边缘计算技术及应用综述

2020-01-10黄文龙张显羽杨振亚

通信电源技术 2020年18期

邱伟，黄文龙，张显羽，杨振亚

（1.福建厦门抽水蓄能有限公司，福建厦门 361107；2.北京国电通网络技术有限公司，北京 100070）

1 边缘计算定义及参考架构

边缘计算起源于ETSI，具体指的是在距离用户移动终端最近的RAN中给用户提供TI服务环境和云计算服务的能力，通过这一技术的应用，可以实现低延时、高网络运营效率和业务分发传送能力的目标，为终端用户提供优质的网络服务。互联网技术在快速发展的过程中，边缘计算的概念有了进一步的提升与扩充，蓝牙、WiFi等非3GPP场景逐步属于其范畴。从宏观性角度来看，边缘计算技术下包含了网络层、边缘计算业务平台及边缘网管系统。

边缘计算技术在不断的发展过程中，除了其基本定义和标准架构在继续完善，还逐步出台了一系列的相关规范和技术标准，如边缘计算应用的编排、管理、业务等。这一系列内容的出台，使得在边缘计算技术下的数据存储、传输和使用都更为便捷和高效。通用硬件平台的边缘计算参考架构，使得在这一技术应用中，能够完全满足多个第三方应用与功能的同步部署，再加上软件功能存在差异性，如果以软件功能能力作为基础，完全可以实现不同属性分层解耦的部署，在有限的资源条件下，边缘计算技术的各方面性能都大大提升[1]。边缘计算技术应用时，专有的边缘计算平台非常重要，平台为边缘应用提供服务的同时，中间件是重要的中间要素，如通信服务、注册服务、流量卸载。

2 边缘计算技术的原理

边缘计算技术的最终目的是要对潜在的无线网络资源进行开发和利用，而这些最终目的在实现的过程中，需借助于通信低延时、应用平台和交互的开放。现阶段，随着5G网络技术的发展，用户的上网速度大大提升。随着网络运转的高速率，对于边缘计算技术的开发和应用将越来越重要。传统无线网络传输技术下，需通过无线基站和核心网的建设，经由业务平台、用户向无线网的接入、传输网等实现网络传输和通信。在这一传输方式下的网络传输和运营效率低下，用户往往需要经过多个环节和步骤方可有效利用无线网络，存在传输速度慢、业务量庞大等多种技术难题。为了解决这些问题，需利用边缘计算技术。边缘计算技术的原理就是在传统的无线网基站和核心网中间建设和接入边缘计算机技术设备，通过这些设备的接入，使得无线网络业务平台的传输中转得以减少，大大提升无线网络的整体传输速率，为用户提供更为便捷、高效的无线网络传输服务。

3 关键技术

3.1 本地缓存

边缘计算技术在应用的过程中，本地缓存技术是一种关键性的技术。如果要达到本地缓存目的，就要求在边缘计算技术的应用中，兼具缓存调度和内容存储的功能。用户首先发送业务请求，随后，边缘计算技术要经由后台数据查找来进一步判断缓存是否已经完成，如果发现已经存在了缓存，则直接路由到本地服务存储器；如果缓存尚未实现，则需要转发到核心网来开展缓存，与此同时，也将会伴随计费功能的实现[2]。在本地缓存技术下，无线网络将具有更为完善的功能，用户在无线网络的使用过程中也更为灵活，整体的业务速率都大大提升。

3.2 本地转发

本地转发同样是边缘计算技术下的核心技术，在这一技术的支持下，要求路由器解析、地址转换功能得以实现。在本地转发技术下，本地缓存有着明显的不同，必须要对原有的IP地址加以转换，才能够进一步直接接入到本地的无线网络。在此过程中，对安全性的要求非常高，只有在保障了运营商网络与本地无线网络都达到了安全标准以后，方可用无线网络来为用户提供服务。在安全管理方面，主要包含了如下方式：物理端口的隔离，具体实现是要在无线网络中设置多个物理端口，使得本地网络可以与其他端口有效隔离开来，以创造更为安全的网络环境；逻辑端口的隔离，通过本地网络与外网的数据隔离来实现；防火墙设计，通过防火墙设置来有效阻止恶意攻击与入侵[3]。

4 边缘计算技术应用的关键性问题研究

4.1 针对不同设备的模型压缩和优化

边缘计算技术是在云计算的概念上进一步发展的新技术，这一技术下，云计算中的学习模型难以符合当下的发展条件，需在原有学习算法的基础上，集中大量更为复杂的算法，来实现对计算全过程的模拟与训练。但是，复杂算法下所形成的学习模型，整体结构庞大，在其中包含的要素非常多，在运行时会消耗非常多的内存资源。虽然边缘计算的计算能力和存储能力都非常突出，但是，依旧难以与云计算服务器相配合。因此，边缘计算技术应用中的关键，就是要克服学习模型中的资源有限性难题。传统的学习模型中，在压缩与优化处理的过程中，更为关注的是模型规模量的减少和模型精度的控制。而边缘计算设备下，由于设备种类非常多，且不同设备之间存在非常明显的差别，再加上处理器、内存等的巨大差异，使得在学习模型的设计过程中，需综合考虑的因素非常多，不仅要考虑规模体量与精度损失，更需要考虑延迟和能耗问题。

4.2 基于异构硬件资源的系统优化

假定在边缘计算技术应用过程中，学习模型能够满足边缘计算技术的实际应用需求，但在模型构建时，还需要进一步进行相应的结构优化和资源利用，以最大程度地提升学习模型的整体运行效率。要实现模型优化，需通过模型推理引擎，来使得边缘计算系统具有良好的运行效率。具体地，不仅需从软件层面上实现系统的优化，更要兼顾软件和硬件的协同性设计，加强对底层硬件的科学应用。例如，在当前的技术条件下，边缘计算技术应用的一个最为突出表现就是智能手机，在智能手机中存在很多的异构化硬件资源，具体表现为规模体量不一的CPU核、运行能力存在差异的DSP和GPU。现阶段的技术发展中，边缘计算系统内一般只能够实现对某一种计算资源的利用。

4.3 数据和隐私安全保护

边缘计算技术应用的过程中，同样需要注重数据和隐私安全保护，如果这一技术在具体的应用过程中难以达到要求，将会使得边缘计算技术难以发挥其技术优势。一般条件下，当边缘计算设备中无法实现高精度模型的运行时，就需要利用云服务器来进行深度学习模型的运行。此时，远程计算资源将是最为关键的要素，但在实际应用时，需注重对用户隐私的保护。当然，模型安全方面需要考虑的因素更多，如果要使得学习模型能够达到相应的设计标准，往往就需要投入较多的人力、物力等资源。学习模型属于一种数字化资产，只有处于云计算环境下，学习模型才可以正常运行，普通用户无法直接使用模型数据。边缘计算环境下，学习模型一般布置在本地设备上，这一特殊的布置位置使得不法分子可能会通过终端系统的破译来侵入系统，也就难以保障学习模型的安全性。因此，数据与隐私安全保护是边缘计算应用中的关键。

5 边缘计算在抽水蓄能电站的典型应用

以国网新源控股有限公司（简称新源公司）为例，该公司的主要业务是进行抽水蓄能电站和常规水电站的建设和经营。随着内外部环境的变化，新源公司积极引入了互联网思维，转变了其发展理念和模式，在厂侧抽水蓄能电站的边缘计算物联代理方面取得了一定的发展成就。

5.1 抽水蓄能电站边缘厂站侧现状分析

抽水蓄能电站边缘厂站现状如下：（1）通信接口标准的不统一。抽水蓄能电站在不断的应用和发展过程中，物联网设备数量逐步增加，而这些物联网设备的增加使得在整个抽水蓄能电站的运营中，存在硬件设备的异构性问题，且这一问题非常突出，再加上各类终端的通信方式、接口标准等存在非常大的差异性，导致厂站测感知网络组网、数据融合共享都存在一定的限制。（2）边端智能处理能力有限。在物联设备不断增加的过程中，现场采集的数据量也在呈现出指数级增长的趋势。数据数量的海量性对于数据计算能力的要求大大提高，如果将海量的数据资源直接放到云端来加以处理，将会造成大量频谱资源的占用，甚至对于云端的数据带宽、数据处理能力都有着相对较高的标准，而边端智能处理能力十分有限。这是当前边缘计算技术应用中需要切实解决的问题。（3）安全防护能力不足。在终端种类和数量不断增加的过程中，边缘环境的日渐复杂，使得系统在运行过程中极易受到入侵、攻击。

5.2 抽水蓄能电站的边缘计算物联代理的应用意义

如果将边缘计算技术应用于抽水蓄能电站中，可以改善其原有的问题。（1）提升了边缘计算能力。通过抽水蓄能电站中边缘计算物理代理装置的使用，再加上一体化开放平台的构建，使得在平台内能够兼具计算、存储等多方面的功能，也就可以有效解决传统技术条件下存在的资源占据过大等问题，为用户提供各种服务。（2）统一接口标准，大大提升了系统的接入能力。将边缘物理代理装置应用于其中，使得电站现有的本地通信协议达到全覆盖的目的，且这些通信协议的类型非常多，各种物联设备之间可以保持高效、稳定的连接。（3）安全防护能力得以提升，内网接入能力有所提升。通过统一、专用安全协议的使用，可以使得边缘设备的安全性大大提升。例如，终端接入之前的密钥协商、接入后的硬件加密卡的使用，都使得系统的防护能力得以提升，有效保障了边缘计算技术应用中的数据与用户隐私安全。