译文：
 
Version 2.2 – May 2021
 
摘要
 
为了支持数字化转型计划，IT部门需要正确地融合本地、公共和边缘云环境，以支持各种现有和新兴用例，同时避免供应商锁定和实现成本优化。他们还需要在共享环境中将容器与Virtual Machine工作负载结合起来，以便从成熟的虚拟化技术和安全的容器编排中获得最大的好处。本文档为OpenNebula提供了一个强大的分布式边缘云架构，它由边缘集群组成，可以在任何裸金属资源上运行任何工作负载，包括虚拟机和应用程序容器，也可以在任何本地和云提供商上的任何地方运行虚拟化资源。我们的边缘云架构通过将公共和私有云操作与工作负载可移植性以及IT基础设施和应用程序的统一管理相结合，实现了真正的混合和多云计算。
 我们将这个体系结构定义得比传统的云计算体系结构简单得多，传统的云计算体系结构通常由用于存储和网络的复杂、专有的通用软件系统组成。该体系结构是根据过去十年中数百名用户和客户参与的集体信息和经验创建的。它基于Linux操作系统中已经存在的存储和网络技术，以及现有云和边缘提供商提供的现代存储硬件，从而大大简化了设计。我们的边缘云架构通过非常简单的设计实现了企业级的性能、可用性和可伸缩性云特性，避免了供应商锁定，降低了复杂性、资源消耗和运营成本。
 
1、什么是OpenNebula？
 OpenNebula是一个功能强大但易于使用的开源解决方案，用于构建和管理企业云。它将虚拟化和容器技术与多租户、自动供应和弹性相结合，以提供随需应变的应用程序和服务。OpenNebula提供了一个单一、功能丰富、灵活的平台，对IT基础设施和应用程序进行统一管理，避免了厂商锁定，降低了复杂性、资源消耗和运营成本。OpenNebula管理:
 
● 任何应用程序:将容器与虚拟机工作负载组合在一个公共共享环境中，以提供两方面的最佳服务:成熟的虚拟化技术和应用程序容器的编排。
 ● 任何基础设施:通过结合边缘云、公共云、托管云和私有云运营，释放真正混合和多云平台的力量。
 ● 任何虚拟化:集成多种类型的虚拟化技术，以满足您的工作负载需求，从完全虚拟化环境到系统容器和无服务器部署。
 
OpenNebula提供了必要的工具来运行来自Kubernetes和Docker Hub的容器化应用程序，同时确保您的DevOps实践符合企业需求。
 它帮助组织轻松地采用多云计算、混合计算和边缘计算，允许他们利用第三方公共云和AWS和Equinix Metal等裸金属提供商提供的基础设施资源，按需发展企业云。OpenNebula支持多种虚拟化技术，包括用于完全虚拟化云的VMware和KVM虚拟机，用于容器云的LXC系统容器，以及用于无服务器部署的爆竹microVMs。
 
本白皮书描述了OpeNebula的边缘云架构，它由边缘集群组成，可以在任何裸金属资源或虚拟化资源上运行任何工作负载(包括虚拟机和应用程序容器)，也可以在任何地方或云/边缘提供商上运行。
 如果您想了解更多关于边缘计算的创新方法，请参阅我们的白皮书《如何使用OpenNebula.1加速边缘云计算》如果您对在VMware vCenter之上设计和部署OpenNebula云感兴趣，请参考我们的VMware云参考架构。请参考我们的开放云参考架构。
 
OpenNebula的开发遵循了一种由系统管理员、DevOps和企业用户的实际需求驱动的自底向上的方法。OpenNebula是一个开源产品，拥有健康和活跃的社区，并通过OpenNebula系统的OpenNebula订阅获得商业支持。发布版本是定期生成的，并作为一个带有平滑迁移路径的单个包交付。更多关于运行OpenNebula云的好处的信息可以在关键特性页面上找到。
 
2、分布式边缘云的设计原则
 IT部门和运营团队的压力正以很高的速度增长。期望他们:
 
● 创新，使新的应用程序和服务更快地进入市场。
 ● 要灵活地满足开发人员对新开发工具和框架(如容器或基础设施代码(IaC))日益增长的需求，同时继续向应用程序管理员提供基础设施，并确保企业对DevOps实践的需求。
 ● 适应新的现实，混合云和多云正在快速增长，边缘计算是下一个IT转型。
 
从与数百名用户和客户合作的经验来看，我们已经定义了一个边缘云架构，它构建了一个分布式云平台来运行任何工作负载(从虚拟化到容器化)——跨越可以在任何地方运行的多个集群(可以在任何地方运行)——以及任何资源(从裸金属到虚拟)——具有无与伦比的可用性、性能和简单性。
 
该体系结构定义了一个完整的端到端解决方案，基于Linux操作系统中已经存在的经过验证的开源存储和网络技术，以避免厂商锁定;最小化IT复杂性、资源消耗和运营成本;最大化性能、可用性和可靠性;并简化其部署和管理的自动化。
 ● 该架构实现了一个分布式的方法，通过一个云前端控制一个或几个相互连接的边缘集群，可以运行在多个地理分布的数据中心位置，以及云和边缘资源提供商。
 ● 可以动态添加和删除集群，以满足需求高峰，或实现容错策略或延迟需求。
 ● Edge集群基于一个通用的参考架构，该架构被设计为可以部署在任何资源上，从裸金属到虚拟，从而实现工作负载的可移植性。
 ● Edge Cluster的内部设计遵循一种超融合的方法，在每个环境中使用最优的基础设施配置，以确保隔离和性能，轻松地扩展和扩展节点，以匹配计算和存储需求，并迁移工作负载。
 ● 边缘架构实现了真正的混合和多云计算，并利用云、边缘和接入网络云提供商不断增长的生态系统。
 ● Edge集群能够在没有网络连接的情况下自主运行，允许在本地数据中心运行的应用程序在没有任何管理服务的情况下继续运行。
 ● 系统支持现代应用程序，在单一平台上结合应用程序容器和虚拟机，并与现有的虚拟机和容器映像集枢纽和市场集成。虽然基于容器、微服务和功能(无服务器)的新工作负载通常应该是无状态和短暂的，但几乎所有业务应用程序都需要某种形式的数据持久性。这就是边缘云架构为非持久和持久vm以及容器化应用程序提供支持的原因。
 
最后，它产生了单一的供应商体验，因为OpenNebula系统完全支持并可选地管理完整的云堆栈。这意味着简化了采购、咨询和支持的体验。您可以加速和简化单一供应商的路线图开发、迁移和升级路径。
 
3、高层参考体系结构
 现代云环境已经演变成高度复杂的后端，这限制了它们的可靠性并阻碍了它们的可操作性。它们是由专有的、昂贵的用于存储和网络的通用软件系统组成的，这些系统不必要地复杂，因为它们被设计为一次性解决太多问题。OpenNebula Edge云架构背离了这一趋势，它使用了轻量级系统和软件组件，硬件要求适中，易于修复和操作，同时还提供了最大的应用程序性能，通过实现专门用于管理分布式多站点环境中的虚拟化应用程序的创新设计。
 
OpenNebula的边缘云架构是围绕边缘簇的概念而设计的。边缘集群是一组超融合的管理对象功能集，包括存储、网络和主机资源。一个边缘集群提供了运行虚拟化或容器化应用程序所需的所有资源。OpenNebula的管理服务，包括调度、监控和生命周期管理，运行在云中，前端和协调边缘集群。前端还提供对管理工具、用户界面和API的访问。虽然根据集群的数量、大小和API负载的不同，需求可能会有所不同，但前端节点只需要8gb的主存和4个核。体系结构的基本构建块，包括边缘集群，如图1所示。
 
 图1： 边缘云架构的主要组件
 
边缘集群建立在虚拟化主机和互联网络上。虚拟化主机负责通过适当的虚拟化形式为应用程序提供执行资源(例如CPU、内存或网络访问)，例如虚拟机(KVM)、系统容器(LXC)或微型虚拟机(鞭炮/KVM)。实际的虚拟化技术取决于集群主机的配置方式(参见第4节)和工作负载的概要文件。此外，主机为集群提供运行应用程序所需的存储空间。
 
集群主机的配置在安装的软件组件、OpenNebula管理用户和可访问存储方面是相同的。前端节点需要连接到集群主机，以接收状态和监控更新，并发起管理操作。集群节点通过一个或多个私有网络相互连接，这些网络通常用于存储传输以及跨虚拟化主机的应用程序通信。最后，需要访问公共链接以提供具有internet连接的应用程序。
 
Edge Cloud Architecture能够为中型集群提供轻量级且易于使用的存储平台，这些集群由数十个节点组成，可以在本地和云上运行，也可以在物理和虚拟化资源上运行。总的来说，OpenNebula的边缘云架构能够管理数百个这样的集群，因为它们在网络和存储方面自主运行，并处理数千个虚拟化主机和数万个虚拟化应用程序。
 
4、边缘集群部署模型
 OpenNebula Edge云架构的主要优势是能够在任何地方部署集群。这在字面上提供了应用程序移动性和真正的多云计算。集群可以部署在本地基础设施、公共裸金属提供商和虚拟化云环境中，以启用强大的混合云和多云计算。基础设施团队可以灵活地选择他们喜欢的硬件平台和云提供商，并提供出色的OpenNebula体验。
 
特别是集群可以以三种不同的形式提供:
 
● On-premises假定资源具有完整的管理能力，并且在网络方面没有任何限制。通常，这种类型的供应使用内部数据中心资源。
 ● 金属远程对IP地址和资源的连通性提出了一些限制。金属供应通常需要与云/边缘提供商API交互，并使用裸金属实例。
 ● 虚拟远程限制了集群主机的能力以及网络连接。虚拟远程集群部署通常基于来自云或边缘提供者的virtual Machine实例。
 
请注意，一些集群部署或一些云提供商可能会对集群中可用的功能施加一些限制(例如，支持的管理程序或主机连接)。如图1所示，单个前端可以同时从多个位置管理集群。虽然集群架构已经在主要的云提供商上进行了测试，但自动供应功能只支持Equinix Metal和AWS。OpenNebula正在为其他广泛使用的云和边缘提供商开发驱动程序。
 
5、存储体系结构
 我们的边缘云架构基于OneStor，这是一种专门的存储解决方案——完全由OpenNebula系统支持——它是为在高度分布式环境中高效管理磁盘映像而开发的。
 
● 访问作为全局图像存储库的外部(公共)市场。例如OpenNebula Marketplace或Docker Hub，还有私有HTTP存储库或容器注册表。
 ● 最小化映像传输，最大化应用程序I/O性能。集群可以在公共互联网连接上使用云/边缘部署模型。此外，本地供应可以扩展到大量主机。存储不应该成为这些情况的瓶颈。
 ● 简单的部署。通过使用Linux操作系统中已经存在的技术来适应物理和虚拟资源上的任何部署模型，以及增加后端可靠性，从而减少解决方案的复杂性和技术占用。
 
边缘云架构结合了用于映像分发的3层全局架构和增强的文件系统数据存储，在每个边缘集群中具有副本缓存、快照和备份。3层存储体系结构(见图2)包括:
 
● 第1层由远程服务器和实现全局应用程序映像存储库的存储组成。它包括第三方网站，如Docker Hub或Linux Containers，以及OpenNebula公共市场。
 
● 第2层-图像数据存储。该层由区域映像数据存储组成，并提供OpenNebula区域的主映像存储位置。这个存储区域是为一个或多个专用节点提供的。它的内容被缓存并按需复制到每个集群。这支持任何位置的边缘集群部署，以及扩展本地基础设施。
 
● 第3层 - 集群复制。应用程序映像缓存在专用的复制主机集群中，以减少映像传输。复制主机利用专门的分发系统使所有集群主机都可以使用映像，并支持主机故障恢复的快照。
 
 图2：边缘云架构的三层存储系统
 
在每个第3层集群中，磁盘映像通过一种增强的SSH传输方式在Image和System数据存储之间传输，这种方式带有副本缓存和快照，极大地提高了其可伸缩性、性能和可靠性。新的复制模式将映像缓存到每个集群中，这样它们就可以在管理程序附近使用，从而减少对第2层映像数据存储服务器的带宽需求，并显著减少部署时间。这在高度分布式的边缘部署中尤其重要，因为将映像从第2层前端复制到第3层集群管理程序可能非常缓慢。
 
边缘存储架构是通过轻量级技术组件实现的，这些组件转换成适度的硬件要求，如SATA ssd和10gb网络。此外，它的部署遵循超融合的方法，不需要专用服务器来实现分布式存储系统。这降低了解决方案的复杂性，使云集群主机可以使用本地存储区域。
 
应用程序部署的性能
 应用程序映像基于qcow2格式的文件，以最小的开销减少文件传输和实例化时间。使用qcow2文件备份磁盘映像还简化了备份解决方案，减少了映像传输时间，并以一种有效的方式实现了快照等高级特性。预期的部署时间取决于层之间的互连链路和磁盘大小。作为参考，对于法兰克福的裸金属远程集群(第3层)，使用公共互联网链接连接到位于阿姆斯特丹的第2层Image数据存储，我们获得了使用0.5 GiB的qcow2磁盘的应用程序的平均部署时间5s(热缓存)和35s(首次部署，空缓存)。图3描述了上述集群(包含缓存映像和不包含缓存映像)的平均部署时间。当集群使用1Gb/s链路部署时，部署时间一般为5s。
 
 图3. 与不具有缓存映像的部署时间的比较。
 
应用程序的I/O性能
 应用从主机直接连接的存储上运行，以最大限度地提高应用的可用I/O性能。I/O性能接近本机主机，仅受虚拟化层的影响。为了提供这个开销的估计，我们在主机和VM上都运行了Flexible I/O测试器。已经在t1上采取了措施。Equinix metal上的一个小金属实例和一个运行在同一台服务器上的VM。表1总结了这两种机器的特性。
 
 表2显示了在为顺序和随机的读和写操作运行基准时获得的平均带宽。物理主机与虚拟机性能基本相同，差异不超过5%。注意，虚拟页面缓存隐藏了一些延迟。
 
 
应用程序快照性能
 为了提高边缘集群块的可用性，在同一个集群中支持热迁移。应用程序快照也保存在边缘集群(第3层)中，以启用从最后一个应用程序检查点的快速恢复。
 
恢复操作可能会影响两个不同的方面:
 
● 快照操作产生的I/O噪声可能会减少相邻应用程序的I/O。在我们的例子中，这个成本可以忽略不计，因为它基于QEMU写时重定向特性。
 ● 将恢复快照移动到集群复制服务器的网络带宽。在这种情况下，我们使用增量传输算法来减少传输到服务器的信息。然而，这个时间会随着磁盘的内容偏离原来的内容而增加。
 
另一个需要考虑的重要方面是VM恢复时间。与恢复没有任何快照的VM相比，恢复时间是相似的，因为基本映像已经位于集群副本(第3层)上，唯一的额外开销是磁盘快照的传输，磁盘快照也已经在边缘集群中可用。
 
备用存储后端
 OpenNebula支持最流行的企业级SDS(软件定义存储)后端，如Ceph或Gluster，旨在提供高可伸缩性和可用性。尽管这些平台具有高性能和丰富的特性，但运行这些平台需要丰富的经验、更高的财务投资、专用的硬件(无论它们是否是超融合的)和大量的资源。一般来说，它们的成本、复杂性和资源需求阻碍了它们在边缘集群中的实际应用。
 
6、网络体系结构
 集群使用四种类型的网络:
 ● 存储网络专用于分发系统的应用程序镜像。
 ● 专网实现应用互联网络。
 ● 管理网络，用于主机接入前端业务。
 ● 将应用程序与因特网互连的公共网络。通常需要在边缘集群中预定义一组可用的公网ip。
 
注意，当集群远程部署时，管理流量可以通过公网路由。
 
每个网络的特征强烈地依赖于用于集群的部署模型。on-premises模型提供完整的网络功能，并基于标准linux桥接。专用应用网络是通过VLAN标记(802.1Q)实现的。
 
另一方面，云集群或Edge集群可能会对每种网络类型的拓扑提供一些限制，这取决于所选的提供商。通常，OpenNebula网络堆栈使用特定的提供商驱动程序向应用程序和私有网络注册弹性公共ip。
 
在这两种情况下，应用程序都受益于OpenNebula网络内核实现的特性，包括安全组、自动网络调度和用户自配置模型。
 
 图3.概述边缘云架构中使用的网络.
 
7、高可用性
 可用性是云架构设计的一个关键方面，尤其是在涉及应用程序数据恢复和完整性时。
 
● 前端:OpenNebula使用基于Raft的分布式共识协议，提供跨OpenNebula前端服务的容错和状态一致性。至少需要部署3个前端，才能支持1个节点故障。当前端在云资源上运行时，前端HA集群可以跨国家甚至大洲部署。
 
● 多集群:边缘云架构通过允许应用程序跨多个集群，帮助您自动部署地理分布的云和边缘环境，这些环境支持多云可用性模式。通过这种方法，您可以使应用程序比传统的单一数据中心基础设施具有更高的可用性、可伸缩性和容错性。
 集群:OpenNebula实现了远程集群的自治操作，在云上运行的集群和边缘位置可能失去与集中式中心的连接的情况下。在集群中运行的应用程序可以在没有任何管理服务的情况下继续其操作。
 
● 主机:边缘集群中的三层副本存储架构实现了基于定时快照的可用性系统，通过fencing节点防止脑裂(软的，由于本地I/O)，并自动重新启动另一个节点中的应用程序，用于从虚拟机和主机故障中恢复。应用程序快照保存在集群(tier 3)中，以启用从最后一个应用程序检查点的快速恢复。可用性可以通过HW复制(HD Raid和NIC)和网络路径在每个节点内提高，也可以通过跨多个集群实现应用程序级HA(当需要数据和应用程序状态完整性时)在应用程序内提高。
 
● 应用:Edge集群的网络架构和OpenNebula编排功能允许开发人员在需要数据和应用状态完整性的地方使用应用特定的复制机制。此外，由于支持集群主机中的应用程序动态迁移，可以在系统运行时执行维护工作，并且可以减少主机故障。
 
8、自动提供边缘簇
 OpenNebula提供了所需的配置工具和方法，可以随需动态地发展一个私有云基础设施，其资源运行在远程云和边缘提供商上。这种分解云的方法允许从集中式私有云无缝过渡到分布式类边缘云环境。公司能够利用云和边缘数据中心位置的资源来发展他们的私有云，以满足需求高峰或工作负载的延迟和带宽需求。这种方法涉及一个单一的管理层，在这个管理层中，组织可以继续使用现有的OpenNebula映像和模板，保持对基础设施的完全控制，并避免供应商锁定。
 
OneProvision7工具允许在远程提供程序中部署完全可运行的边缘集群，并管理其整个生命周期，从其供应和维护开始，直到未供应为止。每个云或边缘位置(“供应”)被定义为一组从远程裸金属或虚拟提供商分配的物理主机。它们完全配置了用户选择的管理程序，并在云堆栈中为最终用户启用。
 
9、在任何地方运行任何应用程序
 OpenNebula云的关键部分之一是支持现代应用程序、在单一平台上组合应用程序容器和虚拟机，以及与现有虚拟机和容器映像中心和市场集成的能力。
 
OpenNebula拥有对其自己的市场的固有访问权，该市场允许用户从公共存储库(包含经过OpenNebula Systems测试和认证的常用图像)或私人存储库导入图像。可以将这些映像添加到数据存储中，并由现有的VM模板或实例随时使用。
 
 图5. OpenNebula公共市场提供的一些虚拟设备.
 
OpenNebula用户可以轻松地从其他公共市场下载、上下文化和添加虚拟设备，包括Linux Containers8和TurnKey Linux。
 
 图6. Linux Containers(左)和TurnKey Linux(右)提供的一些图片.
 
应用程序开发现在越来越依赖于微服务体系结构，这避免了在修改或添加特定功能到应用程序时破坏整个堆栈。这种开发趋势与这些应用程序的部署方式紧密耦合，通常是通过应用程序容器。从版本5.12“Firework”开始，OpenNebula还与Docker Hub无缝集成，10允许在OpenNebula开放云中的任何管理程序上直接执行Docker Hub映像。这是应用程序的开发和分发模型，特别适合于边缘环境，因为只有少数遗留应用程序将部署在边缘，而新的应用程序很可能使用这些现代模型开发。
 
 图7. OpenNebula与Docker Hub市场的原生集成
 
10、准备好测试了吗？
 您可以在几分钟内使用miniONE,11我们的部署工具来快速安装OpenNebula前端到虚拟机或物理主机中，然后您可以使用它轻松添加基于KVM, LXC或fireacker的远程边缘集群。
 miniONE
 
11、结论
 很明显，现代云的发展导致了高度复杂系统的创建，这些系统通常基于专有技术。本文档概述了OpenNebula的简单性选择和开源备选方案，并介绍了由边缘集群组成的强大边缘云架构。它们是使用Linux操作系统中已经存在的存储和网络技术按需构建的，可以运行任何工作负载——虚拟机和应用程序容器——在任何裸金属资源或任何地方的虚拟资源上、在云上或在边缘上。我们的边缘云架构通过将公共和私有云操作与工作负载可移植性以及IT基础设施和应用程序的统一管理相结合，实现了真正的混合和多云计算。现在，您可以享受单一供应商的体验:我们通过我们的OpenNebula软件订阅为完整的软件堆栈提供企业支持，并通过新的OpenNebula管理订阅提供管理云服务，因此您的团队可以忘记基础设施，专注于业务工作负载。联系我们，我们期待在您的云计算旅程的任何阶段为您提供帮助。

 
 

 

 

 

边缘计算的架构、挑战与应用
 


 

 
李林哲, 周佩雷, 程鹏, 史治国
 
浙江大学工业控制技术国家重点实验室，浙江 杭州 310058
 
阿里巴巴-浙江大学前沿技术联合研究中心，浙江 杭州 310058
 
浙江省公众信息产业有限公司，浙江 杭州 310058
 
 
 

 
摘要：边缘计算是一种在网络边缘执行计算任务的新型计算模型，相比于云计算模型，能够更加迅速、可靠和节能地响应用户需求。从云计算模型的不足出发，首先介绍了边缘计算的概念和通用构架，随后详细阐述了两个边缘计算参考构架，总结了边缘计算面临的挑战，并介绍了针对这些挑战的研究进展。随着边缘计算相关理论和技术的发展，边缘计算将成为推动物联网服务升级的关键技术，以预测性维护和安防监控为例，对边缘计算的应用进行了介绍。
 

 
关键词： 边缘计算 ; 云计算 ; 框架
 

 

 

 

 
论文引用格式：
 
李林哲, 周佩雷, 程鹏, 史治国. 边缘计算的架构、挑战与应用. 大数据[J], 2019, 5(2): 3-16
 
LI L Z, ZHOU P L, CHENG P, SHI Z G. Architecture,challenges and applications of edge computing. Big Data Research[J], 2019, 5(2):3-16
 

 

 

 
1 引言
 

 
随着物联网、5G通信等技术的快速发展，万物互联的智能时代正在加速到来。中国经济信息社在2018年9月发布的《2017—2018年中国物联网发展年度报告》中提到， 2017年物联网设备的数量增长强劲，达到84亿台，首次超过全球人口数量。伴随而来的是数据量的高速增长，数据统计公司Statista预测，到2020年，将大约有310亿个物联网设备连接，同时据思科云指数估计， 2021年云计算的数据总流量将达到18.9 ZB，相比2016年的6.0 ZB增长2.15倍，这种情形对当前广泛使用的云计算模型提出了巨大的挑战。边缘计算是一种在靠近物或数据源头的网络边缘提供智能服务的新型计算模型，它能够节省网络流量、提高响应速度和保护用户隐私，在物联网应用中显示出了优于云计算的性能，受到工业界、学术界的高度关注和一致认可。
 
边缘计算于2015年进入快速发展期，并迅速在安防监控、智慧城市、智慧家居等行业实现了应用试点。边缘计算的快速发展得益于学术界的高度关注。近年来，计算机及通信等领域的知名国际学术会议中，关于边缘计算的文章数目和比例逐年上升，其中计算机领域顶级会议ICDCS在2015年、2016年和2017年收录的边缘计算方向的文章比例分别为6.7%、9.3%和12.7%，通信领域顶级会议INFOCOM每年约收录270篇文章，其中2016年和2017年收录边缘计算方向的文章分别为8篇和5篇，2018年收录边缘计算方向的文章高达29篇，可见学术界对边缘计算的热情。此外，2016年ACM与IEEE共同创办了首个以边缘计算为主题的学术会议——IEEE/ACM Symposium on Edge Computing（SEC），以推进边缘计算关键技术的发展。
 


 
2 边缘计算概述
 

 
2.1 边缘计算的产生背景
 

 
云计算服务是一种集中式服务，所有数据都通过网络传输到云计算中心进行处理。资源的高度集中与整合使得云计算具有很高的通用性，然而，面对物联网设备和数据的爆发式增长，基于云计算模型的聚合性服务逐渐显露出了其在实时性、网络制约、资源开销和隐私保护上的不足。
 
● 云计算难以保证实时性要求。云计算模型将全部数据上传至云计算中心进行处理，其处理速度受到网络带宽、中心计算能力、总计算任务量等多因素的影响，且请求至响应的链路较长，各个环节的时延累计可能造成无法接受的处理时延。
 
● 云计算对网络环境过度依赖。尽管我国4G网络覆盖率已经超过95%，但仍存在海岛、地下室等网络盲区，同时也存在山谷、隧道等无法保证网络质量的区域。由于云计算依赖网络实现数据的传输，在这些场景中其难以提供可靠的服务。
 
● 云计算的资源开销较大。随着数据量的攀升，数据传输带来的网络流量开销也在逐渐升高，同时云计算中心的计算、存储功能带来了极高的能耗，而这些开销并不是完全必要的。以野生动物保护区中的监控图像处理为例，大量的监控图像中并未包含任何动物，然而云计算模型仍然会对每一张图片进行传输、处理和存储。
 
● 云计算难以保证用户隐私。云计算处理的数据可能是包含用户隐私的，例如家庭内的监控摄像头、工厂内的生产数据等，尽管存在用户隐私协议等约束，但服务提供商对数据的实际使用情况是不透明的，例如2017年8月，华为技术有限公司被报道根据用户聊天内容自动加载地址、天气等信息，侵犯了用户隐私。
 
为了弥补集中式云计算的不足，边缘计算的概念应运而生，它是指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务。由于传输链路的缩短，边缘计算能够在数据产生侧快捷、高效地响应业务需求，数据的本地处理也可以提升用户隐私保护程度。另外，边缘计算减小了服务对网络的依赖，在离线状态下也能够提供基础业务服务。云边协同的联合式服务能够充分利用云计算和边缘计算的联合优势，针对不同特征的业务需求进行灵活的部署和响应，图1是云计算模型与云边协同计算模型的对比。据思科云指数估计，2019年人、机、物产生的数据将达到500 ZB，网络带宽将成为云计算的瓶颈，融入边缘计算的云边协同的联合式服务将成为更有效的服务构架。国际数据公司IDC也预测，到2022年，超过40%的云部署结构将容纳边缘计算能力。
 

 

 
图1   云计算模型与云边协同计算模型
 


 
2.2 边缘计算的概念
 

 
边缘计算最早可以追溯至内容分发网络（content delivery network，CDN）中功能缓存的概念，2015年边缘计算进入快速发展期后，以边缘计算为主题的协会与联盟相继成立，各类定义、标准与规范逐渐形成。旨在推动云操作系统的发展、传播和使用的OpenStack基金会以及由华为技术有限公司、中国科学院沈阳自动化研究所等联合成立的边缘计算产业联盟（Edge Computing Consortium，ECC）等组织对边缘计算进行了定义，尽管这些定义的描述不尽相同，但在边缘计算的核心概念上达成了共识：边缘计算是指在网络边缘执行计算的一种新型计算模型，这里的边缘是指从数据源到云计算中心之间的任意资源，其操作对象包括来自于云服务的下行数据和万物互联服务的上行数据。
 
与云计算模型不同的是，边缘计算中终端设备与云计算中心的请求与响应是双向的，如图2所示，终端设备不仅向云计算中心发出请求，同时也能够完成云计算中心下发的计算任务。云计算中心不再是数据生产者和消费者的唯一中继，由于终端设备兼顾了数据生产者和消费者的角色，部分服务可以直接在边缘完成响应，并返回终端设备，云计算中心和边缘分别形成了两个服务响应流。
 


 

 
图2   边缘计算的双向计算流模型
 

 
边缘计算的核心是在靠近数据源或物的一侧提供计算、存储和应用服务，这似乎与雾计算将计算和分析能力扩展至网络“边缘”的定义非常相近。雾计算也是云计算模型的延伸，但雾计算的核心是将云计算中心的能力下沉至接近物的一侧，具有更平坦的架构，属于通用性较高的基础设施，仍然依赖于网络，多使用本地服务器或路由器实现。从实现架构来讲，雾计算也属于边缘计算的一种，除了在雾计算中部署通用性较高的基础设施以外，边缘计算还可以将终端设备侧的能力进行升级，依赖于不构成网络的终端节点。
 


 
3 边缘计算架构
 

 
3.1 边缘计算的通用架构
 

 
云边协同的联合式网络结构一般可以分为终端层、边缘计算层和云计算层，如图3所示，各层可以进行层间及跨层通信，各层的组成决定了层级的计算和存储能力，从而决定了各个层级的功能。
 


 

 
图3   云边协同的联合式网络结构
 


 
（1）终端层
 
终端层由各种物联网设备（如传感器、RFID标签、摄像头、智能手机等）组成，主要完成收集原始数据并上报的功能。在终端层中，只考虑各种物联网设备的感知能力，而不考虑它们的计算能力。终端层的数十亿台物联网设备源源不断地收集各类数据，以事件源的形式作为应用服务的输入。
 
（2）边缘计算层
 
边缘计算层是由网络边缘节点构成的，广泛分布在终端设备与计算中心之间，它可以是智能终端设备本身，例如智能手环、智能摄像头等，也可以被部署在网络连接中，例如网关、路由器等。显然，边缘节点的计算和存储资源是差别很大的，并且边缘节点的资源是动态变化的，例如智能手环的可使用资源是随着人的使用情况动态变化的。因此，如何在动态的网络拓扑中对计算任务进行分配和调度是值得研究的问题。边缘计算层通过合理部署和调配网络边缘侧的计算和存储能力，实现基础服务响应。
 
（3）云计算层
 
在云边计算的联合式服务中，云计算仍然是最强大的数据处理中心，边缘计算层的上报数据将在云计算中心进行永久性存储，边缘计算层无法处理的分析任务和综合全局信息的处理任务也仍然需要在云计算中心完成。除此之外，云计算中心还可以根据网络资源分布动态调整边缘计算层的部署策略和算法。
 
边缘计算的参考框架是众多组织关注的焦点，它将抽象的边缘计算通用框架进行具象，提供了边缘计算框架的实现范式。第3.2节与第3.3节将详细介绍Linux基金会与边缘计算产业联盟提出的两种参考架构。
 

 
3.2 EdgeX Foundry
 

 
2017年4月，Linux基金会创立了EdgeX Foundry社区，旨在创造一个互操作性强、即插即用和模块化的物联网边缘计算生态系统，提出了专注于物联网边缘的标准化的微服务框架——EdgeX Foundry。该框架最早孵化于戴尔公司的物联网中间件框架中，现已将代码开源，可供开发者快速地根据自己的服务需求进行重构和部署，其结构如图4所示。架构的设计遵循了以下原则：架构应是与平台无关的，能够与多类别操作系统进行对接；架构需具有高灵活性，其中的任意部分应该都可以进行升级、替换或扩充；架构需具有存储和转发的功能，支持离线运行，并保证计算能力能够靠近边缘。
 


 

 
图4   EdgeX Foundry架构
 

 
EdgeX Foundry是微服务的集合，这些微服务分为4个层次：设备服务层、核心服务层、支持服务层、应用及导出服务层。以核心服务层为界，整个服务架构可以分为“北侧”和“南侧”。“北侧”包含云计算中心和与云计算中心通信的网络，包含支持服务层与应用及导出服务层。其中，支持服务层包含各种微服务，可提供边缘分析能力，并可以为框架本身提供日志记录、调度和规则引擎等服务；应用及导出服务层则保证了EdgeX Foundry的独立运行，在其不与云计算中心连接时，仍可以对边缘设备的数据进行收集，同时，导出服务层也负责提供网关客户端注册等功能，并对与云计算中心传递的数据格式和规则进行实现。“南侧”包含物理领域中的全部物联网对象以及与它们直接通信的网络边缘。其中，设备服务层提供软件开发工具包（software development kit，SDK），以实现与设备的连接和通信，设备可以是网关或其他具有数据汇集能力的设备，同时设备服务层也可以接收来自其他微服务的命令，进而传递到设备。作为中心的核心服务层是实现边缘能力的关键，其中“核心数据服务”提供了持久性存储服务和对设备数据的管理服务。“命令服务”负责将云计算中心的需求驱动至设备端，并提供命令的缓存和管理服务。“中继数据服务”为中继数据（又称元数据，是对数据的属性描述）提供管理和存储服务，信息用于为设备和服务提供配对。“注册及配置服务”为其他微服务提供配置信息。
 
EdgeX Foundry还包含了两个贯穿整个框架且为各层提供服务的基础服务层——安全和系统管理。安全服务中的元件为EdgeX Foundry中的各类设备提供保护，支持认证授权计费（authentication、authorization、accounting，AAA）访问控制、高级加密标准（advanced encryption standard， AES）数据加密、证书认证、超文本传输安全协议（HTTPS）等保护方法。系统管理工具提供了监控EdgeX Foundry运行情况的能力，在未来可能会提供服务配置、为管理平台提供信息等能力。
 
EdgeX Foundry的主要任务是简化和标准化工业物联网边缘计算，它提供了一个可操作的开源平台，有效降低了边缘计算的准入门槛，小型应用提供商也能够快速地构建和部署边缘计算服务。工业物联网推广组织工业互联网联盟（Industrial Internet Consortium，IIC）已经与Linux基金会达成合作协议，共同推进工业物联网边缘服务的普及。
 

 
3.3 边缘计算参考框架3.0
 

 
除了Linux基金会外，边缘计算产业联盟也于2018年12月发布了《边缘计算白皮书3.0》，并提出了边缘计算参考构架3.0（以下简称边缘框架3.0）。边缘计算产业联盟认为，边缘计算服务框架需要达成的目标有：对物理世界具有系统和实时的认知能力，在数字世界进行仿真和推理，实现物理世界与数字世界的协作；基于模型化的方法在各产业中建立可复用的知识模型体系，实现跨行业的生态协作；系统与系统之间、服务与服务之间等基于模型化接口进行交互，实现软件接口与开发语言、工具的解耦；框架应该可以支撑部署、数据处理和安全等服务的全生命周期。
 
边缘框架3.0也具有贯通整个框架的基础服务层，其架构如图5所示，其中安全服务与管理服务的功能与EdgeX Foundry类似，数据全生命周期服务提供了对数据从产生、处理到消费的综合管理。从纵向结构来看，最上侧的是模型驱动的统一服务框架，它能够实现服务的快速开发和部署。下侧按照边缘计算通用架构分为现场设备、边缘和云3层，边缘层又划分为边缘节点和边缘管理器两个层次。边缘节点的形式、种类是多种多样的，为了解决异构计算与边缘节点的强耦合关系，降低物理世界带来的结构复杂性，边缘节点层中的设备资源被抽象为计算、网络和存储3种资源，使用应用程序编程接口（application programming interface，API）实现通用的能力调用，控制、分析与优化领域功能模块实现了上下层信息的传输和本地资源的规划。边缘管理器则使用模型化的描述语言帮助不同角色使用统一的语言定义业务，实现智能服务与下层结构交互的标准化。根据功能，边缘框架3.0提供了4种开发框架：实时计算系统、轻量计算系统、智能网关系统和智能分布式系统，覆盖了从终端节点到云计算中心链路的服务开发。
 


 

 
图 5  边缘框架 3.0 架构
 

 
4 边缘计算面临的挑战
 

 
从边缘计算的定义及架构上可以看出，“边缘”是一个相对云计算中心的概念，这意味着边缘计算的网络覆盖面很广，需要多种资源的协同工作，并且需要与云计算架构实现良好的对接，因而面临着众多挑战。2016年，美国韦恩州立大学的施巍松教授团队提出，边缘计算面临着可编程性、命名、数据抽象、服务管理、隐私及安全和性能指标优化6种挑战，其中，在可编程性、命名、服务管理和隐私及安全问题上，学术界及工业界已经取得了阶段性的成果，本节将对这4种挑战和研究进展进行详细介绍。
 

 
4.1 可编程性
 

 
边缘节点组成的计算平台类似于异构平台，边缘节点的计算与存储能力、运行时间、操作系统和支持 语言等资源都可能是不同的，这意味着开发者需要根据不同种类边缘设备的资源进行程序开发。边缘计算应该是一个动态、灵活的计算平台，能够根据当前的资源分布动态配置计算任务。显然，与硬件资源高度耦合的传统的开发模式并不适用于 边 缘 计算的场 景。为了解决边缘计算的可编程性，需要开发具有高层综合能力的编译工具，使开发者能够使用统一的语言编写程序，由编译平台根据计算任务分配情况自动编译适用于硬件的程序。TVM是一种针对机器学习的跨硬件平台编译器，边缘计算中的机器学习算法主要运行在移动图形处理器（graphicsprocessing unit，GPU）和现场可编程门阵列（field-programmable gate array，FPGA）两类嵌入式处理器中，然而它们使用的编程语言和操作系统架构通常是不同的，且程序部署时需要大量的手动工作。TVM能够实现面向GPU与FPGA的机器学习算法动态移植，已经在几家互联网主流 企业内部开源和使用。
 


 
4.2 命名
 

 
域名系统（domain name system， DNS）等命名机制已经在云计算模型中得到了很好的应用，能够满足当前的大多数网络。但是现有命名机制并不适用于边缘计算，以智能家居中玄关灯随门打开而自动开启为例，边缘计算程序根据玄关灯的唯一ID控制它的开关，如果这个设备被更换，玄关灯的ID将会改变，此时只有更改程序才能实现原有的功能。可见，原有命名机制灵活性较低，因而不能适应边缘计算中动态变化的网络拓扑，同时一些边缘节点的资源不足以支撑原有命名机制的开销。命名数据网络（named data network-ing，NDN）使用内容名字代替地址，例如在玄关灯的场景中，NDN不再需要知道玄关灯的地址，只需要将内容名字统一为“控制玄关灯”，网络就可以自动找到控制玄关灯的节点，进行数据传输。尽管NDN能够适应动态的边缘网络，但它与上层使用地址进行内容分发的网络并不匹配，而且存在安全隐患。清华大学与亚利桑那大学的学者在参考文献中提出了一种使用双栈交换机搭建NDN、局域网混合网络的方法，并对双栈交换机的布局进行了优化，在保持基于IP地址的内容分发的同时，提高了网络的弹性，能够适应边缘计算动态的网络拓扑。
 


 
4.3 服务管理
 

 
服务管理是边缘计算中的关键技术， 2018年IEEE/ACM SEC收录的文章中有20%与这一话题有关。边缘计算中的服务管理应该满足4种特性：差异化，即各类服务应根据其属性分为不同的优先级；可扩展性，即边缘计算中的节点是动态变化的，服务管理应该能够具有灵活的扩展性；隔离性，即应避免服务之间的耦合，当某个应用程序崩溃时，系统应仍能够保持运行；可靠性，即数据传输、设备自身的可靠性对服务非常重要。除此之外，边缘计算场景中的服务管理还面临着云计算与边缘计算目标不一致的独特问题。参考文献提出了一种基于游戏理论的任务分配框架，利用动态反馈激励机制适应边缘计算的动态网络和解决边缘计算与云计算目标冲突的问题。边缘服务器的布局也对边缘计算的服务管理有非常重要的影响，参考文献提出了一种基于资源需求预测的跨区域资源优化模型，首先对计算任务进行拆分和预测，然后根据预测结果使用启发式优化算法求解服务器的布局策略。
 


 
4.4 隐私及安全
 

 
相比于云计算模型，边缘计算模型可以在网络边缘完成一部分数据处理工作，这避免了用户隐私信息在云计算中心或过长的传输链路上被滥用和被窃取的风险，但是边缘计算中多类别、多数量设备的接入也带来了新的隐私及安全问题。首先物联网汇集的数据中很有可能包含用户的隐私，例如在智能家居场景中，宠物监控摄像头包含房屋结构和室内陈设信息。其次，边缘网络的安全性往往是没有保证的，仍然以智能家居为例，有数据显示，有49%的家庭无线网络是不安全的，攻击者可以轻易地破解密码，并窃取信息。即便是部署了安全策略的网络，由于一部分终端设备资源有限而无法部署安全保护方案，仍然会造成网络的不安全。最后，网络边缘的高度动态性也会增加网络的脆弱性。随着用户对隐私与安全的要求越来越严苛，学术界对隐私与安全问题的关注度也越来越高，2017年IEEE/ACM SEC收录安全与隐私主题文章6篇， 2018年则多达13篇，可见边缘计算中隐私与安全方向的研究正处于蓬勃发展期。弗吉尼亚大学学者在参考文献中使用了一种基于二分拓扑威胁模型和交互式对抗深度网络的分类算法实现隐私保护，提出了“隐私分区”的概念，将资源分为可信分区和不可信分区，并进行隔离。更有针对性地，加利福尼亚大学Brian Demsky教授的程序设计语言研究小组提出了一种应用于智能家居场景的隐私保护方法——Vig-ilia，通过限制设备的网络访问增强系统的防御力，Vigilia能在保持很小的资源开销的同时，对网络实现有效的通信限制。
 


 
5 应用案例
 

 
边缘计算的特点是能够实时、高效、节能地响应用户需求，相比于云计算模型，能够更好地保护用户隐私。边缘计算的应用场景与它的优势息息相关，本节将以预测性维护、智能摄像头为例，对边缘计算在制造业和安防监控领域的应用进行介绍。
 

 
5.1 预测性维护
 

 
可靠、高效的维护方案对于制造商来说至关重要，因为设备故障带来的被动停机可能对生产效率和安全造成极大的影响。预测性维护（predictive maintenance）是工业4.0提出的关键创新点之一，它基于对系统连续的测量和分析，对设备运行状态进行预测和优化维护。
 
当前绝大多数制造商使用预防性维护的方案提高生产线的稳定性，预防性维护通常是以时间为基准进行维护的，通过定期检修，降低一段时间内的设备故障或停机的概率。预防性维修能够降低生产线的总停机时间和设备衰退引起的故障数量，并且具有实施方便、可操作性强的优势。但由于检修时间是根据经验确定的，可能会出现维修不足或过剩的情况。随着物联网、大数据等技术的成熟，预测性维护通过分析设备的实时监测数据，预测设备可能出现的故障，并对故障的原因和解决方案提出建议，使维护更加智能。预测性维护的关键是提前排查故障隐患并解决，这能够降低维护总成本、故障率和总停机时间，提高了设备的可靠性。然而，由于终端数量多、种类繁杂，预测性维护的实际应用面临着处理海量终端的连接和管理、保证分析的实时性和保护工业数据隐私的问题。
 
美国Efficient Plant杂志认为，边缘计算的出现对预测性维护方案的实现具有重要意义，边缘节点强大的感知能力和与设备的近距离能够满足预测性维护的实时性和隐私保护需求。施耐德电气有限公司的分析应用构架工程师Matt Boujonnier指出，机器学习算法通常只能在云计算中心运行，但在物联网应用中，人们希望算法可以运行在任何有需要的地方。施耐德电气有限公司与微软Azure公司共同开发的Realift Rod Pump控制器已经在网络边缘实现了设备的运行状态实时分析和预测，目前已经在油田行业中进行试点应用。华为技术有限公司也指出，基于边缘计算的物联网（如EC-IoT、Edge Computing-IoT）可以有效地构建预测性维护方案，并已经推出了设计和部署预测性维护解决方案的服务。华为技术有限公司使用智能网关提供智能服务，对维护对象的关键指标进行实时监测和分析，预测维护对象可能出现的故障，并进行信息上报。云计算中心则根据多个对象的综合信息进行全面的状态评估，并可以不断迭代和优化边缘节点运行的预测算法，实现动态部署。这种维护方案综合利用了边缘节点与云计算中心的优势，能够满足预测性维护对实时性和隐私保护的要求，同时保证故障预测的准确率。
 

 
5.2 安防监控
 

 
视觉是人类认识世界、获取信息的重要途径之一，我国公安机关部署的“天网”监控系统通过在公共区域部署的大量摄像头维持稳定、安全的社会秩序，许多家庭也主动使用家用摄像头、宠物监视器等保障房屋、家庭成员的安全。最初人们只能用人工的方式处理图像信息，然而这种方式往往具有很长的时延和波动的准确率。随着人工智能技术的不断发展，图像数据计算机已经具有非常强大的学习和处理能力，然而传统的云计算模型难以支持图像处理在部分场景的应用，以铁路轨道异物检测为例进行更详细的阐述。首先，由于铁轨铺设在室外且包含隧道、山地等网络质量无法保证的区域，使用云计算模型很可能出现图像丢失或质量损失严重的情况。其次，铁轨异物检测对实时性要求很高，必须及时发现危险并做出报警，云计算处理链路较长，加之没有网络带宽的保证，很可能无法保证检测和报警的实时性。同时，铁轨监控图像具有一定的保密性，一旦上传至云端就存在着被窃取和被篡改的风险，为不法分子所用。最后，我国铁路长度达12.1万千米，如果全部的监控图像数据均上传至云服务器进行分析，势必要求云服务器具有极其强大的处理和计算能力。显然，在实时性要求高、网络质量无法保证且涉及隐私的场景中，基于边缘计算的图像处理能够更好地提供服务。
 
杭州海康威视数字技术股份有限公司（以下简称海康威视）是以视频为核心的物联网解决方案提供商，在安防监控领域深耕多年。2017年10月，海康威视首次公开发布了AI Cloud的云边协同体系架构，该架构由云计算中心、边缘域和边缘节3个部分组成，将AI推理能力赋能边缘，从而实现快速、高效的感知，云计算中心则聚焦于全局性的认知和分析。“深眸”双目行为分析摄像机是海康威视的代表性边缘智能产品，内置高性能GPU和人工智能算法，在离线状态下也能够对穿越警戒线、徘徊、奔跑、离岗等9项行为进行分析和检测，可以应用于银行金库、警卫室、医院等场景。学术界也对边缘计算在安防监控领域的应用持乐观态度，2016年密苏里大学学者在参考文献中提出了一种基于雾计算的城市交通超速监控系统，系统架构由监控应用层、雾计算层和云计算层构成，其中雾计算层包括摄像头、智能平板电脑和智能手机等设备，雾节点可以对可疑目标进行跟踪，并实时计算行驶速度，处理结果将被发送至云计算中心，这种模式可以大量减少网络流量，并提升系统的实时性。由于边缘智能设备的资源通常是有限的，而基于深度学习的人工智能算法往往需要大量的计算和存储资源才能够运行，因此算法的轻量化也是边缘计算应用于安防监控领域的研究热点之一。2016年DeepScale公司提出了一种轻量级的目标检测神经网络——SqueezeNet，经过压缩后，网络体积低至0.5 MB，然而这种算法无法满足检测的实时性。2018年宾汉姆顿大学学者在参考文献中使用了一种轻量级实时检测和跟踪算法，实现了公共区域的行人识别、跟踪和异常行为检测。其中使用的Kerman算法于2018年6月被提出，它使用一种基于决策树的混合滤波器构造了用于人体目标跟踪的轻量级卷积神经网络。
 


 
6 结束语
 

 
随着物联网成为新一轮科技发展制高点，边缘计算因给物联网领域中的海量数据传输、实时服务响应等复杂挑战提供了新的解决方案，而受到了国内外政府、工业界和学术界的高度关注和认可。以边缘计算为主题的国内外组织和会议的不断涌现显示了边缘计算领域的蓬勃发展，它们推进了边缘计算在工业、无人驾驶、安防监控等各个领域的应用。
 
本文首先介绍了边缘计算的背景、概念和通用架构，并对国内外边缘计算产业联盟提出的工业物联网云边协同参考框架——EdgeX Foundry和边缘框架3.0进行了详细阐述。为了使边缘计算能够在参考框架的指导下成功应用于各行业场景中，本文对边缘计算当前面对的挑战进行了总结，包括可编程性、命名、服务管理和隐私及安全，学术界与工业界积极应对挑战，并分别从架构、网络、算法、硬件等角度提出了解决方案。最后，本文介绍了边缘计算在预测性维护和安防监控领域的应用与进展。
 
边缘计算将云计算的计算、存储等能力扩展到了网络边缘，提供低时延、高可用和隐私保护的本地计算服务，解决了云计算时延高、受网络环境制约等问题。笔者相信，边缘计算将大力深化各行业中的物联网应用，成为推动智能制造、智慧城市等产业升级的关键技术。
 

 
作者简介
 
李林哲（1994- ），女，浙江大学工业控制技术国家重点实验室硕士生，主要研究方向为预测性维护、边缘计算场景中的机器视觉应用。
 

 
周佩雷（1977- ），男，浙江省公众信息产业有限公司智慧旅游事业部总经理，浙江省公众信息旅游云重点企业研究院副院长，中国电信旅游行业信息化应用基地副总经理，主要研究方向为旅游大数据的架构及应用、物联网应用、无线网络的基础应用研究。
 
程鹏（1982- ），男，博士，浙江大学工业控制技术国家重点实验室教授、博士生导师，工业控制研究所副所长、网络空间安全研究中心副主任，主要研究方向为控制系统安全、物联网及信息物理融合系统、数据安全与隐私保护。
 
史治国（1978- ），男，博士，浙江大学工业控制技 术国家重点实验室教授、博士生导师，信息与电子工程学院电子工程系副系主任，主要研究方向为群智感知、目标跟踪与定位、物联网系统设计、反无人机技术与系统。
 

 

 

 
《大数据》期刊
 

 
《大数据（Big Data Research，BDR）》双月刊是由中华人民共和国工业和信息化部主管，人民邮电出版社主办，中国计算机学会大数据专家委员会学术指导，北京信通传媒有限责任公司出版的中文科技核心期刊。
 

 
关注《大数据》期刊微信公众号，获取更多内容
 

 

 

 
往期文章回顾
 
基于数据挖掘的触诊成像乳腺癌智能诊断模型和方法
 
分布式数据库在金融应用场景中的探索与实践
 
共享单车运营分析及决策研究
 
基于百度贴吧的HIV高危人群特征分析
 
CCF大专委2019年大数据发展趋势预测
 

 
 

 
 
 
 
边缘计算概念产出乃至当今的应用，继2005年云计算概念提出后，我认为它已经成为云计算发展过程中的发酵必然产物。公司处于物联网领域大军中的一员，以下将直击边缘计算赋能物联网。
 
 
云计算、雾计算与边缘计算
 
三者之间成熟度最高的也就是云计算，在云计算的发展过程中发酵出边缘计算（Edge Computing），甚至碰撞出来一个雾计算（Fog Computing）。
 
 
云计算
 
目前阶段概念层面已经很明确了，通过按量付费等网络提供资源，比如：IaaS、Paas 和 SaaS。使得企业可以在自己的物理硬件之外，调度远程服务器进行任务处理及存储等。
 
 
雾计算
 
思科在2011首创，是相对于云计算而言的。它并非是性能强大的服务器，而是由性能较弱、更为分散的各种功能计算机组成，渗入电器、工厂、汽车、街灯及人们生活中的各种物品。通俗的说，它拓展了云计算（Cloud Computing）的概念，相对于云计算它离产生数据的地方更近，数据、数据相关的处理和应用程序都集中于网络边缘的设备中，而不是几乎全部保存在云端。这里因“云”而“雾”的命名源自“雾是更贴近地面的云”这句话。
 
 
边缘计算
 
边缘计算（Edge Computing）是相对云计算而言的，它是指收集并分析数据的行为发生在靠近数据生成的本地设备和网络中，而不是必须将数据传输到计算资源集中化的云端进行处理。通俗的说，边缘计算是去中心化或分布式的云计算，原始数据不传回云端，而是在本地完成分析处理。
 
 
雾计算和边缘计算临界点
 
雾计算（Fog Computing）和边缘计算（Edge Computing）有太多相似点，甚至可以互相交换，二者都是试图减少发送云端的数据量，降低延迟提高性能，同时也都将数据处理转移至终端等临近源头。针对二者哪个用起来更好，是用雾计算还是边缘计算？其实并不太重要，取决于应用实例所期望的结果，就如同我们根据业务设计架构一样。即根据业务选用合适的架构。选用方式又怎么判别？一般雾计算过程发生在局域网（LAN）架构上，通过工业网关及嵌入式交互的集中式系统。边缘计算（如图1）过程发生在终端设备本身。
 
 
                                                                              图1 边缘计算架构
 
边缘计算的核心是在靠近数据源或物的一侧提供计算、存储和应用服务，这与雾计算将计算和分析能力扩展至网络“边缘”的定义非常相近。
 
 
三者之间区别（如图2）
 
图2 三者对比
 
边缘计算分类
 
从市场应用区分纬度，边缘计算主要区分三类：电信运营商边缘计算、企业与物联网边缘计算、工业边缘计算，对于三类之间产生的六种边缘计算业务形态，可以独立一种存在，也可以多种业务形态相辅相成。下图阐述边缘计算分类细节（如图3）：
 
 
                                                                                 图3 边缘计算分类
 
边缘计算架构（如图4）
 
 
                                                                                图4 边缘计算架构
 
 
云中心
 
图中最右侧，云端处理中心仍然是现阶段的云计算中心，边缘计算结果数据将由云中心永久性存储，重量级的分析任务将持续由云中心作业完成。同时进行对边缘计算中心网络分布的策略分发管理等。
 
 
边缘节点
 
边缘计算最终实现可以是设备本身（手环、智能终端等），也可以是临界点网关、路由器等，可以把边缘计算称之为物理世界与虚拟世界的连接枢纽站。因此，如何在动态的网络拓扑中对计算任务进行分配和调度是值得研究的问题。边缘计算层通过合理部署和调配网络边缘侧的计算和存储能力，实现基础服务响应。
 
 
终端节点
 
终端设备由各种物联网数据采集设备组成，主要进行数据采集，并不考虑它的数据计算能力。将数据导向给边缘节点或云中心，以输入的方式作为载体。
 
对于三者层面，网络之间可以进行跨层访问，终端是可以直接与云中心通信，云中心也可以直接与终端通信。
 
边缘计算泛在应用
 
边缘网络基本上由终端设备（例如：移动手机、智能物品等）、边缘设备（例如：边界路由器、机顶盒、网桥、基站、无线接入点等）、边缘服务器等构成。这些组件可具有一定性能，更好的进行边缘计算，边缘计算的特点是能够实时、高效、节能地响应用户需求，所以不会对云端进行大量数据的写入。在现有业务场景已经由很多企业在使用，但是对于边缘需要明白边缘这个概念，例如：
 
 
对于CDN厂商来说，边缘则是指遍布全球的CDN缓存设备
 
 
对于机场的监控设备，边缘就是覆盖整个机场无死角的高清摄像头
 
 
对于移动手机Face Id解锁，边缘就是Face Id函数算法
 
值得一提的是，绝大数物联网实际应用面临着处理海量终端的连接和管理、保证分析的实时性和保护工业数据隐私的问题。华为技术有限公司也指出，基于边缘计算的物联网（如EC-IoT、Edge Computing-IoT）可以有效地构建预测性维护方案，并已经推出了设计和部署预测性维护解决方案的服务。华为技术有限公司使用智能网关提供智能服务，对维护对象的关键指标进行实时监测和分析，预测维护对象可能出现的故障，并进行信息上报。
 
边缘计算挑战
 
边缘计算解决问题的同时也会带来一些其他挑战，边缘计算的网络层面覆盖很广，需要更多的资源进行协同和对接，因此会出现很多挑战。2016年，美国韦恩州立大学的施巍松教授团队提出，边缘计算面临着可编程性、命名、数据抽象、服务管理、隐私及安全和性能指标优化等6种挑战，其中在可编程性、命名、服务管理和隐私及安全问题上，学术界及工业界已经取得了阶段性的成果，在此仅列出4点：
 
 
隐私和安全
 
虽然边缘计算完成了部分数据计算工作，避免了信息在网络传输过程中被窃取的问题，但边缘计算带来了更多设备的接入成本增高，和更容易被入侵的危险。
 
 
服务管理
 
软件定义网络（Software Defined Networking，SDN)，可以较好地对网络及其上的服务进行组织，并进行管理，从而可以初步实现计算链路的建立和管理问题。与此同时，边缘设备需要通过有效的隔离技术来保证服务的可靠性和服务质量。例如在自动驾驶操作系统中，既需要支持车载娱乐满足用户需求， 又需要同时运行自动驾驶任务满足汽车本身驾驶需求，此时，如果车载娱乐的任务干扰了自动驾驶任务，或者影响了整个操作系统的性能，将会引起严重后果，对生命财产安全造成直接损失。
 
 
命名
 
命名数据网络（Named Data Networking，NDN)是一种将数据和服务进行命名和寻址，以P2P和中心化方式相结合进行自组织的一种数据网络。而计算链路的建立，在一定程度上也是数据的关联建立，即数据应该从源到云的传输关系。因此，将NDN引入边缘计算中，通过其建立计算服务的命名并关联数据的流动，从而可以很好地解决计算链路中服务发现的问题。
 
 
可编程性
 
边缘节点组成的计算平台类似于异构平台，边缘节点的计算与存储能力、运行时间、操作系统和支持语言等资源都可能是不同的，这意味着开发者需要根据不同种类边缘设备的资源进行程序开发。在边缘进行分布式计算并与云端协调任务会让应用编程变得更加复杂。
 
边缘计算知识扩展
 
熟悉整体边缘计算大框架后，我们根据自身情况会学到不同层面的知识点，在此小结给大家推荐边缘计算相关技术《边缘计算白皮书3.0》，边缘计算产业联盟也于2018年12月发布，并提出了边缘计算参考构架3.0。可深入对边缘计算进行其他问题的熟悉。
 
结束语
 
从物联网发展趋势来看，边缘计算成为必然。边缘计算因给物联网领域中的海量数据传输、实时服务响应等复杂挑战提供了新的解决方案，受到了国内外政府、工业界和学术界的高度关注和认可。边缘计算将云计算的计算、存储等能力扩展到了网络边缘，提供低时延、高可用和隐私保护的本地计算服务，解决了云计算时延高、受网络环境制约等问题。随着各行业物联网的应用，相信之后云计算和边缘计算相辅相成，共同赋能物联网业务应用。
 
 

 简介：云原生和边缘计算是近两年都非常火的技术话题了，在第十届云计算标准和应用大会上，阿里云高级技术专家熊鹰分享了《基于融合、协同系统的边缘云原生架构演进和实践》，希望通过介绍现在阿里云在边缘计算和边缘云原生这些技术领域的系统架构演进，让大家了解到业务在云原生和边缘计算结合场景下落地的一些思考。


云原生和边缘计算是近两年都非常火的技术话题了，在第十届云计算标准和应用大会上，阿里云高级技术专家熊鹰分享了《基于融合、协同系统的边缘云原生架构演进和实践》，希望通过介绍现在阿里云在边缘计算和边缘云原生这些技术领域的系统架构演进，让大家了解到业务在云原生和边缘计算结合场景下落地的一些思考。
 
 
关注阿里云Edge Plus公众号，回复“熊鹰”，获得演讲PPT材料 
 

概述
近几年边缘计算发展非常迅猛，大家可以在各种标准和资料中看到各家对它的定义，这里对其中的几个基础概念做一个总结性的表述
【缘起】
 边缘计算概念的缘起，可以追溯到比较久远的时期，但是真正热度兴起，主要还是因为5G的发展；4G的发展使得移动互联网大爆发，因此在5G时代边缘计算被赋予了很大的期望，希望成为新的产业赛道；另一方面，5G标准3GPP里定义的的三大场景大带宽、低延时、广连接，从各个方面都会强化边缘计算的应用场景，而由此带来的电信的基础设施的改造，使计算可以进一步下沉，从互联网到核心网、进一步下沉到接入网，计算正在一步步变得离用户越来越近。
【定义】
 关于边缘计算的定义，身处不同的领域和角度，运营商、云服务厂商、硬件厂商，各家对于边缘计算的定义是不一样的。在阿里云的边缘云标准里，定义边缘云为：在靠近终端（人和物）的网络节点，提供分布式、可定义、可调度、标准开放且安全的计算平台及服务。目标是要拓展云的边界，让计算与连接离物更近，让它作为万物互联的基石。
【特征】
 与中心云来对比，边缘的节点是分散的多级的，节点多而体量小，不止是区域级省级，还会下沉到地市级园区级，在5G场景里，更要下沉到接入网，云与边、边与边之间的网络可能都是互联网通道。
【挑战】
 海量的、分布式的、异构的边缘节点资源特性，会给业务带来巨大的挑战：多个网络入口，代表着统一的流量监控和弹性伸缩策略是不可用；节点多而体量小，代表着单一集群的弹性弱，而全局的弹性强；海量节点的纳管和互联网的网络环境，对于高可用、灾备、迁移等等都是大的冲击。
总体来说，由于新基建的提出和布局，5G、物联网、工业互联网得到了广泛的关注。5G的商业化和产业化进程的加速，使底层基础架构更加的成熟，在今年已经催生出了一大批新行业入场，云应用、云游戏、互动娱乐、工业互联网2.0等等，同时也在推动着整体技术架构在迅速地变化和演进。
基础设施演进
首先来介绍边缘基础设施的演进情况，阿里云根据业务形态，定义了三个阶段：

第一个阶段为边缘云就绪，在这个阶段，用户只是把运行在物理机上面的应用，迁移到虚拟化环境中，这个过程是以降低成本为主要驱动力的，用户不再自建节点，将底层物理设施的运维转交给边缘云处理，而应用的开发和运维方式并没有非常不同。
第二个阶段为边缘云原生，用户希望能再进一步降低整体拥有成本，提升系统能力和研发效能，利用标准化、自动化的方式来管理资源、交付应用、运维系统，用户基于K8S进行深度开发和定制，将边缘资源进行一个整合，适配边缘的特性，在之上开发搭建自己的PaaS平台，以提供给内部的业务使用。
大家对前两个阶段应该很熟悉了，跟中心云的演进过程很类似；
第三个阶段为边缘融合云原生，应该算是一个比较新的概念，这是阿里云在实践过程当中，结合对用户业务的思考，摸索出来定义的一个阶段。
展开来讲：边缘的特性是分布式、资源小而多、网络条件复杂，这样用户需要随时关注基础设施的稳定性，并进行业务和数据的切换和迁移；另外，弹性不强，那么用户的业务也很难做到按需使用；另外，边缘各种能力在技术架构上的整合，也需要用户更深入到K8S之中，具备定制开发能力。总结来说，就是用户需要感知底层资源、基础设施，甚至库存、水位、规划等等情况，并且业务要下沉到边缘的技术挑战和难度都很大。在边缘融合云原生里，带给用户的是，在边缘也并不需要去关心底层基础架构设施，就能享受到弹性、高可用、按需使用的能力。边缘融合云原生应该将异构资源、多集群、库存水位的边缘特性屏蔽；将资源调度、弹性伸缩、多级协同等方面的能力进行沉淀和打通；利用云原生的良好的扩展性，将资源、能力进行抽象融合；同时还需要针对通用业务场景和新兴业务场景，提供统一标准的接口封装；将这些能力释放给用户。
系统架构演进
在技术架构演进实践当中，同样按照刚才的思路进行分层设计：
基础设施层：具备异构资源纳管、多级网络架构、融合存储形态等能力，解决底层资源融合纳管、融合生产、抽象屏蔽的问题；
云边协同层：具备计算、存储、网络流动的能力，具备云边、边边、多云的协同能力，解决各种能力和系统协同打通的问题；
平台引擎层：具备边缘云原生抽象集成能力，解决将资源、组件和应用、调度、编排等能力集成融合的问题；
业务场景层：具备统一接口、业务沉淀、场景深化的能力，解决开发者生态闭环的问题。

可以预料到，随着5G技术和基础设施的持续演进和完善，以及创新型业务的发展，系统架构还会随之进行演进和更迭。
纸上得来终觉浅，绝知此事要躬行。接下来，熊鹰通过介绍阿里云在实际业务实践过程中的案例，来一一解读各层的能力和设计。
应用案例——无状态应用
该场景主要针对的是任务类的业务(例如压测、拨测、离线转码任务)、或者对等网络系统(P2P传输网络)等，这类业务，对弹性伸缩能力有较高要求、对成本有强烈的敏感度，但是对位置、高可用性等要求不高。由于边缘单节点弹性能力弱，但是全局资源弹性强的特点，这种场景算是考验边缘计算基础设施能力的典型应用场景。在架构上，它是需要有一个对全局资源的一个统一库存、融合调度、协同编排的能力：在计算形态上，要支持虚机、容器、安全容器等多种融合计算的形态来满足不同场景的业务诉求；在资源库存方面，要有一个融合的资源池；在调度和编排方面，也是有一个协同统一的调度能力；这样就能很好的提供在事件触发、流量突发场景下的弹性伸缩和按需使用的能力，也能让用户的使用成本大幅度降低。
应用案例——有状态应用
这个场景，业务除了将计算和弹性托管以外，还将域名和调度托管了。另外，由于业务的复杂性，架构上也日趋复杂。首先，在单集群内，系统需要拆分为多个独立工作的微服务；第二，多个微服务自身和之间，都有相互编排依赖的关系；第三，在云与边(管控与业务)、边与边(集群与集群)之间会有协同通信的需求；最后，再加上域名和流量调度、SLB、数据库、中间件等通用能力和组件集成需求；从这个角度来看，在边缘的应用场景已经不比在中心云里的应用复杂度低了，同时还要加上边缘的分布式、多集群、广调度的特性；分布式云计算是对这个场景比较贴切的描述。
在架构上都需要如何来解决业务的需求？最底层基础架构设施层，产品能力上，引入分布式SLB、分布式DB等；网络能力上，加入了可编程可配置的云边、边边覆盖网络能力；在协同层上，云边协同、边边协同、流量和资源的动态平衡协同也是核心的能力；在引擎层上，需要有深度开发适配边缘的云原生能力，像解决海量节点纳管引入的K8S多集群管理联邦能力、解决业务多租户隔离的Virutal Cluster能力、解决微服务架构中服务发现和协同通信的Service Mesh组件、适配边缘虚拟网络、虚拟存储的CNI、CSI组件等等。

熊鹰："分布式云计算概念目前还没有太多的标准和规范，一个复杂应用要做成分布式，从中心下沉到边缘，还需要做很多系统架构改造适配的工作。这也是阿里云努力的方向，希望沉淀出更多的平台能力出来，形成一个个开发生态的闭环，让分布式云计算，也能轻松落地边缘。”
应用案例——终端上云
这个业务场景在今年非常火热，典型是云游戏和云应用这两个领域。业务将运行在终端上的系统或者应用，托管到云端，以降低终端成本，也可以降低高质量业务的可准入门槛。在边缘融合云原生里，这里会有一个根本性的概念转变：从资源托管、应用托管到设备托管、位置无感托管。在基础设施层和引擎层，针对各类异构资源将资源做初步的封装，抽象出一层统一的标准的虚拟化的资源，提供安全和隔离的能力；在业务层上，再进行一层封装，将资源属性屏蔽掉，不再提供资源的概念，取而代之的是设备的概念；同时，在协同层上加入了协同计算、协同存储、协同网络的能力，让虚拟设备能够流动起来。在业务上，不再能看到传统意义上应用和资源的概念，只能看到一个一个虚拟设备的管控能力，例如设备数据、设备应用、设备调度等等。

这里强调一下数字孪生的概念，熊鹰表示：在万物互联时代，每一个物理终端的背后，最终都有一个影子终端在边缘云上，或者是数据的载体，或者是系统的延伸。
应用案例——超清视频
这个场景还处在技术摸索的阶段，是真正下沉到5G MEC节点的一个场景，希望能够打造一个可复制的5G领域的通用技术架构模型。这个场景里最关键是要能打通协同层和运营商MEC系统的资源协同、流量调度、网络分流协同的能力。5G/MEC时代算力的持续下沉，到接入网，到MEC节点，通用协议如DNS协议会无法满足精准的调度需求；一方面调度将会需要根据终端的精确地域信息来决策，另一方面也要根据业务的需求场景来进行决策；例如，对于定位、AR/VR等极高实时性的业务，会放在接入机房来满足实时性的要求；视频分析等高传输带宽节省业务和云游戏较高实时性业务，会放在汇聚机房，兼顾功能和实时性的需求；而重计算/大存储的业务放在重汇聚机房或核心机房；多级计算、多级网络的设计能让整个系统的能力更加强大和丰富。
边缘融合云原生希望在兼顾业务时延、计算能力等需求的基础上，能分场景灵活的选择业务的部署位置，来满足各类业务的需求。当然，这些能力应该是封装抽象提供给上层，用户和业务是不应该感知到底层基础架构设施的复杂性的。
总结
5G时代，终端上云、VR/AR、边缘AI、工业互联网、智慧农业的应用场景将逐渐爆发起来；在一些专有领域内，已经有重量级的应用场景落地；但是在通用互联网技术领域，真正的5G的Killer应用还没有出现，或者说真正的结合5G技术还有基础设施的技术架构还待演进。熊鹰十分期待边缘计算平台能够通过共建、合作的方式，将多级网络里的资源融合调度起来，将云边端真实打通协同，基于云原生技术，为行业提供开放的、标准的云边协同、云网一体化能力，让更多的应用能轻松的下沉到边缘，实现万物互联的时代。
原文链接：https://developer.aliyun.com/article/781160?

 版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。