边缘计算Edage Computing - 好文

1.边缘计算的定义

边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。

其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。

2.边缘计算的性质

a.业务本地化（数据处理）；

b.近距离（近数据源）部署；

c.分布式计算技术；

d.安全和隐私功能；

3.边缘计算的目标

业务本地化，近距离部署

对比云计算：集中式的数据存储，处理模式，客户--服务器架构

4.边缘计算的位置

网络质量的要求位置；

应用场景的时延要求；

5.边缘计算与5G

6.中国联通网络MEC部署

不同位置的部署取决于业务需求，覆盖范围，网络现状的综合要求

7.边缘计算与区块链

a.分布式存储(ITFS存储协议)

b.去中心化

c.不可篡改,可追溯

协同边缘，连接多个数据拥有者的边缘

8.边缘计算的实验环境:

1.硬件实物实现（路由器3个，Internet网络）

2.软件层面的实验平台(服务器1台<openStack搭建>，客户端主机)

3.matlab仿真实验

参考文献:

[1]施巍松,孙辉,曹杰,张权,刘伟.边缘计算:万物互联时代新型计算模型[J].计算机研究与发展,2017,54(05):907-924.

一.The Coming of Edge Computing

Cloud computing has been proposed for several years, so we all familiar with
it. There are countless studies and research about cloud computing and related
products are already quite mature. For example, you can buy your won severs on
Ali Cloud by the “pay-as-you-go” mode or easily built and deploy your websites
on AWS or Baidu Cloud. However, with the development of IoT, billions of
devices are connected to the Internet. In this situation, traditional cloud
computing is not appropriate any more. Therefore, edge computing is proposed.
In this article, I will simply talk about the background of edge computing and
its characteristics which distinguish it from other computing paradigm.

云计算已经提出很多年了，所以我们对它都不陌生。近年来，许多专家学者在云计算方面进行了大量的研究并且相关的云计算产品也已经非常成熟。例如：你可以在阿里云上以按量付费的方式购买自己的服务器，或者在AWS或者百度云上搭建和部署自己的网站。但是，随着物联网的发展，我们迎来了万物互联的时代，数以亿记的设备将会接入网络，在这种情况下传统的云计算已经不再适用，所以有人提出了边缘计算的概念。本文将简要的介绍边缘计算的提出的背景及其特点。

I、Background

1、The increase of devices connected to the Internet

In the era of IoT, numerous intelligent devices are connected to the Internet,
so the quantity of devices will increase exponentially which far exceeding the
growth speed of network bandwidth. If data is sent to the center of networks
where cloud computing severs locate, the network latency will be intolerable.

在物联网时代，任何具有网络功能的设备都可以被连入互联网，所以联网设备的数量将呈现指数增长，如下图所示，目前联网设备的数量接近300亿，而到2020年这一数字可能会达到500亿。

在传统的云计算模式中，云计算的主机位于网络的中心，手机和传感器等设备手机的数据要发送到网络中心的云进行计算，然后结果返回到设备并执行结果。但是在物联网时代，这种模式将会面临巨大的网络压力。联网设备的增加速度已经远远超过了网络带宽的增长速度，所以如果所有的设备都将数据发送到云端进行计算势必会造成网络拥堵，这种网络延迟是不可忍受的，尤其是对一些实时性要求较高的应用，例如：智能交通信号灯，AR等。

Sometimes, one device also could produce a large quantity of information and
data. Cisco provides the example of a jet engine, which they say can create 10
terabytes (TB) of data about its performance and condition in a half-hour[1].

除此之外，有时单一的一个设备也能产生巨大的数据，例如：一台喷气式飞机的引擎可以在一小时内产生10TB与其性能相关的数据。

2、Highly responsive requirements
Many applications require real-time interaction. The network latency of
center-organized cloud computing will severely affect their functions. For
example, in AR applications, say pokemon go, scenes must be updated real-time
with the movement of cell phones. In intelligent traffic system, the scheduling
of traffic light must be correct and fast.

许多应用对实时性的要求非常高，网络延迟会严重影响它们的功能。例如，一些增强现实应用，比如口袋妖怪，场景和图像必须根据手机的移动实时更新，网络的延迟可能会引起图像的卡顿，从而降低用户体验。在智能交通系统中，对交通信号灯的调度也必须准确、迅速，网络延迟可能会造成惨重的交通事故。

II、The Proposal of Edge Computing

Edge computing is first proposed by Cisco in 2014[2]. It is a new computing
paradigm which locates at the edge of networks, forming sharply contrast with
cloud computing that locates at the center of networks. The basic idea between
it is that assembling a lot of intelligent terminal devices that have
computing, storage and network functions like mobile phones, sensors, routers
and switchers as computing and storage nodes. In this mode, data can be
directly collected and computed at the edge of networks instead of being sent
to clouds. Therefore, the real-time interaction performance will be largely
improved.

在这样的背景下，思科在2014年首先提出了边缘计算的概念。与云计算截然不同，边缘计算是一种位于网络边缘的计算模式，其基本的思想就是利用位于网络边缘的具有计算、存储和网络功能的智能终端设备来提供计算、存储和网络服务。尽管这些设备的计算和存储能力十分有限，但是由于其数量众多，将他们全部组合起来就能获得大量的资源。在这种模式中，终端设备收集的数据可以直接在网络边缘进行处理，而不用发送到位于网络中心的云端进行计算和存储，从而大大的降低了网络延迟，提高了系统的实时交互性。因为云计算位于网络中心，像天空中的云，所以称为云计算，边缘计算位于网络的边缘，也被称为雾计算，因为雾比云更加靠近地面。边缘计算一经提出便受到广泛关注。为了促进边缘计算的发展，2015年，思科，ARM，戴尔，英特尔，微软和普林斯顿大学联合成立了OpenFog联盟。目前，包括普林斯顿大学，香港大学，南加州大学，国立台湾大学以及AT&T在内的多所大学和企业展开了关于边缘计算的研究。

下图展示了，边缘计算和云计算在整个网络中的位置。从图中我们可以看到，位于网络边缘的路由器，交换机，信号传输塔等网络设备构成了边缘计算，边缘计算在网络中距离用户也仅有一跳或者两跳的距离，所以数据可以迅速的到达计算和存储中心，从而降低了延迟。相反，云计算位于网络的中心，需要经过核心网络才能到达，延迟比边缘计算要高。

下图展示了边缘计算的内部架构。硬件层是构成边缘计算的基础，其包括在网络边缘中能提供计算和存储资源且能与网络连接的各种设备，例如传感器，摄像头，手机，车载设备等。在云计算中，这一层主要由专门的主机构成。硬件层的设备资源并不能直接被使用，必须有一个类似于操作系统的系统软件来统一管理这些资源。我们知道在云计算中，操作系统和程序是在操作系统中运行的，在边缘计算中也是一样的，VM可以屏蔽底层硬件的差异，方便系统资源的分配和管理。业务层的功能包括程序之间的调度，系统资源的监控，权限的认证和各种安全管理。最上层是应用层，包括各种以边缘计算为基础的应用程序。

III、Characteristics of Edge Computing

当然，边缘计算最大的特点就是位于网络的边缘，这也是它与云计算的根本区别。此外，它还有以下的特点：

* Geographical distribution
边缘计算有广阔的地理分布，因为其依托于网络边缘的设备。如果设备具有广阔的地理分布，那么边缘计算也将覆盖广阔的范围。例如：一个城市的管道检测网络。每个检测器都沿着管道分布，所以检测器遍布整个城市，因此边缘计算也覆盖整个城市。
* Very large number of nodes
边缘计算的思想是将大量的计算和存储能力很弱的设备组合起来，从而形成强大的计算和存储资源，所以与云计算相比，边缘计算的节点数量更多，单个节点的计算能力更弱。
* Support for mobility
边缘计算对移动性的支持是基于其广泛分布的地理位置和计算设备的移动性。首先，边缘计算可以为移动的终端提供服务，例如：行驶的汽车。高速公路两旁的检测器可以持续不断的为行驶的汽车提供服务。其次，手机作为边缘计算节点的组成元素之一，可以移动的提供计算和存储服务。
* Real-time interactions 由于位于网络边缘，数据经过一跳或两跳就能到达边缘计算的计算节点，所以网络延迟小，实时性高。
* Heterogeneity 组成边缘计算的设备是异构的，因为这些设备可能来自各种生产厂商，产品规格也各不相同。
IV、Edge Computing and Cloud Computing

Edge computing and cloud computing have many feature in common, but they also
have some different traits. The following table show the detailed difference
between them. Although, edge computing could solve the problem of cloud
computing, as we have discussed above, it is not proposed to substitute cloud
computing. The combine of edge computing with cloud computing could provide
better services.

Item Edge computing Cloud computing
Organization Distributed Centric
Location in networks Edge Center
Mobility support YES NO
Network latency Low High
Geographical distribution support YES NO
Location awareness support YES NO

雾计算与云计算非常相似，两者都是为用户提供计算，存储和网络服务的虚拟化平台，但两者之间也存在着显著的差异性，如表格所示。与云计算的集中式组织方式不同，雾计算采用分布式的组织方式，由分布在不同区域的传感器，路由器，交换机等提供服务，这也决定了雾计算在网络结构中位置——网络的边缘。由于雾计算更加接近终端用户，用户的服务请求经过一跳就可以到达雾计算服务器，所以低延迟的特点使雾计算能为实时性应用提供较好的服务。广泛的地理分布使得雾计算可以提供移动性和位置感知服务的支持，例如：沿高速公路分布的传感器可以为移动的汽车提供服务。另一方面，雾计算并不是云计算的替代者，两者之间相互互补，将两者之间有机的结合起来能够为用户提供很好的服务
[3]。例如：在智能交通中，边缘计算可以用于交通信号灯的控制，同时数据还可以上传到云端进行大数据分析。

[1] Pande V, Marlecha C, Kayte S. A Review-Fog Computing and Its Role in the
Internet of Things[J]. 2016, 6(10):2248-96227.
[2] Bonomi F, Milito R, Zhu J, et al. Fog computing and its role in the
internet of things[C]// Edition of the Mcc Workshop on Mobile Cloud Computing.
ACM, 2012:13-16.
[3] Dubey H, Yang J, Constant N, et al. Fog Data: Enhancing Telehealth Big
Data Through Fog Computing[J]. 2016.

二.Types of Edge Computing Implementations——边缘计算的实现

We have discussed the definition of edge computing and talked about its
architecture and characteristics in last blog The Coming of Edge Computing
<http://blog.csdn.net/xingjiarong/article/details/77878627>. In this article,
we will simply introduce three types of edge computing implementations: fog
computing, mobile edge computing and cloudlet.

I、Fog Computing
The fog computing implementation is a decentralized computing infrastructure
based on fog computing nodes composed of vary kinds of elements including but
not limited to routers, switches, access points, IoT gateways as well as
set-top boxes and placed at any point of the architecture between the end
devices and the cloud [1].

雾计算是一种基于雾节点的去中心化计算架构，雾节点可以由多种元素构成，包括但不限于：路由器，交换机，网络接入点，物联网网关和机顶盒。这些节点可以被放置在end-cloud架构之间的任何位置。因为这些节点与云计算中心相比更加靠近网络的边缘，所以雾计算可以提供良好的实时性。构成雾计算节点的设备是异构的，设备之间的差异性可以通过雾计算的抽象层来屏蔽。抽象层可以将设备的资源统一起来，形成可以被上层使用的资源池。

如图所示，边缘网络非常靠近终端用户。终端用户经过一跳或者几跳就可以达到雾计算的计算和存储中心，数据将直接在雾计算节点进行计算，而不用上传到云计算中心。雾计算充分发挥了数量众多的位于网络边缘的智能设备，尽管单个设备的资源有限，但是大量的设备集中组织起来就可以发挥巨大的作用。雾计算可以使用以太网、WiFi，移动网络等方式连接起来，它解决了云计算的网络延迟问题。

II、Cloudlet

Cloudlet is a trusted, resource rich computer or cluster of computers that is
well-connected to the Internet and available for use by nearby mobile
devices[2]. It is proposed to reduce the network latency because of sending
data to cloud center.

现在，移动设备在我们的生活中已经非常普遍了，我们每天都会带着自己的手机，智能手环，谷歌眼镜等等。为了为用户提供更好的服务，现在的许多应用都设计了大量的计算，例如人脸识别，语音翻译等。但是，这些移动设备的资源十分有限，例如：电池电量，网络带宽和计算存储能力。

日趋成熟的云计算为这一问题提供了解决思路。将数据上传到云计算中心，利用云计算强大的计算和存储能力对数据进行处理并存储，然后将结果返回给移动设备。于是形成了下图的模式[3]。

然而随着物联网的发展和移动设备的日益增多，联网设备的增长率已经远远超过网络带宽的增长，大量的数据发送大云计算中心必定会引起网络拥塞，所以网络延迟成为这一模式的瓶颈。所以有人提出在上面的模式中引入Cloudlet.
Cloudlet是资源丰富的主机或者一系列主机的集群，它们被放置在网络边缘可以被移动设备连接的位置。这样，数据就可以发送到clouldlet进行处理并返回结果，大大的降低了延迟。同时，cloudlet不能完成的计算可以发送到云计算中心。所以，cloudlet应该放在离移动设备最近的地方，也就是可以经过一跳就可以到达的地方，例如：蜂窝是网络基站，或者wifi接入点。于是形成了下面的模式[3]：

Cloutlet具有以下特点：

*
Proximity. Cloutlet离移动设备非常近，可以经过一跳就到达。

*
Resource rich. 与雾计算的节点相比，cloudlet的是专门设置的计算或存储节点，所以计算的存储能力都远高于雾计算。

III、Mobile Edge Computing

尽管cloutlet在一定的程度上解决了云计算的网络延迟问题，但是cloudlet却存在以下不足：（1）cloudlet只能通过无线网络接入，所以只能覆盖有限的区域。（2）与云计算相比，cloudlet的资源还是十分有限。为了解决这些问题，有人提出了Mobile
Edge Computing的概念。

Mobile Edge Computing is a model for enabling business oriented, cloud
computing platform within the radio access network at the close proximity of
mobile subscribers to serve delay sensitive, context aware applications[4].

移动边缘计算是一个可以使面向业务的云计算平台在无线网络（RAN）内部署的模型。因为其更加靠近移动终端，所以移动边缘计算可以为对延迟敏感和对内容感知有需要的应用提供服务。

移动边缘计算具有以下特点：

*
Proximity. 移动边缘计算的节点一般被部署在基站的范围内，所以移动设备通过RAN就可以与节点连接。

*
Dense Geographical Distribution. 移动边缘计算的节点可以分布在网络边缘的各个基站内，所以具有广泛的地理分布。

*
Low Latency. 因为非常靠近用户。

*
Location Awareness. 因为移动设备可以与基站相连，所以基站可以获取设备的相关位置使移动边缘计算可以为用户提供更好的服务。

*
Network Context Information. 实时的RAN信息，如设备位置，信号条件，网络负载等可以使设备提供内容相关的服务。

IV、Summary

Item Fog computing Mobile edge computing Cloudlet
Node devices Routers, switches, assess points, gateways Severs running in base
stations Data center in a box
Node location Varying between end devices and cloud Radio network
controller/Micro base station Local/Outdoor installation
Context awareness Medium High Low
Proximity One or multiple hops One hop One hop
Access mechanisms Bluetooth, wifi, mobile networks Mobile networks Wifi
Internode communication supported Partial Partial

[1] K. Dolui and S. K. Datta, “Comparison of edge computing implementations:
Fog computing, cloudlet and mobile edge computing,” in 2017 IEEE Global
Internet of Things Summit (GIoTS), pp. 1–6, June 2017.
[2] M. Satyanarayanan, P. Bahl, R. Caceres, and N. Davies, “The case for
vm-based cloudlets in mobile computing,” Pervasive Computing, IEEE, vol. 8, no.
4, pp. 14–23, 2009.
[3] Pang Z, Sun L, Wang Z, et al. A Survey of Cloudlet Based Mobile
Computing[C]// International Conference on Cloud Computing and Big Data. IEEE,
2016:268-275.
[4] A. Ahmed and E. Ahmed, “A survey on mobile edge computing,” 2016 10th
International Conference on Intelligent Systems and Control (ISCO), Coimbatore,
2016, pp. 1-8.
doi: 10.1109/ISCO.2016.7727082

三.Application Scenarios of Edge Computing——边缘计算的应用场景

Edge computing is playing an increasing important role in Internet of Things
and has a great number of application scenarios. In this article, we will talk
about the role of edge computing by giving several examples.

I、Smart City

1、Smart Grid

智能电网是一个虚拟网络，它可以对物理电网进行一系列管理和操作，包括电力负载平衡控制、清洁能源控制、电力节点控制、安全保护等。而能源负载平衡的应用就运行在网络的边缘上，例如智能电表和微电网,
它们实时监测电网的运行状态，对电网进行实时控制，以达到负载均衡和节能的目的。电路网络分布广泛，将所有的数据全部上传到云端计算是不现实的，而雾计算利用自身支持地理分布的特点为其提供了一种新的解决方案。如图所示，沿电网分布的各种传感器组成雾计算节点，实时收集电网的各种状态信息，利用自身的计算，存储和网络通讯能力，各个节点之间相互配合，以达到对电网实时控制的效果。由于雾计算节点的计算和存储能力有限，一部分对实时性要求不高的数据将会被发送到云端永久存储和进行进一步的计算。

2、Smart Traffic

智能信号灯是一套交通控制系统，它将传统的信号灯与各种传感器，摄像头和网络传输结合起来，利用人工智能技术为车辆和行人提供更加智能的交通指导。雾计算对实时性，设备异构性和多种网络的支持使智能信号灯成为可能。如图，在网络边缘进行计算，使得雾计算可以为信号灯提供更加实时、迅速的控制。交通摄像头，信号灯，沿道路两旁分布的传感器，行人的手机以及具有网络功能的汽车，通过WLAN，WIFI，4G，有线网等方式连接起来，形成雾计算的节点，相互配合，为信号灯提供智能、实时、迅速的控制。例如，一辆载有病人的急救车在马路上行驶，智能信号灯系统可以根据路况为其开辟一条快速通道，这需要各个节点之间的相互合作，摄像头判断当前道路上有无行人和汽车，并计算距离，测速仪计算车辆的速度，各个信号灯之间合作改变信号灯颜色，并为过往行人和车俩驾驶员发出警告，从而达到调节交通的作用。

3、Intelligent Street Lamp

由于传统路灯的弊端：如能源浪费严重、管理手段单一、信息化水平低下、缺乏故障主动报警机制、故障灯位置难以发现等一系列问题。近几年来国内很多城市都已经开始采用智能路灯技术，对传统路灯进行改造。智能路灯路灯可以根据周围的环境自动控制开关、调节亮度、多路灯协同照明等。例如：智能路灯可以使用光感应芯片自动的控制路灯的开启和关闭，做到根据季节和天气动态调节开关灯时间，达到节约电力的目标。在深夜没有汽车经过时，智能路灯可以自动的降低亮度，有车通过时，附近的路灯可以经过计算协同照明，使用最小的电量为汽车提供照明服务。

嵌入到路灯内部的传感器、执行器、计算和存储单元可以组合起来构成边缘计算的节点，传感器采集的数据发送到位于网络边缘的计算和存储节点，经过计算将结果返回给执行器，执行器对路灯进行控制，而不是将数据发送到位于网络边缘的云计算中心。这样既可以提高系统的实时性，又可以减轻云端的压力。

4、Smart Parking

停车是现在生活中的一大难题，有时为了寻找一个停车位需要在路边找很久，而且也有报告指出城市地区30%的交通拥堵是由司机缓慢驾驶汽车寻找停车位引起的。为了迅速的帮助司机找到停车位，英国剑桥大学设计了名为ParkSense
[1] 的系统。这是一个基于智能手机传感器系统，它利用城市中无处不在的Wi-Fi
beacons来判断停车位是否是空闲的。Wi-Fi需要定期的发送SSID作为beacon，而ParkSense就是利用了这一特性，它使用一个基于beacon接收率的Wi-Fi签名匹配方法来检测用户是否返回了停在停车位中的车中。而且，ParkSense还通过观察可用接入点的变化率来判断司机是否开始驾驶汽车。而所有的这些检测和计算都是在用户的手机上完成了，并没有将数据发送了其他计算中心，这样系统的实时性可以得到保证，并且ParkSense已经被测试耗电量很低，完全适用于手机。

5、Pipeline Inspection

城市中的管道分布和电网分布一样复杂，燃气管道，饮用水管道，排污管道都需要实时监测，一旦发生泄漏需要立即处理。为了监测这些管道的状况，通常会沿管道放置许多的传感器和检测器，这些设备可以构成边缘计算的节点，传感器检测的管道情况可以立即在网络的边缘进行计算，得到的结果可以立即发送给执行器，大大的提高了系统的实时性。

II、Connected Vehicle

车联网的部署展示了一个充满连接和交互的场景：车到车，车到接入点（Wi-Fi，3G，LTE，智能信号灯），接入点到接入点。边缘计算所具有的一些特性，例如：广泛的地理分布，支持移动性，位置感知，低延迟，支持实时交互等使得它成为车联网平台的理想选择。如图所示[2]，智能交通信号灯可以根据路上车流的情况动态的调整信号灯的颜色，提高交通流畅度，减少拥堵，还可以应用于紧急情况，例如：当急救车经过时，信号灯可以为其开辟出一条绿色通道。另外，汽车也可以与信号灯交互，车载系统利用信号灯的信息为司机规划一条最佳线路。

III、Wireless Sensors and Actuators Networks

传统的无线传感器网WSN络缺少执行单元，仅仅能够感知环境并将数据发送到服务器，后来人们在WSN中引入了执行器形成了WSAN，这样就形成了一个闭环系统。传感器获得的数据发送到计算和存储中心，结果返回给执行器，执行器执行相应的指令。引入执行器后，WSAN可以看做是一个边缘计算系统，可以为用户提高计算和存储服务。例如：在可以火车上，安置在车轮上的传感器可以感知滚珠轴承的温度，一旦超过设定的警戒温度，执行器就会报警。

IV、Telehealth

伴随着可穿戴设备的兴起，以这些可穿戴设备为基础的远程医疗也逐渐发展起来。可穿戴设备一般都具有计算、存储和网络能力，所以它们可以作为边缘计算的节点来提供服务。边缘计算实时性高的特点也使得它成为理想的实现方式。例如：老人身上穿戴的智能手环、智能手表等可以检测患有中风的老人是否摔倒，一旦摔倒立即向手机等执行器发送信号使其发出警报。这样的实时性可以为挽救病人的声明提供宝贵的时间。

V、Smart Farm

智慧农场系统是基于物联网在农业领域中的典型应用之一，系统综合集成了计算机与网络技术、物联网技术、音视频技术、传感器技术、虚拟现实技术及无线通信技术等，实现对农场的数字化/3D可视化综合管理，包括远程诊断、自动控制、灾变预警、生产及质量追溯管理、农场人员/设备/资源实时动态管理，农场作物/牲畜自动化全程化实时动态管理，农产品可追溯化的配送服务等等。从而实现对农场生产环境的精准监测和控制，提高农场生产效率，减少成本，提高农场建设管理水平，提高农产品生产及配送全过程的透明度，提高客户参与度及满意度，为客户提供安全/绿色/可追溯可视化的农产品服务[3]。分布在农场中负责监控的各种传感器与执行器可以组成边缘计算的节点，利用边缘计算实时性高的特点为农场提供更好的服务。

以上只是边缘计算应用的一部分例子，事实上边缘计算可以应用于生活中的方方面面，为我们的生活提供各种便利。

[1] Nawaz S, Efstratiou C, Mascolo C. ParkSense:a smartphone based sensing
system for on-street parking[C]// International Conference on Mobile Computing
& NETWORKING. 2013:75-86.
[2] I. Stojmenovic and S. Wen. The fog computing paradigm: Scenarios and
security issues. In Computer Science and Information Systems (FedCSIS), 2014
Federated Conference on, 2014.
[3] http://blog.sina.com.cn/s/blog_735feb8f0101kb6t.html
<http://blog.sina.com.cn/s/blog_735feb8f0101kb6t.html>

热门工具换一换