边缘计算技术的研究与应用探讨

卢文进

摘要：边缘计算将网络、计算、存储、应用等技术部署在边缘计算节点以提升网络性能和网络控制能力，适用于工业互联网、固联网、移动通信网等多种场景。边缘计算作为解决大规模多源异构数据处理问题的新兴技术手段，为众多新型业务的开展奠定了基础。

关键词：边缘计算;计算架构;应用

中图分类号：TP393.09   文献标识码：A   文章编号：1672-9129（2020）16-0024-01

1 边缘计算的概念

数据的爆炸式增长成为数据存储、传输、处理等技术领域的新难题，也对相关服务的性能提出了更高要求。边缘计算，是将传统网络中由中心节点完成计算处理的大型服务分解成更小的部分，分散到网络逻辑的边缘节点上进行处理[1]。典型模型有数据库模型、P2P模型、CDN模型、雾计算模型等。作为一种分散式运算架构，边缘计算能够降低网络带宽压力，避免中心节点负载过高，提高数据的传输、处理速度，增强服务响应能力，在智能家居、智能零售、智慧城市等领域均有应用。

2 边缘计算架构

2.1基本架构。边缘服务器是计算架构的核心，物联网、AI技术的应用使数据处理的复杂程度直线上升，因此要求边缘服务器要能完成高密度计算、数据存储、联网等功能，还要考虑能耗、成本等问题。高密度组件的使用能克服边缘服务器工作空间较小的缺点，所以边缘服务器一般采用多核CPU作为处理器，同时搭载大容量固态存储器、主流网络模块（如WIFI）、ECC内存等。

异构计算同样在计算架构中占有重要地位，通过将不同指令集的计算单元进行协同[2]，异构计算可以有针对性的采用相关计算单元完成对结构化、非结构化数据的处理。

虚拟机和容器的主要作用是整合、管理计算架构中的各项服务。虚拟机可以提供更强的安全隔离;容器则具备轻量化、高性能的特点，更节省资源;实际应用时使用虚拟机还是使用容器可根据架构的不同需求进行选择。

2.2通信网络。边缘计算架构需要借助通信网络进行相关业务的传输，所选网络要满足传输时间确定性和数据完整性的要求，为业务的灵活配置提供保障。目前边缘计算的主要搭载网络是5G移动网和部分固网，一些迅速发展的网络技术也逐步应用到边缘计算中来，最热门的SDN就是其中之一，此外还有NFV、VMDq、SR-IOV等。

SDN由网络基础设施层、控制层、应用层构成，通过将控制面与数据面分离简化网络复杂度，获得更好的扩展性，提高效率，降低成本[3]。NFV即网络功能虚拟化，是通过软件在通用处理器上实现原本搭载在专用硬件设备上的网络功能，可以灵活配置资源，降低专用网络设备成本。VMDq和SR-IOV技术都是为实现I/O设备的虚拟化而诞生的，VMDq技术使用网络适配器进行数据包分类，降低CPU占用率，提高访问性能。SR-IOV技术可以实现虚拟机之间PCIe的高效共享，获得接近物理宿主机的性能。

2.3边缘存储。边缘存储的实质是分布式存储，在这种存储架构下，数据不再传输到中心服务器，而是直接存储在边缘计算节点中。边缘存储具有时延较低，占用带宽较小等优点，由于边缘节点是独立的，对数据进行操作不会影响其他网络，也能将数据合并传送，减少网络中的冗余数据;而且当边缘设备在不同网络中移动时，数据的同步和完整性不会受到影响。

边缘存储的介质主要有机械硬盘和固态硬盘两类，常见机械硬盘有SATA和SAS，由于机械硬盘使用磁头寻址，因此性能相比固态硬盘较差。固态硬盘由Flash/DRAM+控制器构成，常见的有SATA SSD、SAS SSD和NVMe SSD等。对于需要进行高级分析的非持久性数据，一般使用DRAM进行存储;对于持久性数据，则根据不同需求选取不同介质。

3 边缘计算应用

3.1智能家居。智能家居赋予传统家庭生活更高的便捷性和娱乐性，随着各类智能设备的开发使用，边缘计算也逐渐迁移到智能家居领域中来。针对智能家居的边缘计算架构可以实现不同网络协议的互联，解决不同智能设备接口不统一的问题;再通过对传感数据、语音数据、视频数据等进行转换、分析，进行自主决策和演进，不断提高智能化程度;同时架构也能统一交互界面，使智能家居可用性、用户友好性更强。

3.2智能零售。智能零售的显著特点是将线下、线上服务进行结合，以无人零售、无界零售等新形式推动消费流程的数字化、智能化，阿里无人店和京东7FRESH的成功运营证明了智能零售的无限可能。智能零售中的边缘计算结构是利用边缘侧节点承载容器服务，将计算能力扩展到货架、摄像头、电子秤、打印机等本地设备，提供商品跟踪、人脸支付、自动盘货、预测供应等服务。

3.3智慧城市。智慧城市的目标是整合电信、交通、网络等社会资源的感知数据，识别事件，并根据数据相关性对重大或关联性事件进行智能研判和高效处置。其边缘计算架构采用三层模型，底层为采集层，包含监控、传感器、GPS终端等设备，各类数据由采集层传输到就近的边缘计算节点;各节点共同构成感知层，感知层通过内置的推理模型对原始数据进行汇聚和计算，提取特征信息，再上传至应用层;应用层完成最终的统筹规划，形成决策，完成事件处理。

3.4自动驾驶。自动驾驶集中了传感、通信、自动控制和人工智能等技术，是目前公认的汽车技术发展方向。自动驾驶的边缘计算架构要对计算单元、环境感知设备、数字化车载应用等负载进行整合，使其能够运行在同一个硬件平台上;同时采用异构计算满足定位、路径规划、目标识别跟踪等任务的运算需求;此外还要根据自动驾驶对实时性、安全性的特殊要求部署不同规则。

4 结论

物联网和5G技术的涌现、发展推进了边缘计算的商业化落地，目前边缘计算架构已经在多个领域取得了部署成果，也会作为未来的研究热点得到不断改进。本文对边缘计算中的基本架构、网络、存储进行了详细介绍，列举了其在不同领域的具体应用，帮助读者更好理解边缘计算。

参考文献：

[1]蒋林涛.云计算、边缘计算和算力网络[J].信息通信技术，2020，14（4）：4-8.

[2]郑逢斌，朱东伟，臧文乾， 等.边缘计算：新型计算范式综述与应用研究[J].计算机科学与探索，2020，14（4）：541-553.

[3]穆琙博，柴瑶琳，宋平， 等.邊缘计算发展现状及标准体系研究[J].信息通信技术，2020，14（4）：23-30.