注：本文章来源于“CSDN ”，翻译自施巍松教授的论文《Edge Computing : Vision and Challenges》，版权归原作者所有，转载请保留此字段。

摘要

物联网技术的快速发展和云服务的推动使得云端计算模型已经不能很好的解决现在的问题，于是，这里给出一种新型的计算模型——边缘计算。

边缘计算指的是在网络的边缘来处理资料，这样能够减少请求响应时间、提升电池续航能力、减少网络带宽同时保证资料的安全性和私密性。

这篇文章会通过一些案例来介绍边缘计算的相关概念，内容包括云解除安装、智慧家居、智慧城市和协同边缘节点实现边缘计算。希望这篇文章能够给你一些启发并让更多的人投入边缘计算的研究中来。

一、简介

物联网的快速发展让我们进入了后云时代，在我们的日常生活中会产生大量的资料。物联网应用可能会要求极快的响应时间，资料的私密性等等。

如果把物联网产生的资料传输给云端计算中心，将会加大网络负载，网络可能造成拥堵，并且会有一定的资料处理延时。

随着物联网和云服务的推动，我们假设了一种新的处理问题的模型，边缘计算，在网络的边缘产生、处理、分析资料。

二、为什么需要边缘计算？

云服务的推动：云中心具有强大的处理效能，能够处理海量的资料。但是，将海量的资料传送到云中心成了一个难题。

云端计算模型的系统性能瓶颈在于网络带宽的有限性，传送海量资料需要一定的时间，云中心处理资料也需要一定的时间，这就会加大请求响应时间，使用者体验极差。

物联网的推动：现在几乎所有的电子装置都可以连线到互联网，这些电子装置会后产生海量的资料。

传统的云端计算模型并不能及时有效的处理这些资料，在边缘结点处理这些资料将会带来极小的响应时间、减轻网络负载、保证使用者资料的私密性。

终端装置的角色转变：终端装置大部分时间都在扮演资料消费者的角色，比如使用智能手机观看爱奇艺、刷抖音等。

然而，现在智能手机让终端装置也有了生产资料的能力，比如在淘宝购买东西，在百度里搜寻内容这些都是终端节点产生的资料。

下面两幅图，图1是传统云端计算模型下的正规化，最左侧是服务提供者来提供资料，上传到云中心，终端客户传送请求到云中心，云中心响应相关请求并发送资料给终端客户。终端客户始终是消费者的角色。

图2是现在物联网快速发展下的边缘计算正规化。边缘结点（包括智慧家电、手机、平板等）产生资料，上传到云中心，服务提供商也产生资料上传到云中心。边缘结点发送请求到云中心，云中心返还相关资料给边缘结点。

▲图1 云端计算正规化

▲图2 边缘计算正规化

三、什么是边缘计算？

边缘计算指的是在网络边缘结点来处理、分析资料。这里，我们给出边缘结点的定义，边缘结点指的就是在资料产生源头和云中心之间任一具有计算资源和网络资源的结点。

比如，手机就是人与云中心之间的边缘结点，闸道器是智慧家居和云中心之间的边缘结点。在理想环境中，边缘计算指的就是在资料产生源附近分析、处理资料，没有资料的流转，进而减少网络流量和响应时间。

四、边缘计算的优点

在人脸识别领域，响应时间由900ms减少为169ms。

把部分计算任务从云端解除安装到边缘之后，整个系统对能源的消耗减少了30%-40%，资料在整合、迁移等方面可以减少20倍的时间。

五、案例研究

云解除安装

举个例子，移动互联网的发展，让我们得以在移动端流畅的购物，我们的购物车以及相关操作（商品的增删改查）都是依靠将资料上传到云中心才能得以实现的。

如果将购物车的相关资料和操作都下放到边缘结点进行，那么将会极大提高响应速度，增强使用者体验。通过减少延迟来提高人与系统的互动质量。

视讯分析

因此，提出边缘计算，让云中心下放相关请求，各个边缘结点对请求结合本地视讯资料进行处理，然后只返回相关结果给云中心，这样既降低了网络流量，也在一定程度上保证了使用者的隐私。

举例而言，有个小孩儿在城市中丢失，那么云中心可以下放找小孩儿这个请求到各个边缘结点，边缘结点结合本地的资料进行处理，然后返回是否找到小孩儿这个结果。相比把所有视讯上传到云中心，并让云中心去解决，这种方式能够更快的解决问题。

智慧家居

考虑到网络带宽和资料私密保护，我们需要这些资料最好仅能在本地流通，并直接在本地处理即可。我们需要闸道器作为边缘结点，让它自己消费家庭里所产生的资料。

同时由于资料的来源有很多（可以是来自电脑、手机、感测器等任何智慧装置），我们需要定制一个特殊的OS，以至于它能把这些抽象的资料揉和在一起并能有机的统一起来。

智慧城市

海量资料处理：在一个人口众多的大城市中，无时无刻不在产生著大量的资料，而这些资料如果通通交由云中心来处理，那么将会导致巨大的网络负担，资源浪费严重。

如果这些资料能够就近进行处理，在资料来源所在的局域网内进行处理，那么网络负载就会大幅度降低，资料的处理能力也会有进一步的提升。

低延迟：在大城市中，有很多服务是要求具有实时特性的，这就要求响应速度能够尽可能的进一步提升。

比如医疗和公共安全方面，通过边缘计算，将减少资料在网络中传输的时间，简化网络结构，对于资料的分析、诊断和决策都可以交由边缘结点来进行处理，从而提高使用者体验。

位置感知：对基于位置的一些应用来说，边缘计算的效能要由于云端计算。比如导航，终端装置可以根据自己的实时位置把相关位置资讯和资料交给边缘结点来进行处理、边缘结点基于现有的资料进行判断和决策。

整个过程中的网络开销都是最小的。使用者请求得以极快的得到响应。

边缘协作

于是，我们提出了边缘协同合作的概念，利用多个边缘结点协同合作，建立一个虚拟的共享资料的检视，利用一个预定义的公共服务界面来将这些资料进行整合，同时，通过这个资料界面，我们可以编写应用程序为使用者提供更复杂的服务。

举个多个边缘结点协同合作共赢的例子。

比如流感爆发的时候，医院作为一个边缘结点与药房、医药公司、政府、保险行业等多个结点进行资料共享，把当前流感的受感染人数、流感的症状、治疗流感的成本等共享给以上边缘结点。

药房通过这些资讯有针对性的调整自己的采购计划，平衡仓库的库存；医药公司则能通过共享的资料得知哪些为要紧的药品，提升该类药品生产的优先级；政府向相关地区的人们提高流感警戒级别。

此外，还可以采取进一步的行动来控制流感爆发的蔓延；保险公司根据这次流感程度的严峻性来调整明年该类保险的售价。总之，边缘结点中的任何一个节点都在这次资料共享中得到了一定的利益。

六、机遇和挑战

以上是边缘计算在解决相关问题的潜力和展望，接下来会分析在实现边缘计算的过程中将要面临的机遇和挑战。

程式设计可行性

在云端计算平台程式设计是非常便捷的，因为云有特定的编译平台，大部分程式都可以在云上跑。但是边缘计算下的程式设计就会面临一个问题，平台异构问题，每一个网络的边缘都是不一样的，有可能是ios系统，也有可能是安卓或者linux等等，不同平台下的程式设计又是不同的。

因此我们提出了计算流的概念，计算流是资料传播路径上的函式序列/计算序列，可以通过应用程序指定计算发生在资料传播路径中的哪个节点。

计算流可以帮助使用者确定应该完成哪些功能/计算，以及在计算发生在边缘之后如何传播资料。通过部署计算流，可以让计算尽可能的接近资料来源。

命名

命名方案对于程式设计、定址、事物识别和资料通讯非常重要，但是在边缘计算中还没有行之有效的资料处理方式。

边缘计算中事物的通讯是多样的，可以依靠wifi、蓝牙、2.4g等通讯技术，因此，仅仅依靠Tcp/ip协议栈并不能满足这些异构的事物之间进行通讯。

边缘计算的命名方案需要处理事物的移动性，动态的网络拓扑结构，隐私和安全保护，以事物的可伸缩性。

传统的命名机制如DNS(域名解析服务)、URI(统一资源标志符)都不能很好的解决动态的边缘网络的命名问题。

目前正在提出的NDN(命名分发网络)解决此类问题也有一定的局限性。在一个相对较小的网络环境中，我们提出一种解决方案，如图3所示，我们描述一个事物的时间、地点以及正在做的事情，这种统一的命名机制使得管理变得非常容易。

当然，当环境上升到城市的高度的时候，这种命名机制可能就不是很合适了，还可以进行进一步的讨论。

图3 命名机制

资料抽象

在物联网环境中会有大量的资料生成，并且由于物联网网络的异构环境，生成的资料是各种格式的，把各种各样的资料格式化对边缘计算来说是一个挑战。

同时，网络边缘的大部分事物只是周期性的收集资料，定期把收集到的资料传送给闸道器，而闸道器中的储存是有限的，他只能储存最新的资料，因此边缘结点的资料会被经常重新整理。

利用整合的资料表来储存感兴趣的资料，表内部的结构可以如图4所示，用Id、时间、名称、资料等来表示资料。

图4 相应表结构

如果筛选掉过多的原始资料，将导致边缘结点资料报告的不可靠，如果保留大量的原始资料，那么边缘结点的储存又将是新的问题；同时这些资料应该是可以被引用程式读写和操作的，由于物联网中事物的异构性，导致数据库的读写和操作会存在一定的问题。

服务管理

边缘结点的服务管理我们认为应该有以下四个特征，包括差异化、可扩充套件性、隔离性和可靠性，进而保证一个高效可靠的系统。

差异化：随着物联网的发展，会有这种各样的服务，不同的服务应该有差异化的优先级。

比如，有关事物判断和故障警报这样的关键服务就应该高于其它一般服务，有关人类身体健康比如心跳检测相关的服务就要比娱乐相关服务的优先级要高一些。

可扩充套件性：物联网中的物品都是动态的，向物联网中新增或删除一件物品都不是那么容易的，服务缺少或者增加一个新的结点能否适应都是待解决的问题，这些问题可以通过对边缘os的高扩充套件和灵活的设计来解决。

隔离性：所谓隔离性是指，不同的操作之间互不干扰。举例而言，有多个应用程序可以控制家庭里面的灯光，有关控制灯光的资料是共享的，当有某个应用程序不能响应时，使用其他的应用程序依然能够控制灯光。

也就是说这些应用程序之间是相互独立的，互相并没有影响；隔离性还要求使用者资料和第三方应用是隔离的，也就是说应用不应该能够跟踪使用者的资料并记录下来，为了解决该问题，应当新增一种全新的应用访问使用者资料的方式。

可靠性：可靠性可以从服务、系统和资料三方面来谈论

从服务方面来说，网络拓扑中任意节点的丢失都有可能导致服务的不可用，如果边缘系统能够提前检测到具有高风险的节点那么就可以避免这种风险。

较好的一种实现方式是使用无线感测器网络来实时监测服务器丛集。

从系统角度来看，边缘操作系统是维护整个网络拓扑的重要一部分内容。节点之间能够互通状态和诊断资讯。这种特征使得在系统层面部署故障检测、节点替换、资料检测等十分的方便。

从资料角度来看，可靠性指的是资料在感测和通讯方面是可靠地。边缘网络中的节点有可能会在不可靠的时候报告资讯，比如当感测器处于电量不足的时候就极有可能导致传输的资料不可靠。为解决此类问题可能要提出新的协议来保证物联网在传输资料时的可靠性。

私密性

现存的提供服务的方法是手机终端使用者的资料并上传到云端，然后利用云端强大的处理能力去处理任务，在资料上传的过程中，资料很容易被别有用心的人收集到。

为了保证资料的私密性，我们可以从以下这些方面入手。

1，在网络的边缘处理使用者资料，这样资料就只会在本地被储存、分析和处理。

2，对于不同的应用设定许可权，对私密资料的访问加以限制。

3，边缘的网络是高度动态化的网络，需要有效的工具保护资料在网络中的传输。

最优化指标

在边缘计算当中，由于节点众多并且不同节点的处理能力是不同的，因此，在不同的节点当中选择合适的排程策略是非常重要的。接下来从延迟、带宽、能耗和花费这四个方面来讨论最优化的指标。

延迟： 很明显云中心具有强大的处理能力，但是网络延迟并不单单是处理能力决定的，也会结合资料在网络中传输的时间。

拿智慧城市距离来说，如果要寻找丢失的小孩儿资讯，在本地的手机处理，然后把处理结果返回给云明显能加快响应速度。

当然，这种事情也是相对而言的，我们需要放一个逻辑判断层，来判断把任务交给哪一个节点处理合适，如果此时手机正在打游戏或者处理其他非常重要的事情，那么手机就不是很适合处理这种任务，把这种任务交给其他层次来处理会更好些。

带宽：高带宽传输资料意味着低延迟，但是高带宽也意味着大量的资源浪费。资料在边缘处理有两种可能，一种是资料在边缘完全处理结束，然后边缘结点上传处理结果到云端；另外一种结果是资料处理了一部分，然后剩下的一部分内容将会交给云来处理。

以上两种方式的任意一种，都能极大的改善网络带宽的现状，减少资料在网络中的传输，进而增强使用者体验。

能耗：对于给定的任务，需要判定放在本地运算节省资源还是传输给其他节点计算节省资源。如果本地空闲，那么当然在本地计算是最省资源的，如果本地正在忙碌状态，那么把计算任务分给其他节点会更合适一些。

权衡好计算消耗的能源和网络传输消耗的能源是一件非常重要的事情。一般当网络传输消耗的资源远小于在本地计算消耗的能源时，我们会考虑使用边缘计算把计算任务解除安装到其他空闲的节点上，帮助实现负载均衡，保证每一个结点的高效能。

花费：目前在边缘计算上的花费包括但不限于边缘结点的构建和维护、新型模型的开发等。利用边缘计算的模型，大型的服务提供商在处理相同工作的情况下能够获取到更大的利润。

小结

物联网的发展和云端计算的推动使得边缘计算的模型出现在社群之中。在边缘结点处理资料能够提高响应速度，减少带宽，保证使用者资料的私密性。

这篇文章当中，我们提出了边缘计算可能在以后的生活中一些相关场景的运用，也提到了边缘计算以后发展的展望和挑战。希望以后有更多的有识之士能够关注到这一领域。