边缘计算技术发展与对策研究

洪学海 ,  汪洋

中国工程科学 ›› 2018, Vol. 20 ›› Issue (2) : 20 -26.

PDF (358KB)
中国工程科学 ›› 2018, Vol. 20 ›› Issue (2) : 20 -26. DOI: 10.15302/J-SSCAE-2018.02.004
专题研究

边缘计算技术发展与对策研究

作者信息 +

Edge Computing Technology: Development and Countermeasures

Author information +
文章历史 +
PDF (365K)

摘要

边缘计算是一项正在兴起的技术，通过把计算、存储、带宽、应用等资源放在网络的边缘侧，以便减小传输延迟和带宽消耗。同时，应用开发者和内容提供商可以根据实时的网络信息提供可感知的服务。移动终端、物联网等设备为计算敏感型的应用提供了必要的前端处理支撑，例如图像识别、网络游戏等应用，以利用边缘计算的处理能力分担云端工作负荷。本文介绍了边缘计算的概念、需解决的关键问题、主要研究进展，边缘计算发展带来的影响以及边缘计算带来的机遇和发展对策。

Abstract

Edge computing is an emerging technology that reduces transmission delays and bandwidth consumption by placing computing, storage, bandwidth, applications, and other resources on the edge of the network. Moreover, application developers and content providers can provide perceptible services based on real-time network information. Mobile terminals, Internet of things, and other devices provide the necessary front-end support for computing sensitive applications, such as image recognition and network games, to share the cloud work load with the processing capability of edge computing. This paper discusses the concept of edge computing, key problems that require solutions, main advances in edge computing, influence of edge computing developments, and opportunities and development countermeasures of edge calculation.

关键词

云计算 / 边缘计算 / 雾计算 / 移动边缘计算 / 物联网 / 前端智能

Key words

云计算 / 边缘计算 / 雾计算 / 移动边缘计算 / 物联网 / 前端智能 / cloud computing / edge computing / fog computing / mobile edge computing / internet of things / front-end intelligence

引用本文

引用格式 ▾
洪学海,汪洋. 边缘计算技术发展与对策研究[J]. 中国工程科学, 2018, 20(2): 20-26 DOI:10.15302/J-SSCAE-2018.02.004

登录浏览全文

4963

注册一个新账户 忘记密码

一、边缘计算的概念

“云、网、端”基本功能的最初设想是，在云 端有一个异常强大的数据中心，负责数据处理，网 络端负责数据传输，而物联网各个节点端负责采集 数据，并通过网络交给云端，云端再根据数据分析 并做决策后再把结果返还给终端。在这种模型中， 云端负责智能计算，而终端节点负责数据采集以及决策执行。

然而，这样的设想在实际执行中遇到了不少困 难。第一个困难来源于数据传输的开销。物联网节 点通常都使用无线网络与云端做数据传输，而如果 物联网节点把不加任何处理的原始数据全部传到云 端，会导致带宽需求爆炸，网络基础架构没法支撑 如此高的带宽需求；开销的另一部分是无线传输的 功耗，如果把数据不加任何处理全部传输到云端， 那么终端节点的无线传输模块必须支持高速无线传 输，这就意味着无线模块需要很大的功耗，与物联 网节点低功耗的设想不符。第二个困难在于网络延 迟。许多节点执行的任务对于延迟非常敏感，例如， 无人驾驶、增强现实技术 / 虚拟现实技术（AR/VR） 应用等，在这些应用中由于网络传输带来的延迟（几 十毫秒以上，有时候网络信号不好会带来数秒的延 迟甚至掉线）使任务无法被接受。针对这些问题， 边缘计算技术应运而生。

但是，对于边缘计算的概念，目前还没有一 个严格的定义。目前认为的边缘计算的物理边界， 如图 1 所示。

（三）针对边缘计算的使能技术提出了多种解决 方案

针对移动边缘计算使能技术，中国联合通信有 限公司提出了具体的解决方案。其提出了边缘计算 使能技术的三个方面，分别是云与虚拟化、大容量 服务器、启用应用程序和服务生态系统。云和虚拟 化技术以及大容量服务器都是对边缘计算硬件的能 力要求，而应用程序和服务生态系统是将软件和应 用程序供应商引入边缘计算市场，并提供丰富的应 用，进而产生一个生态系统，即提供丰富的边缘计 算应用的 APP 和提供基于开放标准的各类应用程 序编程接口（API ）开发的编程模型和相关的工具链、软件开发包等。

针对边缘计算的物端计算能力方面，现有的思 路是针对不同的应用的场景，进行不同的资源配置。 以控制为目的的边缘计算，其物端计算节点配置计 算能力较弱的微控制单元（MCU）；若对物端计算 能力需求较大的一类应用，一种方案是使用新的指 令集增加对矢量计算的支持或使用多核做类似单指 令多数据流（SIMD）的架构等把 MCU 做强；第二 种方案是走异构计算的思路，MCU 还是保持简单 的控制目的，计算部分则交给专门的加速器 IP 来 完成，目前的人工智能（AI）芯片其实大部分做的 就是这样的一个专用人工智能算法加速器 IP。中国 科学院计算技术研究所的寒武纪 IP 内嵌在华为手机 上即是一例。此外，针对物端计算的内存配置方案 也是重点。由于边缘计算的物端计算节点端基于成 本、体积和能耗的考量不能加动态随机存取存储器 （DRAM），一般用闪存 Flash（同时用于存储操作系 统等）作为系统存储器。由于缓存必须在处理器芯 片上完成，并且缓存一般较小，算法必须要能把模 型做到很小，即“模型压缩”。此外正在研究的内存 内计算和使用新型存储器如非易失性的磁性随机存 储器（MRAM）、电阻式随机存取存储器（ReRAM） 等实现高密度片上内存也将是重要的解决方案。

四、边缘计算技术发展带来的影响

（一）边缘云将使云计算中心建设从集中到分散和 功能解耦

边缘云是边缘计算在云架构技术体系的表现形 式，云计算中心不必把过多的设备统一、集中放到 一个区域，而是采用星型结构，多地多中心，把众 多的边缘云用中心连接起来，这样分布在其他区域 的边缘云可以就近为当地用户提供服务，避免过多 的带宽消耗、过多的数据传输、过量的访问压力等。 这一模式可以均衡负载，缓解资源消耗过高等问题， 有效提高运行效率。同时也使得目前的云计算中心 功能解耦，即边缘计算可以把基础设施的功能进行 有效地划分，每个区域的资源可以专门承担模块化、 定制化、单一化的处理任务，降低了应用、数据、 服务的耦合度。

（二）边缘计算将使计算能力从集中到分散

边缘计算本身是化解云计算压力过大、资源利 用不高、可靠性不高、可用性差、带宽资源不足等 问题的技术手段，把原本集中式的优势在物联网兴 起的新形式下转变成分布式的一种有效途径。因为 云计算不能包罗所有的海量智能终端，而且随着边缘设备计算、存储等能力的增强，原本需要在云侧 解决的计算任务，现在在终端侧可以方便地就地解 决，这样整体来看计算模型就发生了重大变化，从 原来的集中式计算变成了分布式计算。这一趋势 将影响信息化建设的若干问题，如云侧的设备投 资规模将大大降低、带宽需求降低、存储压力减 少等。

（三）边缘计算将使 IT 资源从隔离到协同

传统的云计算中心、大数据中心、超算中心等建 设规模过于庞大，而且所属用户相互隔离，很难就近 使用，这在很大程度上浪费了基础设施投资，资源没 有得到充分的利用，浪费了过多的资源。为此，边缘 计算可以打破各自为政的信息化建设模式，使得某一 组织下的各分支能够互联互通，消除资源孤岛，使得 原本隔离的资源可以优势互补、协同计算。

（四）边缘计算将使信息系统的安全从单一集中负 担到分摊负担

边缘计算建设模式将打破大而全的信息化建设 模式，从而很多风险、隐患可以分摊到其他部分， 如信息安全。在传统的集中式建设模式下，往往 需要安全等级指标，一旦出现问题，整体云计算 中心、数据中心将整体受到影响。而边缘计算建 设模式可以把这些风险分摊，而且很多数据无需 保存到云侧，而是用户自己保存数据，信息泄露 的风险将大大降低。

五、边缘计算发展的机遇与对策

2017 年 2 月，美国计算机社区联盟（CCC）发 布《边缘计算重大挑战研讨会报告》，阐述了边缘 计算在应用、架构、能力与服务方面的主要挑战。 这些挑战概括起来主要表现在边缘设备的多源、异 构、异地性管理、边缘计算的信息服务质量（QoS） 保障、边缘端的数据隐私及信息安全保障、云与边 缘的分布式协同计算、智能化情景感知能力和统一 开放平台等方面。从未来的发展趋势看，物联网、 移动互联网、工业互联网的发展将使边缘计算模型 逐步打破单一以互联网数据中心（IDC）为中心的 云计算模型，并最终形成互补的局面；“云 – 网 – 端”基础设施随着海量智能设备在存储、计算、安 全、传输等方面能力的升级，资源配置趋于下沉， 与“端”距离更近；边缘计算引起了计算模型“去 中心化”的趋势，协同计算将是未来技术的发展方 向；海量终端将对人工智能、机器学习等技术产生 影响 [20]，将促进微内核技术的发展，方便算法、 模型等嵌入到海量设备的固件当中，使前端智能更 具发展前景；边缘计算平台的开放性、通用性、兼 容性、交互性、安全性等将是未来需要解决的问 题和技术发展趋势 [21]。如果这些挑战性的技术问 题能够得到突破，将带来“互联网 +”发展的新机 遇，同样也能够带来产业发展的机遇。无线及移动 行业研究机构 iGR 的创始人 Iain Gillott 在 2017 年 9 月 25 日至 27 日举行的全球移动边缘计算大会上 表示，边缘计算改变了移动网络的经济形态。据估 算，2017—2026 年美国在边缘计算方面的支出将达 到 870 亿美元，欧洲则为 1 850 亿美元。因此，为 应对新的发展机遇，对我国发展边缘计算技术，建 议采取以下对策。

（一）加强边缘计算的技术标准和规范建设

边缘计算涉及到海量的终端设备、边缘节点， 是数据采集、数据汇聚、数据集成、数据处理的前 端，而这些设备往往存在异构性，来自于不同的生 产厂商、不同的数据接口、不同的数据结构、不同 的传输协议、不同的底层平台等，为此统一的技术 规范和标准亟待达成一致。同样这些标准和规范的 制定将大大节约边缘云等的建设成本。

（二）将边缘计算技术的研发和应用与“互联网 +”、 云计算、大数据和新一代通信技术等研发计 划发展协同起来

边缘计算是与云计算相生相伴的一种技术，并 且与大数据、5G 通信和智能信息处理技术等高度 联接。因此，我国在制定相关研发计划的时候，要 将边缘计算技术和应用的研发活动纳入进去，加快 相关核心技术的研发，加快和提升边缘计算技术的 成熟度。

（三）加强边缘计算的开源生态建设

边缘计算本身由海量的终端设备构成，而众多 智能终端可采用统一的开源操作系统，以便形成开 源生态环境，这一趋势将会给各厂商提供均等的发展机会，利用开源生态来维持核心代码，以便形成 业界认可的技术接口、关键功能、发展路径等。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

施魏松, 刘芳. 边缘计算 [J]. 北京: 科学出版社, 2018. Shi W S, Liu F. Edge computing [J].
[2]

Mung C, Bharath B. 雾计算：技术、架构及应用[M]. 闫实, 彭木根, 译. 北京: 机械工业出版社, 2018.
[3]

Wang S, Zhang X, Zhang Y, et al . A survey on mobile edge networks: Convergence of computing, caching and communications [J]. IEEE Access, 2017, 5(99): 6757–6779.
[4]

Verbelen T, Simoens P, Turck F D, et al. Cloudlets: Bringing the cloud to the mobile user [C]. ACM: ACM Workshop on Mobile Cloud Computing and Services, 2012: 29–36.
[5]

Bonomi F, Milito R, Zhu J, et al. Fog computing and its role in the internet of things [C]. ACM: MCC Workshop on Mobile Cloud Computing, 2012: 13–16.
[6]

Fatemeh J, Kerry H, Robert A, et al. Tucker, “fog computing may help to save energy in cloud computing” [J]. IEEE Journal of Selected Areas in Communications, 2016, 34(5): 1728–1734.
[7]

Firdhous M, Ghazali O, Hassan S. Fog computing: Will it be the future of cloud computing?[C]. The Third International Conference on Informatics & Applications (ICIA2014), 2014.
[8]

Yi S, Li C, Li Q. A survey of fog computing: Concepts, applications and issues [C]. ACM: The 2015 Workshop on Mobile Big Data, 2015: 37–42.
[9]

Dsouza C, Ahn G J, Taguinod M. Policy-driven security management for fog computing: Preliminary framework and a case study [C]. Information Reuse and Integration (IRI), 2014 IEEE 15th International Conference on IEEE, 2014: 16–23.
[10]

Yi S, Qin Z, Li Q. Security and privacy issues of fog computing: A survey [C]. WASA, 2015: 685–695.
[11]

Yi S, Hao Z, Qin Z, et al. Fog computing: Platform and applications [C]. Hot Topics in Web Systems and Technologies (HotWeb), 2015 Third IEEE Workshop on IEEE, 2015: 73–78.
[12]

Davis A, Parikh J, Weihl W E. Edge computing: Extending enterprise applications to the edge of the internet [C]. ACM: The 13th International World Wide Web Conference on Alternate Track Papers & Posters, 2004: 180–187.
[13]

Malandrino F, Kirkpatrick S, Chiasserini C F. How close to the edge? delay/utilization trends in MEC [C]. ACM: ACM Workshop on Cloud-Assisted Networking, 2016:37–42.
[14]

Shi W S, Cao J, Zhang Q, et al. Edge computing: Vision and challenges [J]. IEEE Internet of Things Journal, 2016, 3(5): 637–646.
[15]

Hu Y C, Patel M, Sabella D, et al. Mobile edge computing—A key technology towards 5G [J]. ETSI White Paper, 2015, 11(11): 1–16.
[16]

Hong K, Lillethun D, Ramachandran U, et al. Mobile fog: A programming model for large-scale applications on the internet of things[C]. ACM: The Second ACM SIGCOMM Workshop on Mobile Cloud Computing, 2013: 15–20.
[17]

Patel M, Naughton B, Chan C, et al. Mobile-edge computing introductory technical white paper [R]. Mobile-Edge Computing (MEC) Industry Initiative, 2014.
[18]

边缘计算产业联盟, 工业互联网产业联盟.《边缘计算参考架构2.0》白皮书 [R]. 边缘计算产业联盟, 工业互联网产业联盟, 2017.
[19]

吕华章, 陈丹, 范斌, 边缘计算标准化进展与案例分析 [J]. 计算机研究与发展, 2018, 55(3): 487–511.
[20]

周宣汝, 赵丽亚, 赵地, 人工智能对科研信息化的推动作用[J]. 科研信息化技术与应用, 2016, 7(6): 14–26.
[21]

杨萃, 袁博, 田野, 基于物联网标识的智能家居服务体系架构设计 [J]. 科研信息化技术与应用, 2015, 6(1): 80–88.

基金资助

中国工程院咨询项目“‘互联网+’行动计划的发展战略研究”(2016-ZD-03)；国家自然科学基金项目(91646127)；中国科学院文献情报能力建设专项——院所协同项目(ICP2017–16)()

AI Summary AI Mindmap
PDF (358KB)

10380

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉