基于物联网技术的边缘计算研究

周绍景ZHOU Shao-jing；王毅WANG Yi；余雯YU Wen；孙土土SUN Tu-tu

（昆明冶金高等专科学校计算机信息学院，昆明650033）

0 引言

伴随着物联网技术的快速发展以及4/5G 网络的普及，网络终端数量以及产生的应用数据量都将飞速增长。根据权威预测分析，物联网应用中产生的数据量有将近一半以上都将在网络终端进行处理。在这样的一种应用场景之下，现有的分布式云计算模型为核心的集中式处理方式将不能快速、有效地处理实时数据处理。其主要的不足体现在以下四个方面：①实时性问题。当边缘计算的实时性要求较高的时候，集中式处理方式将因为数据传输延时而导致不能及时给出反馈，延误了数据的处理时机。比较典型的例子为无人驾驶汽车等应用。②带宽不足问题。边缘计算的海量级数据流量将给网络带宽负载带来极大的挑战。③能耗问题。数据中心由于需要处理的用户数据越来越多，能耗将会成为阻碍云计算中心化的发展的瓶颈。④安全性问题。由于物联网与用户生活的紧密关系，数据安全与隐私是不得不考虑的问题。与之相对的是，网络边缘计算模型有3 个较为突出的优势：①可以在网络边缘处理临时数据，而不必上传到数据中心，这极大地减少了网络宽负载和数据计算中心的能耗。②在靠近数据源处做数据处理与计算，极大地减少了网络时延，增强了数据处理的实时性。③隐私数据可以不必上传到数据中心，而是在边缘设备上，较大地降低了数据泄露的安全风险。

物联网作为热门的应用技术发展的方向，物联网的发展与云计算密切相关。物联网及应用终端负责原始数据采集与提交，相关信息的存储和处理均由中心云平台完成，然后响应发送相关的动作指令至物联网络设备端，完成应用交互过程。但是这种应用模式存在一些明显的不足：①数据的安全风险与威胁。数据在云端和设备之间往返传输，这直接导致隐私被泄漏的安全风险较高。②性能问题。物联网的很多应用领域依赖于实时响应。但是基于中心化云计算平台的应用计算处理很大程度上依赖于设备本身与服务器之间的传输距离。③高企的运营成本。物联网的应用正不断地产生大量应用数据和不断地扩大协同共享的规模，运营成本将进一步提升，这对规模化运营增加极大的负担。

1 边缘计算发展历程

边缘计算最早在2003年的时候，就被AKMAAI 与IBM 的一份内部报告《开发边缘计算应用》中提出。将经历了十余年的蛰伏之后，伴随着物联网的发展成熟，边缘数据爆发式的几何倍率增长，为了解决数据传输、计算和存储过程中，网络带宽负载和计算负载问题，研究人员开始考虑在数据源头增加数据处理的能力。具有代表性的有移动边缘计算、雾计算和海云计算。移动边缘计算主要带来了较低延时、高速网络带宽来提高对网络服务质量和用户端的体验度。思科公司提出的雾计算则为了缓解带宽负载和能耗，减少了中心与用户间的交互次数。其主要关注点在于分布式资源共享。海云计算则是由中国科学院提出，利用云计算系与海计算系统的协同与集成，提升传统云计算的计算能力。从2015年之后，由于物联网的逐步成熟，边缘计算进入了快速增长期。各种基于物联网领域应用的边缘计算研究广泛开展。首部边缘计算的书籍《边缘计算出版》，在上海举办了以“边缘计算，智能未来”为主题的边缘智能主题论坛。以“由云到端的智能架构”为主题的全国计算机体系结构学术年会召开。CNCF 和Eclipse 基金会展开的合作，将超大规模的云计算模型引进到边缘计算的应用场景中。这些大事无一不昭示着边缘计算的重要程度。

2 架构设计问题

针对5G 海量通信、高可靠、低时延的挑战，传统云计算难以达到5G 的应用要求。需融合云计算与边缘计算的移动边缘计算架构，在用户终端提供计算服务和存储服务。与云计算比，边缘计算和云计算融合的“边云协同”架构降低时延和缓解拥塞等问题，实时性也更增强。该网络应用架构还存在以下问题：①信息中心网络（ICN）和MEC用于实现在移动终端设备附近进行缓存与计算，但引出网络结构和资源的部署难以实现的问题。所以解决大规模信息交换和移动终端设备的要求，设计融合云计算与边缘计算的MEC 网络架构，以及在该架构中实现以内容为中心的ICN 和MEC 相互促进与结合，以便提升网络系统性能急需要解决的问题之一。②为了更好地研制边缘计算节点，详细设计和优化MEC 系统模块和接口，规范接口的功能与定义，保证每一个模块之间的信息交互方便地借助每一个各接口完成传输。

3 边缘计算

边缘计算包括网络技术、隔离技术、体系结构、边缘操作系统、算法执行框架、数据处理平台以及安全和隐私等。边缘计算对网络有其特殊要求。首先，由于终端动态性，请求者如何发现周边服务是一个关键问题。其次，由于终端用户的注册、注销、迁移等，会产生突然的大量数据。解决支持设备的快速配置比较突出。最后，边缘计算对应大量的服务，平衡各个服务器之间的负载，是核心问题。为解决该问题引入边缘网络，边缘计算通过可靠的隔离技术来保证服务的可靠性和质量。在云计算的应用场景下使用VM 和Docker 容器等技术进行资源隔离。在体系结构上采取通用计算和异构计算硬件并存的模式，因此边缘计算需要解决异构网络的问题。现有解决方案多以特定场景设计：边缘操作系统方面，需对上处理大量异构数据，对下管理异构的计算资源，能在边缘计算的计算任务部署、调度、迁移等。现有机器人操作系统ROS 及基于其实现的操作系统在目前的情境下，是边缘计算场景中典型的操作系统。算法执行框架方面，机器学习为代表的智能任务是实现边缘计算智能化的必要条件，而高效的算法执行框架是实现的重要方法。执行框架方面，从延迟、内存占用量和能效等分析，现有的框架都没有很好表现。因此执行框架的提升空间较大。数据处理平台方面，由于边缘数据类型驳杂，海量的异构数据统一进行管理、分析和共享十分重要。在安全和隐私方面，虽边缘计算将计算推近至用户，降低了数据泄露的风险，但在用户端或用户区域，仍有被攻击风险。边缘计算可采用已成熟的安全解决方案实施防护，包括非对称密钥、访问控制策略等。此外采用硬件协助的安全方式。

4 边缘计算问题及关键技术

边缘计算仍存在亟需解决的问题。首先，动态调度问题。云计算中心与边缘设备之间、边缘设备之间，如何能够按需进行调度，在节约带宽、计算性能的同时获取最大化的资源利用。其次，与垂直行业之间的结合问题。在边缘计算模型下更贴近数据源，与垂直行业更加紧密。这要求要对垂直行业有较高了解，如何设计出下沉可用的系统，边缘节点落地的问题。

由于物联网是由多种信息技术相互融合从而产生的万物联网的应用技术，融合产生的应用场景会产生大量的异构数据，异构特征是物联网应用技术的显现特征，这种异构特征决定了在对物联网的关键技术研发的过程中，需要对各种关键应用技术实现有效地融合，才能在各种终端设备收集到的异质数据信息统一化或整合，最终带来实际应用价值。“移动边缘计算”将Internet 计算和存储能力从过去的以云为中心的延展到了更加“偏远”的用户侧的网络终端。虽然MEC 不在较多的优势，但是MEC要满足物联网应用的低时延、高能效、高可靠的应用需求，终端边缘计算将计算和存储能力延伸到更加靠近用户端的架构。虽MEC 优势较多，但MEC 满足万物互联的物联网应用需求，仍面临挑战：1）利用边缘计算并结合终端计算作业任务的属性设计出的流量卸载或计算卸载工作机制，在计算卸载时确定是否需要中心云计算平台完成计算以及挑选出需要中心云计算的任务是解决的关键问题。2）用户请求具有集中性问题且相似度高的内容会在不同时间段内被重复请求。因此，利用缓存方法将相似度高的请求处理缓冲存储至基站以便减少内容下载的响应时延，是降低网络回传负载的主要措施。所以设计出有效的缓存策略及存储处理工作机制并提升缓存命中率也是研发重点。

5 结语

边缘计算通过几年的发展，已经取得了一些成果，得到了业界广泛重视和认可。未来，在各个关键技术领域的发展必将使得边缘计算更好的开花结果。自其提出以来，短短数年时间就已经获得了如此成就，相信未来它能够产生更大的作用，为各个行业的发展做出更大的贡献。边缘计算在各领域的发展必将使得边缘计算进一步发展，未来它为各个行业的发展做出更大的贡献。另外，基于物联网应用的测试床研发时应考虑：网络控制器的架构与设计、边缘计算节点的架构与设计、安全防御解决方案、通用性和标准测评问题等需要进一步研究。