ)架構(gòu)標(biāo)準(zhǔn)不同，邊緣計(jì)算節(jié)點(diǎn)的協(xié)議、硬件接口和服務(wù)方式等存在差異[26]。因此，工業(yè)界應(yīng)當(dāng)統(tǒng)一標(biāo)準(zhǔn)，實(shí)時(shí)規(guī)范化地生產(chǎn)和管理。大多數(shù)供應(yīng)商制造的邊緣計(jì)算設(shè)備基于軟件解決方案滿足通用計(jì)算的需求。隨著支持通用計(jì)算的邊緣節(jié)點(diǎn)的增多，對(duì)開發(fā)框架和工具包的需求也在增強(qiáng)。
3.1.6 任務(wù)分發(fā)與調(diào)度
在邊緣計(jì)算場景下，物聯(lián)網(wǎng)等設(shè)備產(chǎn)生的大量數(shù)據(jù)不需要發(fā)送到云端處理。邊緣計(jì)算節(jié)點(diǎn)具有有限的資源，需要根據(jù)實(shí)際任務(wù)的類型和規(guī)模進(jìn)行任務(wù)的分發(fā)和調(diào)度，避免部分邊緣計(jì)算節(jié)點(diǎn)負(fù)載過大影響系統(tǒng)性能和用戶體驗(yàn)。通過云-邊-端協(xié)同的方式將復(fù)雜的任務(wù)進(jìn)行分割，充分利用有限的資源為用戶提供良好的服務(wù)。
▍?3.2 標(biāo)準(zhǔn)與法律法規(guī)
3.2.1 標(biāo)準(zhǔn)
雖然邊緣計(jì)算技術(shù)具有良好的發(fā)展前景，但是仍處于起步階段。目前業(yè)內(nèi)缺乏統(tǒng)一的標(biāo)準(zhǔn)體系。ETSI和第三代合作伙伴計(jì)劃（3rdGeneration Partnership Project，3GPP）兩個(gè)組織分別制定了與邊緣計(jì)算相關(guān)的若干項(xiàng)標(biāo)準(zhǔn)[27, 28]。其中，ETSI在ETSIGS MEC 003協(xié)議中提出基于網(wǎng)絡(luò)功能虛擬化的邊緣計(jì)算參考架構(gòu)，該架構(gòu)使得邊緣計(jì)算平臺(tái)上的應(yīng)用程序能夠高效、可靠地運(yùn)行。
此外，ETSI還對(duì)多接入邊緣計(jì)算在諸多應(yīng)用場景下的服務(wù)框架進(jìn)行了定義。3GPP提出了基于控制層和用戶層分離（Control and User Plane Separation，CUPS）的核心網(wǎng)架構(gòu)，設(shè)計(jì)了面向分組核心網(wǎng)服務(wù)網(wǎng)關(guān)、分組數(shù)據(jù)網(wǎng)網(wǎng)關(guān)和流量監(jiān)測的功能分離模型[29]。目前，ETSI所制訂的標(biāo)準(zhǔn)主要關(guān)注于信息技術(shù)領(lǐng)域，缺乏對(duì)邊緣計(jì)算整體網(wǎng)絡(luò)架構(gòu)的認(rèn)知，導(dǎo)致邊緣計(jì)算節(jié)點(diǎn)與4G/5G網(wǎng)絡(luò)架構(gòu)難以充分結(jié)合。
3GPP在標(biāo)準(zhǔn)制定中側(cè)重于網(wǎng)絡(luò)架構(gòu)、物理接口和5G空口技術(shù)，未能激活產(chǎn)業(yè)界在邊緣計(jì)算上的活力。邊緣計(jì)算技術(shù)標(biāo)準(zhǔn)的制定必須從系統(tǒng)集成、互聯(lián)互通、信息融合等多個(gè)維度進(jìn)行綜合考慮，只有對(duì)邊緣節(jié)點(diǎn)的性能實(shí)施全方位的、權(quán)威的測試才能夠付諸實(shí)施和推廣。但是，目前邊緣計(jì)算技術(shù)尚未成熟，需要進(jìn)行大量的研究才能提供全面的、精確的基準(zhǔn)測試數(shù)據(jù)[30]。
3.2.2 法律法規(guī)
與邊緣計(jì)算相關(guān)的法律法規(guī)建設(shè)還不夠完善。邊緣計(jì)算豐富的應(yīng)用場景在提高人們生活質(zhì)量的同時(shí)，不可避免地引入了網(wǎng)絡(luò)與信息安全方面的問題。在應(yīng)用邊緣計(jì)算技術(shù)的各大領(lǐng)域中，都需要制定完善的法律法規(guī)應(yīng)對(duì)和解決與網(wǎng)絡(luò)信息安全相關(guān)的社會(huì)問題[31]。政府和企業(yè)應(yīng)當(dāng)積極地推動(dòng)邊緣計(jì)算技術(shù)的研發(fā)和標(biāo)準(zhǔn)制定，同時(shí)加強(qiáng)基礎(chǔ)設(shè)施的組織與監(jiān)管，避免惡意用戶的攻擊、侵入和破壞，加強(qiáng)對(duì)整個(gè)行業(yè)的法律法規(guī)宣傳和普及，從源頭上避免違法犯罪的產(chǎn)生。
4.總結(jié)
邊緣計(jì)算作為一種新型的計(jì)算模型，在網(wǎng)絡(luò)邊緣側(cè)部署節(jié)點(diǎn)，實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)處理，具有可靠性高、資源消耗少等優(yōu)勢。在萬物互聯(lián)的趨勢下，邊緣計(jì)算不僅能夠彌補(bǔ)傳統(tǒng)的云計(jì)算存在的缺陷，還可以很好地與5G網(wǎng)絡(luò)技術(shù)相互促進(jìn)。因此，具有廣闊的發(fā)展前景和豐富的應(yīng)用場景。目前，邊緣計(jì)算的相關(guān)技術(shù)和標(biāo)準(zhǔn)還需要大幅度地完善，邊緣計(jì)算相關(guān)問題總結(jié)，即該領(lǐng)域的推動(dòng)因素、技術(shù)難點(diǎn)以及外部挑戰(zhàn)如圖3所示。
未來，邊緣計(jì)算技術(shù)會(huì)與終端設(shè)備、云計(jì)算進(jìn)行深度融合，共同在工業(yè)物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、智慧城市和智慧醫(yī)療等人們生產(chǎn)生活的各個(gè)方面發(fā)揮作用。邊緣計(jì)算技術(shù)也必將成為繼云計(jì)算、大數(shù)據(jù)之后的下一個(gè)熱點(diǎn)領(lǐng)域。為了提升我國的綜合實(shí)力、加速產(chǎn)業(yè)轉(zhuǎn)型、改善人們的生活水平，學(xué)術(shù)界和工業(yè)界應(yīng)當(dāng)加大投入、深入挖掘邊緣計(jì)算技術(shù)的真正潛力。
參考文獻(xiàn)
[1] 施巍松, 張星洲, 王一帆, 等. 邊緣計(jì)算：現(xiàn)狀與展望[J]. 計(jì)算機(jī)研究與發(fā)展, 2019, 56(1): 69-89.
[2] TALEB T, SAMDANIS K, MADA B, et al. Onmulti-access edge computing: A survey of the emerging 5G network edge cloudarchitecture and orchestration[J]. IEEE Communications Surveys & Tutorials,2017, 19(3): 1657-1681.
[3] 謝曉燕, 錢宇, 王麗. 一種基于云模型的組合服務(wù)選擇方法[J]. 西安郵電大學(xué)學(xué)報(bào), 2016, 21(6): 114-117.
[4] 羅軍舟, 何源, 張?zhí)m, 等. 云端融合的工業(yè)互聯(lián)網(wǎng)體系結(jié)構(gòu)及關(guān)鍵技術(shù)[J]. 中國科學(xué)：信息科學(xué), 2020, 50(2): 195-220.
[5]ZHANG Y, CHEN X, LI J,et al. Ensuring attribute privacy protection and fast decryption for outsourceddata security in mobile cloud computing[J]. Information Sciences, 2017, 379:42-61.
[6] MORENO V R, HUEDO E,MONTERO R S, et al. A disaggregated cloud Architecture for edge computing[J].IEEE Internet Computing, 2019, 23(3): 31-36.
[7]VARGHESE B, WANG N,BARBHUIYA S, et al. Challenges and opportunities in edge computing[C]. Proceedingsof the 2016 IEEE International Conference on Smart Cloud (SmartCloud). NewYork: IEEE, 2016: 20-26.
[8] ALNOMAN A, SHARMA S K,EJAZ W, et al. Emerging edge computing technologies for distributed IoTsystems[J]. IEEE Network, 2019, 33(6): 140-147.
[9]TU Y, DONG Z, YANG, H.Key technologies and application of edge computing[J]. ZTE Communications,2017, 15(2): 26-34.
[10]YANG S, SON S, CHOI M J,et al. Performance improvement of Apache Storm using InfiniBand RDMA[J]. TheJournal of Supercomputing, 2019, 75(10): 6804-6830.
[11]HAN K, LI S, TANG S, etal. Application-driven end-to-end slicing: When wireless network virtualizationorchestrates with NFV-based mobile edge computing[J]. IEEE Access, 2018, 6:26567-26577.
[12]ZHANG H, LIU N, CHU X,et al. Network slicing based 5G and future mobile networks: mobility, resourcemanagement, and challenges[J]. IEEE communications magazine, 2017, 55(8):138-145.
[13]ROMAN R, LOPEZ J, MAMBOM. Mobile edge computing, fog et al.: A survey and analysis of security threatsand challenges[J]. Future Generation Computer Systems, 2018, 78: 680-698.
[14]DU M, WANG K, CHEN Y, eal. Big data privacy preserving in multi-access edge computing forheterogeneous Internet of Things[J]. IEEE Communications Magazine, 2018, 56(8):62-67.
[15]TRAN T X, HAJISAMI A,PANDEY P, et al. Collaborative mobile edge computing in 5G networks: Newparadigms, scenarios, and challenges[J]. IEEE Communications Magazine, 2017,55(4): 54-61.
[16]田小夢. 百度全力部署邊緣計(jì)算應(yīng)用推行“ABC”戰(zhàn)略[J]. 通信世界, 2019, 11: 46.
[17]MELO C, DANTAS J,OLIVEIRA A, et al. Availability models for hyper-converged cloud computinginfrastructures[C]. Proceedings of the 2018 Annual IEEE International SystemsConference (SysCon). Vancouver: IEEE, 2018: 1-7.
[18]LIANG J, LIU F, LI S, etal. A comparative research on open source edge computing systems[C]. Proceedingsof the International Conference on Artificial Intelligence and Security. NewYork: Springer, 2019: 157-170.
[19]MEDEL V,TOLOSANA-CALASANZ R, BAN?ARES J á, et al. Characterising resource managementperformance in Kubernetes[J]. Computers & Electrical Engineering, 2018, 68:286-297.
[20]XIONG Y, SUN Y, XING L,et al. Extend cloud to edge with kubeedge[C]. Proceedings of the 2018 IEEE/ACMSymposium on Edge Computing (SEC). Seattle: IEEE, 2018: 373-377.
[21]YU Y. Mobile edgecomputing towards 5G: Vision, recent progress, and open challenges[J]. ChinaCommunications, 2016, 13(2): 89-99.
[22]LONG X, WU J, CHEN L.Energy-efficient offloading in mobile edge computing with edge-cloud collaboration[C].Proceedings of the InternationalConference on Algorithms and Architectures for Parallel Processing. Guangzhou:Springer, 2018: 460-475.
[23]MASTORAKIS S, MTIBAA A.Towards service discovery and invocation in data-centric edge networks[C]. Proceedingsof the 2019 IEEE 27th International Conference on Network Protocols (ICNP).Chicago: IEEE, 2019: 1-6.
[24]MACH P, BECVAR Z. Mobileedge computing: A survey on architecture and computation offloading[J]. IEEECommunications Surveys & Tutorials, 2017, 19(3): 1628-1656.
[25]WANG Z, ZHAO Z, MIN G,et al. User mobility aware task assignment for mobile edge computing[J]. FutureGeneration Computer Systems, 2018, 85: 1-8.
[26]施巍松, 孫輝, 曹杰, 等. 邊緣計(jì)算：萬物互聯(lián)時(shí)代新型計(jì)算模型[J]. 計(jì)算機(jī)研究與發(fā)展, 2017, 54(5): 907-924.
[27]ZHANG J, WU Z, XIE W, etal. MEC Architectures in 4G and 5G mobile networks[C]. Proceedings of the 201810th International Conference on Wireless Communications and Signal Processing(WCSP). Hangzhou: IEEE, 2018: 1-5.
[28]HOGLUND A, LIN X, LIBERGO, et al. Overview of 3GPP release 14 enhanced NB-IoT[J]. IEEE network, 2017,31(6): 16-22.
[29]呂華章, 陳丹, 范斌, 等. 邊緣計(jì)算標(biāo)準(zhǔn)化進(jìn)展與案例分析[J]. 計(jì)算機(jī)研究與發(fā)展, 2018, 55(3): 487-511.
[30]VARGHESE B, AKGUN O,MIGUEL I, et al. Cloud benchmarking for maximising performance of scientificapplications[J]. IEEE Transactions on Cloud Computing, 2016, 7(1): 170-182.
[31]ESPOSITO C, CASTIGLIONEA, POP F, et al. Challenges of connecting edge and cloud computing: A securityand forensic perspective[J]. IEEE Cloud Computing, 2017, 4(2): 13-17.
作者簡介：
高聰（1985-），男，博士，西安郵電大學(xué)計(jì)算機(jī)學(xué)院碩士生導(dǎo)師，研究方向?yàn)閿?shù)據(jù)感知與分析、人工智能/自動(dòng)駕駛、計(jì)算機(jī)網(wǎng)絡(luò)、Linux研發(fā)與應(yīng)用。近5年來主持陜西省科學(xué)技術(shù)廳國際科技合作計(jì)劃項(xiàng)目1項(xiàng)，工業(yè)和信息化部通信軟科學(xué)研究計(jì)劃項(xiàng)目1項(xiàng)，陜西省教育廳青年創(chuàng)新團(tuán)隊(duì)項(xiàng)目1項(xiàng)，陜西省教育廳自然科學(xué)專項(xiàng)科研項(xiàng)目1項(xiàng)；作為主要完成人，榮獲2019年度中國通信學(xué)會(huì)科學(xué)技術(shù)二等獎(jiǎng)，2020年度陜西省高等學(xué)校科學(xué)技術(shù)一等獎(jiǎng)。第一作者在Science China InformationSciences等國內(nèi)外高水平期刊和會(huì)議上發(fā)表英文論文13篇，其中被SCI檢索6篇、EI檢索6篇、CPCI-S檢索1篇，出版中文學(xué)術(shù)專著兩部，授權(quán)和申請(qǐng)國家發(fā)明專利6項(xiàng)，登記軟件著作權(quán)10件，研究領(lǐng)域內(nèi)相關(guān)科研報(bào)道見報(bào)3次。
個(gè)人網(wǎng)站：http://gaocong.org
