边缘计算——EdgeComputing:VisionandChallenges

边缘计算——EdgeComputing：VisionandChallenges

Edge Computing:Vision and Challenges

Abstract

由于物联⽹的普及，推动了边缘计算的出现。边缘计算要求在⽹络边缘处理数据，通过边缘计算有可能解决响应时间、电池寿命、带宽成本以及数据安全隐私等问题。在本⽂中，⾸先

介绍边缘计算的定义，接着介绍⼏个案例研究，从云卸载到智能家居和城市，以及实现边缘计算概念的协作边缘。最后提出了边缘计算领域的⼀些挑战和机遇。

Introduction

作者预计到达2020年，⾄少有500亿件东西连接到互联⽹。有些物联⽹应⽤可能需要很短的响应时间，有些可能涉及私有数据，有些可能产⽣⼤量数据，这些要求都可能对⽹卡罗造

成沉重负担，当前的云计算的效率不⾜以⽀持这些应⽤程序。因此为了提出边缘计算的概念，作者⾸先分析了为什么需要边缘计算，然后给出了边缘计算的定义和展望。介绍了云卸

载、智能家居和城市以及协作边缘等⼏个案列研究，以进⼀步详细解释边缘计算，随后介绍了可编程性、命名、数据提取、服务管理、隐私和安全⽅⾯的 ⼀些挑战和机遇，以及值得

进⼀步研究的优化指标。

What is Edge Computing

越来越多的数据是在⽹络边缘产⽣的，因此在⽹络边缘处理数据将更加有效。当数据在⽹络边缘产⽣时，云计算并不总是对数据处理有效。

Why do we need Edge Computing

Push From Cloud Services：在之前已经证明了由于云的计算能⼒远超边缘事务的能⼒，将所有计算任务放置到云上进⾏数据处理是⼀种有效的⽅法。但是我们发现与快速发展的

数据处理速度相⽐，⽹络的带宽已经停滞，由于数据量不断增加，数据传输速度正成为云计算的瓶颈。对于需要实时处理的事物，例如⽆⼈驾驶，每秒产⽣1GB的数据，如果将所

有的数据都发送到云处理，那么响应时间就会太长。那么在这种情况下，**我们选择在边缘处理数据，以缩短响应时间、提⾼处理效率和减⼩⽹络压⼒。

Collaborative Edge

在许多情况，由于隐私问题和数据传输的巨⼤成本，利益相关者拥有的数据很少相互共享，因此多个利益相关者之间的合作机会有限。⽽Edge作为⼀个物理⼩型数据中⼼，通过数据

处理能⼒连接云和最终⽤户买也可以是逻辑概念的⼀部分，通过⼀种协作边缘，连接地理上分布的多个利益相关者的边缘，为这些⼈提供共享和合作数据的机会。

Challenger and opportunities

programmablity

在边缘计算中，计算从云端卸载，边缘节点很可能是异构平台。在这种情况下，这些结点的运⾏彼此不同，程序员在编写可能部署在边缘计算中的应⽤程序时会⾯临巨⼤困难。

为了解决边缘计算的可编程性，提出了计算流的概念，它被定义为沿着数据传播路径应⽤于数据的⼀系列函数/计算。功能/计算可以是应⽤程序的全部或部分功能，并且计算可以发⽣

在路径上的任何位置，只要应⽤程序定义了应在何处进⾏计算。

计算流是软件定义的计算流，因此可以在数据⽣成设备、边缘节点和云环境中以分布式和⾼效的⽅式处理数据。正如边缘计算中所定义的，许多计算可以在边缘⽽不是中⼼云上完成。

在这种情况下，计算流可以帮助⽤户确定应该执⾏哪些功能/计算，以及在边缘发⽣计算后数据如何传播。功能/计算分布指标可能是延迟驱动、能源成本、TCO和硬件/软件指定的限

制。

通过部署计算流，希望计算的数据尽可能接近数据源，并且可以降低数据传输成本。在计算流中，函数可以被重新分配，数据和状态以及函数也应该被重新分配。此外，协作问题（例

如，同步、数据/状态迁移等）必须在边缘计算范式中跨多个层解决。

naming

在边缘计算中，⼀个重要的假设是事物的数量⾮常⼤。但是边缘计算的有效命名机制尚未建⽴和标准化。对于现有的⼀些命名⽅式，例如DNS，不够灵活，⽆法为动态边缘⽹络提供

服务，因为边缘的⼤多数东西有时具有⾼度的移动性和资源限制。此外，对于⽹络边缘的⼀些资源受限的东西，基于IP的命名⽅案可能过于繁重，⽆法⽀持。

也有新的命名机制，例如NDN可以应⽤于边缘计算，但是这些命名需要额外的代理并且不够安全。

data abstraction

当前的数据量⼤并且⽆法被长期保存，因此设想边缘计算中的⼈参与应该最⼩化，边缘节点应该以主动的⽅式消费/处理所有数据并与⽤户交互。在这种情况下，数据应该在⽹关级别

进⾏预处理，将处理后的数据发送到上层。在这⼀过程就⾯临若⼲挑战。

⾸先，从不同事物报告的数据具有不同的格式。

其次，很难确定数据抽取的程度

并且由于低精度传感器、不可靠的⽆线连接等原因，edge上的数据有时并不可靠，如何从不可靠的数据源中提取有⽤的信息仍然是物联⽹应⽤程序和系统开发⼈员⾯临的挑战。

数据提取的另⼀个问题是对事物的适⽤操作。收集数据是为了服务于应⽤程序，应该允许应⽤程序控制事物，以便完成⽤户想要的某些服务。结合数据表⽰和操作，数据抽象层将作为

连接到edgeOS的所有事物的公共接⼝。此外，由于事物的异构性，数据表⽰和允许的操作可能会有很⼤差异，这也增加了通⽤数据抽象的障碍。

Service Management

在⽹络边缘的服务管理⽅⾯，作者认为应该⽀持以下四个基本特性，以保证可靠的系统，其中包括差异性、可扩展性、隔离性和可靠性。

Differentiation：不同领域服务的边缘计算部署速度应该有差异