精华内容
下载资源
问答
  • 边缘计算中的边缘(edge)指的是网络边缘上的计算和存储资源,这里的网络边缘与数据中心相对,无论是从地理距离还是网络距离上来看都更贴近用户。作为一种新的计算范式,边缘计算将计算任务部署于接近数据产生源的...

    边缘计算中的边缘(edge)指的是网络边缘上的计算和存储资源,这里的网络边缘与数据中心相对,无论是从地理距离还是网络距离上来看都更贴近用户。作为一种新的计算范式,边缘计算将计算任务部署于接近数据产生源的网络边缘,利用边缘资源为用户提供大量服务或功能接口,大大减少上传至云数据中心的数据量,缓解网络带宽压力,同时可以更好地解决数据安全和隐私问题。

    在边缘计算环境下,数据具有异构性且数据量较大,数据处理的应用程序具有多样性,不同应用程序所关联的计算任务又不尽相同,对于计算任务的管理具有较大的复杂性,而简单的中间件软件结构无法有效保证计算任务可行性、应用程序的可靠性以及资源利用的最大化。同时,面向不同应用或场景的边缘计算系统所要实现的功能有所差异性。因此,边缘计算平台对边缘计算领域的推广和发展有着重要的意义和影响。

    01 边缘计算开源平台概述

    边缘计算系统是一个分布式系统范例,在具体实现过程中需要将其落地到一个计算平台上,各个边缘平台之间如何相互协作提高效率,如何实现资源的最大利用率,对设计边缘计算平台、系统和接口带来挑战。例如,网络边缘的计算、存储和网络资源数量众多但在空间上分散,如何组织和统一管理这些资源,是一个需要解决的问题。在边缘计算的场景下,尤其是物联网,诸如传感器之类的数据源,其软件和硬件以及传输协议等具有多样性,如何方便有效地从数据源中采集数据也是一个需要考虑的问题。此外,在网络边缘的计算资源并不丰富的条件下,如何高效地完成数据处理的任务也是一个需要解决的问题。

    目前,边缘计算平台的发展方兴未艾。由于针对的问题不同,各边缘计算平台的设计多种多样,但也不失一般性,边缘计算平台的一般性功能框架如图 1 所示。在该框架中,资源管理功能用于管理网络边缘的计算、网络和存储资源。设备接入和数据采集功能分别用于接入设备和从设备中获取数据。安全管理用于保障来自设备的数据的安全。平台管理功能用于管理设备和监测控制边缘计算应用的运行情况。

    边缘计算开源平台

    图1-边缘计算平台一般性功能框架

    各边缘计算平台的差异可从以下方面进行对比和分析:

    (1)设计目标。边缘计算平台的设计目标反映了其所针对解决的问题领域,并对平台的系统结构和功能设计有关键性的影响。

    (2)目标用户。在现有的各种边缘计算平台中,有部分平台是提供给网络运营商以部署边缘云服务,有的边缘计算平台则没有限制,普通用户可以自行在边缘设备上部署使用。

    (3)可扩展性。为满足用户应用动态增加和删除的需求,边缘计算平台需要具有良好的可扩展性。目前,虚拟机技术和容器技术常被用于支持可扩展性。

    (4)系统特点。面向不同应用领域的边缘计算开源平台具有不同的特点,而这些特点能为不同的边缘计算应用的开发或部署带来方便。

    (5)应用场景:常见的应用领域包括智能交通、智能工厂和智能家居等多种场景,还有增强现实(AR)/虚拟现实(VR)应用、边缘视频处理和无人车等对响应时延敏感的应用场景。

    根据边缘计算平台的设计目标和部署方式,可将目前的边缘计算开源平台分为3 类:面向物 联网端的边缘计算开源平台、面向边缘云服务的边缘计算开源平台、面向云边融合的边缘计算开源平台。

    02 面向物联网端的边缘计算开源平台

    面向物联网端的边缘计算开源平台,致力于解决在开发和部署物联网应用的过程中存在的问题,例如设备接入方式多样性问题等。这些平台部署于网关、路由器和交换机等边缘设备, 为物联网边缘计算应用提供支持。代表性的平台是Linux基金会发布的 EdgeXFoundry和 Apache软件基金会的Apache Edgent。

    2.1 EdgeXFoundry

    edgexfoundry是一个面向工业物联网边缘计算开发的标准化互操作性框架,部署于路由器和交换机等边缘设备上,为各种传感器、设备或其他物联网器件提供即插即用功能并管理 它们,进而收集和分析它们的数据,或者导出至边缘计算应用或云计算中心做进一步处理。EdgeXFoundry 针对的问题是物联网器件的互操作性问题。目前,具有大量设备的物联网产生大量数据,迫切需要结合边缘计算的应用,但物联网的软硬件和接入方式的多样性给数据 接入功能带来困难,影响了边缘计算应用的部署。EdgeXFoundry 的主旨是简化和标准化工业物联网边缘计算的架构,创建一个围绕互操作性组件的生态系统。

    图2展示了EdgeX Foundry的架构。在图中的最下方是“南侧”,指的是所有物联网器件, 以及与这些设备,传感器或其他物联网器件直接通信的边缘网络。在图的最上方是“北侧”, 指的是云计算中心或企业系统,以及与云中心通信的网络部分。南侧是数据产生源,而北侧 收集来自南侧的数据,并对数据进行存储、聚合和分析。如图2所示,EdgeXFoundry 位于 南侧和北侧两者之间,由一系列微服务组成,而这些微服务可以被分成 4个服务层和2个底层增强系统服务。微服务之间通过一套通用的Restful应用程序编程接口(API)进行通信。

    边缘计算开源平台

    图2- EdgeXFoundry的架构图

    BACNET:楼宇自动化与控制网络

    BLE:低功耗蓝牙

    MQTT:消息队列遥测传输

    OPC-UA:OPC统一框架

    REST:RESTful应用程序编程接口

    SDK:软件开发工具包

    SNMP:简单网络管理协议

    VIRTUAL:虚拟设备

    (1)设备服务层。设备服务层主要提供设备接入的功能,由多个设备服务组成。每个设备服务是用户根据设备服务软件开发工具包(SDK)编写生成的一个微服务。EdgeXFoundry使用设备文件去定义一个南侧设备的相关信息,包括源数据格式,存储在EdgeXFoundry 中 的数据格式以及对该设备的操作命令等信息。设备服务将来自设备的数据进行格式转换,并 发送至核心服务层。目前,EdgeX Foundry提供了消息队列遥测传输协议(MQTT)、ModBus串行通信协议和低功耗蓝牙协议(BLE)等多种接入方式。

    (2)核心服务层。核心服务层由核心数据、命令、元数据、注册表和配置4个微服务组件 组成。核心数据微服务存储和管理来自南侧设备的数据、元数据微服务存储和管理设备的元 数据。命令微服务将定义在设备文件的操作命令转换成通用的API,提供给用户以监测控制 该设备。注册表和配置微服务存储设备服务的相关信息。

    (3)支持服务层。支持服务层提供边缘分析和智能服务,以规则引擎微服务为例,允许用户设定一些规则,当检测到数据满足规则要求时,将触发一个特定的操作。例如规则引擎可 监测控制温度传感器,当检测到温度低于25度时,触发对空调的关闭操作。

    (4)导出服务层。导出服务层用于将数据传输至云计算中心,由客户端注册和分发等微服务组件组成。前者记录已注册的后端系统的相关信息,后者将对应数据从核心服务层导出至 指定客户端。

    (5)系统管理和安全服务:系统管理服务提供安装、升级、启动、停止和监测控制EdgeX Foundry 微服务的功能。安全服务用以保障来自设备的数据和对设备的操作安全。

    最新版本的 EdgeXFoundry 没有为用户自定义应用提供计算框架,用户可以将应用部署在网络边缘,将该应用注册为导出客户端,进而将来自设备的数据导出至应用来处理。EdgeX Foundry 的设计满足硬件和操作系统无关性,并采用微服务架构。EdgeXFoundry 中的所有微服务能够以容器的形式运行于各种操作系统,且支持动态增加或减少功能,具有可扩展性。EdgeXFoundry 的主要系统特点是为每个接入的设备提供通用的 RestfulAPI以操控该设备, 便于大规模地监测控制物联网设备,满足物联网应用的需求。EdgeXFoundry 的应用领域主 要在工业物联网,如智能工厂、智能交通等场景,以及其他需要接入多种传感器和设备的场景。

    此框架自2017年开源以来,在国内最受欢迎,也最有前景,也是笔记认为最好的一款中立的边缘计算框架,目前分go与java语言两个版本,学习资料也最全面,有系统的视频学习教程,可以参考:视频学习地址中文社区地址

    2.2 ApacheEdgent

    Apache Edgent 是一个开源的编程模型和微内核风格的运行时,它可以被嵌入到边缘设备上,用于提供对连续数据流的本地实时分析。Edgent解决的问题,是如何对来自边缘设备的数据进行高效的分析处理。为加速边缘计算应用在数据分析处理上的开发过程,Edgent 提供一个开发模型和一套API用于实现数据的整个分析处理流程。基于Java或安卓的开发环境,Edgent应用的开发模型如图3所示。

    边缘计算开源平台

    图3-Edgent应用的开发模型

    该模型由提供者、拓扑、数据流、数据流的分析处理、后端系统5个组件组成。

    (1)提供者。一个提供者对象包含了有关Edgent应用程序的运行方式和位置信息,并具有创建和执行拓扑的功能

    (2)拓扑。拓扑是一个容器,描述了数据流的来源和如何更改数据流的数据。数据的输入、处理和导出至云的过程都记录在拓扑中。

    (3)数据流。Edgent提供了多种连接器以不同方式接入数据源,比如支持消息队列遥测传输(MQTT)、超文本传输协议(HTTP)和串口协议等,用户还可以添加自定义代码以控制 传感器或设备的数据输入。此外,Edgent的数据不局限于来自真实传感器或者设备的数据,还支持文本文件和系统日志等。

    (4)数据流的分析处理。Edgent提供一系列功能性的API 以实现对数据流的过滤、分裂、 变换和聚合等操作。

    (5)后端系统。由于边缘设备的计算资源稀缺,Edgent 应用程序无法支撑复杂的分析任务。用户可以使用连接器,通过MQTT和ApacheKafka方式连接至后端系统,或者连接至IBMWatson IoT平台进一步对数据做处理。

    Edgent 应用可部署于运行 Java虚拟机的边缘设备中,实时分析来自传感器和设备的数据, 减少了上传至后端系统如云数据中心的数据量,并降低了传输成本。Edgent的主要系统特点是提供了一套丰富的数据处理API,切合物联网应用中数据处理的实际需求,降低应用的开发难度并加速开发过程。Edgent的主要应用领域是物联网,此外,它还可以被用于分析日志、文本等类型的数据,例如嵌入服务器软件中用以实时分析错误的日志。

    03 面向边缘云的边缘计算开源平台

    网络运营商的网络边缘,如蜂窝网络基站、中央端局和在网络边缘的小型数据中心等,是用 户接入网络的地方,其计算、存储和网络资源也可用以部署边缘计算应用。面向边缘云服务的边缘计算平台着眼于优化或重建网络边缘的基础设施以实现在网络边缘构建数据中心,并提供类似云中心的服务。代表性的平台有开放网络基金会(ONF)的CORD项目和Linux基金会的AkrainoEdge Stack 项目。

    3.1 CORD

    CORD 是为网络运营商推出的开源项目,旨在利用软件定义网络(SDN)、网络功能虚拟化(NFV)和云计算技术重构现有的网络边缘基础设施,并将其打造成可灵活地提供计算和网 络服务的数据中心。现有网络边缘基础设施构建于由电信设备供应商提供的封闭式专有的软 硬件系统,不具备可扩展性,无法动态调整基础设备的规模,导致资源的低效利用。CORD计划利用商用硬件和开源软件打造可扩展的边缘网络基础设施,并实现灵活的服务提供平台, 支持用户的自定义应用。

    图4 为CORD的硬件架构图,CORD利用商用服务器和白盒交换机提供计算、存储和网络资源,并将网络构建为叶脊拓扑架构以支持横向网络的通信带宽需求。此外,CORD 使用专用接入硬件将移动、企业和住宅用户接入网络中。

    边缘计算开源平台

    图4-CORD的硬件架构

    CORD的软件架构如图5所示,云平台管理项目 OpenStack用以管理计算和存储资源,创建和配置虚拟机以及提供基础设施即服务(IaaS)功能。开源网络操作系统(ONOS)为网 络提供控制平面,用于管理网络组件如白盒交换网络结构等,并提供通信服务。容器引擎Docker 使用容器技术来实例化提供给用户的服务。服务控制平台 XOS用于整合上述软件, 以组装、控制和组合服务。

    边缘计算开源平台

    图5- CORD的软件架构

    DOCKER: 容器引擎

    ONOS: 开源网络操作系统

    OPENSTACK: 开源的云计算管理平台项目

    根据用户类型和使用案例的不同,CORD可被具体实现为 M-CORD、R-CORD和E-CORD。以 M-CORD为例,M-CORD面向无线网络(特别是5G 网络),使用蜂窝网络将用户接入。M-CORD基于 NFV和云计算技术将蜂窝网络功能进行分解和虚拟化,实现网络功能的动态扩展同时增强资源利用率。在此基础上,M-CORD 支持多接入边缘服务,为用户提供定制 服务和差异化体验质量(QoE)。此能力切合具备移动性的边缘计算应用的需求,能通过无 线网络为手机、无人车和无人机等移动设备的边缘计算应用就近提供强大的计算能力。R-CORD 和 E-CORD同样可以在网络边缘支持住宅用户或企业用户的边缘计算应用,如VR和AR 应用等,以获得更快的响应时间和更好的服务体验。

    对于用户而言,CORD 在运营商网络边缘提供的边缘云服务,具有与云计算相同的优点,即无需用户提供计算资源和搭建计算平台,降低了软硬件和管理成本。此外,有线和无线网络 的广泛分布使用户提交边缘计算应用不受地理位置的影响。目前,运营商正研究如何部署CORD,中国联通发起成立了CORD产业联盟,推动CORD项目的落地。

    3.2 Akraino EdgeStack

    AkrainoEdge Stack 是一个面向高性能边缘云服务的开源项目,并为边缘基础设施提供整体的解决方案。Akraino Edge Stack 致力于发展一套开源软件栈,用于优化边缘基础设施的网 络构建和管理方式,以满足边缘计算云服务的要求,比如高性能、低延迟和可扩展性等。Akraino Edge Stack 项目涉及的范围从基础设施延伸至边缘计算应用,其范围可以划分为 3个层面。

    在最上面的应用层面,AkrainoEdge Stack致力于打造边缘计算应用程序的生态系 统以促进应用程序的开发。中间层面着眼于开发中间件和框架以支持上面层次的边缘计算应 用。在这个层面中,AkrainoEdge Stack 将开发API 和框架以接入现有互补性的开源边缘计算项目,例如上述的面向物联网的互操作性框架EdgeX Foundry,最大化利用开源社区的现有成果。在最下面的基础设施层面中,AkrainoEdge Stack 将提供一套开源软件栈用于优化基础设施。此外,Akraino Edge Stack 为每种使用案例提供蓝图以构建一个边缘计算平台。每个蓝图是涵盖上述3个层次的声明性配置,其中包括对硬件、各层面的支撑软件、管理工具和交付点等的声明。

    Akraino Edge Stack 基于使用案例提供边缘云服务,可部署于电信运营商的塔楼、中央端局或线缆中心等。其应用领域包括边缘视频处理、智能城市、智能交通等。Akraino Edge Stack目前是一个初创项目,于2018年8月进入执行阶段。

    04 面向云边融合的边缘计算开源平台

    云计算服务提供商是边缘计算的重要推动者之一,基于“云边融合”的理念,致力于将云服务能力拓展至网络边缘。目前,亚马逊公司推出了AWSGreengrass ,微软公司推出了Azure IoT Edge ,阿里云公司推出了物联网边缘计算平台 LinkIoT Edge。微软公司在2018年宣布将Azure IoT Edge 开源。

    Azure IoT Edge是一种混合云和边缘的边缘计算框架,旨在将云功能拓展至如路由器和交换机等具备计算能力的边缘设备上,以获得更低的处理时延和实时反馈。Azure IoT Edge运行于边缘设备上,但使用与云上的AzureIoT 服务相同的编程模型;因此用户在开发应用的过程中除对计算能力的考量外,无需考虑边缘设备上部署环境的差异,还可以将在云上原有的应用迁移至边缘设备上运行。

    如图6 所示,AzureIoTEdge由IoTEdge模块、IoTEdge运行时和IoTEdge云界面组成,前两者运行在边缘设备上,后者则是一个在Azure云上提供服务的管理界面。

    边缘计算开源平台

    图6- Azure IoT Edge的架构图

    (1)IoTEdge 模块。IoTEdge 模块对应于用户的边缘计算应用程序。一个模块镜像即一个Docker 镜像,模块里包含用户的应用代码,而一个模块实例就是一个运行着对应的模块镜像的 Docker 容器。基于容器技术,IoTEdge 具备可扩展性,用户可动态添加或删除边缘计算应用。由于相同的编程模型,Azure 机器学习和 Azure数据流分析等 Azure云服务也可以 部署到 IoTEdge模块,此特性便于在网络边缘部署复杂的人工智能应用,加快了开发过程。

    (2)IoTEdge运行时。IoTEdge运行时由IoTEdge中心和IoTEdge代理2个组件构成,前 者负责通信功能,后者负责部署和管理 IoTEdge 模块,并监测控制模块的运行。IoT中心 是在 Azure云上的消息管理中心,IoT Edge中心与IoT 中心连接并充当其代理。IoT Edge 中心通过MQTT、高级消息队列协议(AMQP)和HTTPS协议获取来自传感器和设备的数据,实现设备接入的功能。此外,IoT Edge 中心作为消息中转站,连接 IoTEdge 模块之间 的消息通信。IoTEdge代理从IoTHub接收IoTEdge模块的部署信息,实例化该模块,并保 证该模块的正常运行,如对故障模块进行重启,并将各模块的运行状态报告至IoT中心。

    (3)IoT云界面。云界面提供了设备管理的功能。用户通过云界面进行添加设备,部署应用和监测控制设备等操作,为用户大规模部署边缘计算应用提供了方便。

    Azure IoT Edge 的主要系统特点是强大的Azure 云服务的支持,尤其是人工智能和数据分析 服务的支持。AzureIoT Edge具有广阔的应用领域,除了物联网场景,原有在云上运行的应 用也可以根据需求迁移至网络边缘上运行。目前AzureIoTEdge已有智能工厂、智能灌溉系 统和无人机管理系统等使用案例。

    05 构建边缘计算平台的开源软件

    一些开源软件能为边缘计算平台提供组件功能,具体包括:

    (1)网络管理。开源网络自动化平台(ONAP)是一个为物理或虚拟网络功能的自动化 和实时策略驱动化编排提供平台的开源项目,在边缘云中可用于定制网络服务。Linux基金会在2018年将ONAP与其他5个功能类似的开源项目合并成LFNetworkingFund项目。ONOS是一个开源网络操作系统,它提供一个控制平面用于管理网络组件,运行软件程序和模块,并为终端主机提供通信服务。目前,ONAP应用于 Akraino EdgeStack 项目中,ONOS应用于CORD 项目中。

    (2)容器技术。Docker作为一个开源的应用容器引擎,被多个边缘计算平台使用以提供灵活的应用部署方式。Kubernetes是一个对容器化应用进行自动化部署、扩展和管理的开源项目,可用于边缘计算平台中以提供可靠和可扩展的容器编排。

    (3)云平台。OpenStack是一个开源的云计算管理平台项目,可用于构建边缘云,管理边缘云基础设备的计算、存储和网络资源。StarlingX是一个用于构建分布式边缘云的开源项目,提供一套完整的云基础架构软件栈,现应用于AkrainoEdge Stack 项目中。

    (4)人工智能技术。引入人工智能技术是边缘计算的发展趋势之一。Acumos 人工智能(AI)是一个用于训练、部署和共享AI应用程序的开源框架,可用于边缘云中以提供AI边缘计算应用的快速开发和部署。Acumos AI 目前已用于Akraino Edge Stack 项目中。

    06 结束语

    边缘计算平台为基于边缘计算的应用提供了一种降低延迟、提高数据处理实时性的架构和软件栈支撑。目前,边缘计算平台仍处于快速发展时期,本文中我们对其未来的发展趋势 进行如下分析:

    (1)面向特定应用场景的专用性边缘计算平台将迅速发展。目前,智能家居、智能工厂和智慧城市都是受关注的应用场景,如何系统化支持这些场景的功能需求是边缘计算平台的 发展趋势之一。

    (2)边缘计算平台的数据安全与隐私保护问题将变得更加突出。边缘设备相互协作时的数据安全如何保证、边缘平台如何避免暴露用户的位置隐私信息、尤其是边缘计算设备的计算资源、存储能力有限,使得边缘计算平台的安全防御具有更高的挑战性。

    (3)边缘计算平台将结合更多人工智能技术。目前,以深度学习为代表的人工智能技术发展十分迅速,但“智能边缘”的研究才刚刚起步,未来的边缘计算平台将引入人工智能技术, 实现边缘数据的智能处理。

     

    展开全文
  • 随后从架构出发分析了典型边缘计算平台,并列举了边缘计算应用场景的需求参数,最后提出了一种边缘计算平台分类模型。 物联网应用发展带来终端设备的指数型增加,据思科网络指数预估[1],到2022年,网络设备...

    摘 要:边缘计算作为万物互联时代的关键技术,具有广泛的应用场景。文章首先分析了边缘计算平台在推广中面临的问题;随后从架构出发分析了典型边缘计算平台,并列举了边缘计算应用场景的需求参数,最后提出了一种边缘计算平台分类模型。

     

     

    物联网应用发展带来终端设备的指数型增加,据思科网络指数预估[1],到 2022 年,网络设备连接量将达到 500 亿,其中物联网终端占比将达到 51%。由于物联网终端的资源局限,往往需要借助远端的云计算资源为用户提供服务,如果将终端所有数据传输到云中心统一处理后再返回终端,势必给网络链路和数据中心带来极大的压力,也极易导致云中心过载而拒绝服务(DoS),影响终端用户体验。

     

    因此,研究者们根据分级分层计算的理念和应用实践,逐步提出了边缘计算模式,通过在用户邻近区域提供计算服务,有效减少网络和云计算中心资源压力。边缘计算并不是为了取代云计算,而是对云计算的拓展,为物联网提供更好的计算平台。边缘计算的构架是“端设备—边缘—云”三层模型,三层均可以为应用提供资源与服务,其结构如图 1 所示。

     

    图1 边缘计算逻辑结构图

     

    刘等[2]阐述了边缘计算的定义,通过一些应阐述了边缘计算的定义,通过一些应用实例来分析边缘计算在移动应用和物联网应用上的优势,指出边缘计算的发展方向。吕等[3]研究了边缘计算标准化的进展,分析了一些边缘计算应用案例。温[4]研究了当前的多个边缘计算平台,提出了移动边缘计算和 Cloudlet 集成的改进架构,增强边缘计算平台的适应性。然而,应用场景的多样性导致了边缘计算缺乏统一标准、平台种类繁多,限制了边缘计算的推广应用。基于此,本文分析提出了一组边缘应用参数,构建了边缘计算的分类模型。

    1、典型边缘计算平台

    边缘计算整合网络链路中广泛分布且数量众多的计算、存储资源为用户提供服务,通过边缘计算平台开发者可以快速发布和部署应用。目前,边缘计算平台数目众多,移动边缘计算(MEC),雾计算,EdgeX Foundry和 Cloudlet Computing(CC)是其中具有代表性的平台。

     

    1.1 移动边缘计算

     

    2014 年欧洲电信标准协会提出移动边缘计算(Mobile Edge Computing,MEC)的概念[5],MEC 将网络控制、计算和存储能力带到网络边缘,有效减少用户延迟并拓展云计算的环境感知能力。MEC 节点通常位于大型基站或无线网络控制器处,与用户处于同一无线区域网(Radio Area Network,RAN)。移动边缘计算内部框架是“网络—主机—系统”三层结构,如图 2 所示。

     

    图 2 移动边缘计算平台框架图

     

    网络层代表移动边缘计算支持的连接方式,由移动蜂窝网络、本地网络和外部网络相关硬件组成。移动边缘主机层包含移动边缘主机和移动边缘层管理设备,其中移动边缘主机内部可以进一步划分为 ME 平台、ME 应用和虚拟基础设施。系统层是 MEC 最重要的一层,由运营商网络内的 ME 主机和管理 ME 应用必需的 ME组建构成,负责管控 MEC 的任务分配和系统运行。

     

    1.2 雾计算

    雾计算是美国思科公司的研究成果,“雾计算是一个高度虚拟化的平台,可在终端设备和传统云计算数据中心之间提供计算、存储和网络服务,但通常位于网络边缘”[6],雾计算实现了不同通信协议层和不同通信协议设备间的通信。因此,雾计算支持各种不同类型的基础设施,包括且不限于路由器,交换机,无线控制器,网关等设备。但是,丰富的设备支持导致雾计算平台的调度、运维和部署的难度增加。

     

    图 3 雾计算软件结构图

     

    如图 3 所示,雾计算软件栈分为三层:抽象层、编排层、服务层。抽象层向上层输出标准的抽象层 API,隐藏不同设备的异构性,降低应用开发难度。编排层利用抽象层 API 构建雾计算资源池,提供虚拟化基础设施,接收服务层的资源请求。服务层是虚拟机实例,用户请求的服务均在虚拟机中运行,兼容用户的可执行环境。

     

    1.3 EdgeX Foundry

    EdgeX Foundry 是一个由 Linux 基金会主持的开源项目[7],其目的是为边缘计算的开发构建一个通用开放的平台,已获得 Dell、百度、Intel 等 50 余家企业的支持,EdgeX Foundry兼容多种操作系统,支持多种硬件架构,支持不同协议设备间的通信。如图 4 所示,EdgeX Foundry 基于微服务架构设计有效提高应用与服务开发效率,其微服务被划分为四个服务层和两个基础系统服务,EdgeX Foundry 的四个服务层包含核心服务层、支持服务层、导出服务层和设备服务层;系统服务包含安全服务和管理服务。基于微服务可裁剪特性,从而实现在低性能设备运行 EdgeX Foundry 服务。因此,EdgeX Foundry 支持嵌入式 PC,集线器,网关,路由器和本地服务器等异构设备。EdgeX Foundry 支持容器化部署,有效提高了平台运行效率。

     

                                                                          图 4 EdgeX Foundry 微服务架构图

     

    此框架自2017年开源以来,在国内最受欢迎,也最有前景,生态成熟,也是笔记认为最好的一款中立的边缘计算框架,目前分go与java语言两个版本,学习资料也最全面,有系统的视频学习教程,还可以在k8s上部署,及扩展kafka消息,集成到flink进行大数据处理,可以参考:视频学习地址( http://guqiaoit.ke.qq.com ),中文社区地址( http://www.discuz.edgexfoundry.net ) 

    1.4 Cloudlet Computing 平台

     

    Cloudlet 于 2009 年由卡内基梅隆大学教授 Satyanarayanan M 提出[8],Cloudlet 是一个位于边缘设备附近,与互联网保持高速连接,且资源丰富的微型数据中心(Data Center in a box),向直接连接的局域网用户提供计算服务。Cloudlet 将用户数据直接保存在云端,用户即使移动到其他 Cloudlet 局域网中,也能通过云端备份数据快速为该用户重建应用服务。Cloudlet 通过高带宽的一跳网络向用户提供服务,最大程度降低延迟。

     

     

    图 5 Cloudlet 平台结构图

     

    如图 5 所示,Cloudlet 软件架构分为三层:第一层由用户数据缓存器组成,主要用于接收用户云端数据;第二层由 Cloudlet 边缘计算平台组成,实现主机资源虚拟化和编排管理应用虚拟机;第三层由虚拟机组成,运行用户卸载至边缘节点的应用,通过虚拟机弥补与用户可执行环境的差异。

    2、边缘计算应用场景分析

    边缘计算系统对众多边缘设备和边缘应用提供支持,但是不同的边缘计算系统具有不同的需求和均衡,决定了适合该应用场景的最佳边缘计算系统。本节根据边缘计算应用场景需求提出了一组参数,并分析了典型边缘计算平台在这组参数下的特点和性能(见表 1)。

     

    邻近度:边缘层与设备层之间的邻近度包含有两层含义。第一,逻辑上的邻近度,代表边缘层基础设施与终端设备之间的路由跳数,跳数越多代表路由中遭遇拥塞的机会越大,延迟增加的可能性也越大。第二,指物理上的邻近度,物理上的邻近度取决于终端设备与边缘层的物理距离和边缘计算设备的性能。如果在单个边缘计算节点的一跳服务范围内,存在大量终端设备且已超过单个边缘计算节点的服务容量,将导致边缘计算设备拒绝服务,带来大量服务延迟。

     

    接入方式:设备层到边缘层的连接方式有多种选择,如:Wi-Fi、蓝牙、蜂窝网络和有线连接等。接入方式在很多方面都占有重要地位,接入方式决定了终端设备到边缘计算层的带宽、延迟、连接范围以及对连接的设备类型。

     

    环境感知:环境感知是将网络的参数和周围设备的位置信息暴露给附近的边缘节点,这是物联网应用的一个关键参数。移动边缘计算服务器通过放置在无线网络控制器附近,实现检测网络的链路状况、负载以及网络带宽,接收终端设备的位置信息,因此移动边缘计算的感知能力极强。

     

    功耗:如果终端设备处于资源受限的环境中,能耗将是边缘计算的一个重要参数。蜂窝网络带来的能量消耗远高于 Wi-Fi 的能量消耗。因此,移动边缘计算的能量消耗高于Cloudlet。雾计算和 EdgeX Foundry 均拥有多种接入方式,可以根据需求灵活选择,实现最优的能耗表现。

     

    计算时延和服务能力:计算时延和服务能力直接取决边缘计算节点的计算能力和资源调度策略。在这一方面,移动边缘计算和 Cloudlet 采用资源丰富的专用主机作为服务节点,具有显著优势;而雾计算节点主要由传统设备组成,因此计算性能较差 。EdgeX Foundry通过容器和 GO 语言的轻量级特性,兼容不同性能设备,并按需提供计算服务。

     

    部署与运维:在边缘计算平台的管理和监督中,每个平台均遵循分层管理方法,通常监督节点作为代理,负责与底层节点通信并收集底层节点可提供的资源和状态。然而,不同边缘计算平台在代理设置和分层的界定均有不同。雾计算平台中由于节点的异构和多样性,需要设计多个调度层;EdgeX Foundry 通过容器技术实现异构节点的统一管理;后两者通过构建统一的编排层即可实现对于设备和任务的监督和管理。

     

    表1 边缘计算平台对比表

     3、边缘计算选择模型

    在本小节中,我们基于前一节中定义的多元应用场景参数提出了一个边缘计算选择模型图,如图 6 所示,直观反应不同参数与边缘计算系统间的耦合关系。在实际用中,分析目标应用场景需求,将其对应到分类模型参数中,帮助用户快速选择目标应用场景的最佳边缘计算系统。

     

     

                                                                                  图 6 边缘计算分类模型图

     

    例如,选取适用于远程医疗监护的边缘计算平台,分析在远程医疗监护应用中的需求,远程医疗监护主要便于医护人员即使掌握患者的生理状况,应对患者的突发状况,并实现远程诊疗服务。对于此应用场景,我们可以将其分为三个部分:患者数据采集端,数据中心,监护中心。患者数据采集端是该应用场景的主要部分,其包含了以下功能:第一,采集和存储不同患者的生理状况数据;第二,对采集到的数据预处理,检测关键生理状况数据即时向患者家属和监护中心报警,并将处理后的数据传输到数据中心;第三,提供流媒体服务能力。数据中心用于长期存储患者数据,并即时推送到监护中心。监护中心具有管理所有患者数据和提供视频服务能力。

     

    分析该应用的需求,首先采集数据将面临多种不同设备的接入,因此对于接入方式和对于非 IP 设备的支持应当作为第一选择,其次需要具有良好的网络环境感知能力,第三需要对患者的生理状况数据在边缘端预处理和长期存储;第四,对于流媒体传输服务需要良好的计算性能和较低的延迟需求;最后,在实现应用的功能需求时,降低功耗和部署运维难度也必不可少。根据边缘计算平台的特点和应用场景需求分析:

     

    第一,在接入方式与非 IP 设备接入需求中,EdgeX Foundry和雾计算均支持多种接入方式和非 IP 设备的通信能力,但 Cloudlet 和移动边缘计算平台接入方式较少,不符合改应用场景需求,因此暂不考虑 Cloudlet 和移动边缘计算平台;

     

    第二,在网络环境感知中,移动边缘计算 感 知 能 力 最 强 ,EdgeX Foundry 和 雾 计 算 略 低,Cloudlet 环境感知能力最差,移动边缘计算平台为最佳选择,而EdgeX Foundry和雾计算作为备选平台;

     

    第三,数据预处理、存储和应用延时需求与计算延时和服务能力相关,其中雾计算计算和存储能力差,与其他平台存在较大差距,因此优先考虑 EdgeX Foundry;

     

    第四,在功耗方面,雾计算和 EdgeX Foundry 平台均可以调整设备实现最优的功耗,而移动边缘计算和Cloudlet 平台属于高功耗平台;

     

    最后,在部署运维和邻近度方面,EdgeX Foundry 均优于雾计算平台,需求对比见表2。综合上述分析,EdgeX Foundry 相较于雾计算、移动边缘计算和 Cloudlet 更加契合远程医疗应用场景。

     

    表 2  远程医疗监护需求表

     

    结束语

    雾计算,移动边缘计算,Cloudlet computing 和EdgeX Foundry 是目前广受关注的四种边缘计算平台,这四种计算平台都具有自己的适用范围,本文通过研究物联网应用的特点,提出了不同的分类特性,对边缘计算的特征予以区别,利于边缘计算系统的推广。然而,边缘计算还在不断发展,未来边缘计算的特征和应用场景将更加复杂,因此边缘计算的分类势必更加复杂。

     

    展开全文
  • 边缘计算开源平台

    千次阅读 2019-09-04 22:32:00
    边缘计算中的边缘(edge)指的是网络边缘上的计算和存储资源,这里的网络边缘与数据中心相对,无论是从地理距离还是网络距离上来看都更贴近用户。作为一种新的计算范式,边缘计算将计算任务部署于接近数据产生源的...

    边缘计算中的边缘(edge)指的是网络边缘上的计算和存储资源,这里的网络边缘与数据中心相对,无论是从地理距离还是网络距离上来看都更贴近用户。作为一种新的计算范式,边缘计算将计算任务部署于接近数据产生源的网络边缘,利用边缘资源为用户提供大量服务或功能接口,大大减少上传至云数据中心的数据量,缓解网络带宽压力,同时可以更好地解决数据安全和隐私问题。

    在边缘计算环境下,数据具有异构性且数据量较大,数据处理的应用程序具有多样性,不同应用程序所关联的计算任务又不尽相同,对于计算任务的管理具有较大的复杂性,而简单的中间件软件结构无法有效保证计算任务可行性、应用程序的可靠性以及资源利用的最大化。同时,面向不同应用或场景的边缘计算系统所要实现的功能有所差异性。因此,边缘计算平台对边缘计算领域的推广和发展有着重要的意义和影响。

    01 边缘计算开源平台概述

    边缘计算系统是一个分布式系统范例,在具体实现过程中需要将其落地到一个计算平台上,各个边缘平台之间如何相互协作提高效率,如何实现资源的最大利用率,对设计边缘计算平台、系统和接口带来挑战。例如,网络边缘的计算、存储和网络资源数量众多但在空间上分散,如何组织和统一管理这些资源,是一个需要解决的问题。在边缘计算的场景下,尤其是物联网,诸如传感器之类的数据源,其软件和硬件以及传输协议等具有多样性,如何方便有效地从数据源中采集数据也是一个需要考虑的问题。此外,在网络边缘的计算资源并不丰富的条件下,如何高效地完成数据处理的任务也是一个需要解决的问题。

    目前,边缘计算平台的发展方兴未艾。由于针对的问题不同,各边缘计算平台的设计多种多样,但也不失一般性,边缘计算平台的一般性功能框架如图 1 所示。在该框架中,资源管理功能用于管理网络边缘的计算、网络和存储资源。设备接入和数据采集功能分别用于接入设备和从设备中获取数据。安全管理用于保障来自设备的数据的安全。平台管理功能用于管理设备和监测控制边缘计算应用的运行情况。

    边缘计算开源平台

    图1-边缘计算平台一般性功能框架

    各边缘计算平台的差异可从以下方面进行对比和分析:

    (1)设计目标。边缘计算平台的设计目标反映了其所针对解决的问题领域,并对平台的系统结构和功能设计有关键性的影响。

    (2)目标用户。在现有的各种边缘计算平台中,有部分平台是提供给网络运营商以部署边缘云服务,有的边缘计算平台则没有限制,普通用户可以自行在边缘设备上部署使用。

    (3)可扩展性。为满足用户应用动态增加和删除的需求,边缘计算平台需要具有良好的可扩展性。目前,虚拟机技术和容器技术常被用于支持可扩展性。

    (4)系统特点。面向不同应用领域的边缘计算开源平台具有不同的特点,而这些特点能为不同的边缘计算应用的开发或部署带来方便。

    (5)应用场景:常见的应用领域包括智能交通、智能工厂和智能家居等多种场景,还有增强现实(AR)/虚拟现实(VR)应用、边缘视频处理和无人车等对响应时延敏感的应用场景。

    根据边缘计算平台的设计目标和部署方式,可将目前的边缘计算开源平台分为3 类:面向物 联网端的边缘计算开源平台、面向边缘云服务的边缘计算开源平台、面向云边融合的边缘计算开源平台。

    02 面向物联网端的边缘计算开源平台

    面向物联网端的边缘计算开源平台,致力于解决在开发和部署物联网应用的过程中存在的问题,例如设备接入方式多样性问题等。这些平台部署于网关、路由器和交换机等边缘设备, 为物联网边缘计算应用提供支持。代表性的平台是Linux基金会发布的 EdgeXFoundry和 Apache软件基金会的Apache Edgent。

    2.1 EdgeXFoundry

    EdgeXFoundry 是一个面向工业物联网边缘计算开发的标准化互操作性框架,部署于路由器和交换机等边缘设备上,为各种传感器、设备或其他物联网器件提供即插即用功能并管理 它们,进而收集和分析它们的数据,或者导出至边缘计算应用或云计算中心做进一步处理。EdgeXFoundry 针对的问题是物联网器件的互操作性问题。目前,具有大量设备的物联网产生大量数据,迫切需要结合边缘计算的应用,但物联网的软硬件和接入方式的多样性给数据 接入功能带来困难,影响了边缘计算应用的部署。EdgeXFoundry 的主旨是简化和标准化工业物联网边缘计算的架构,创建一个围绕互操作性组件的生态系统。

    图2展示了EdgeX Foundry的架构。在图中的最下方是“南侧”,指的是所有物联网器件, 以及与这些设备,传感器或其他物联网器件直接通信的边缘网络。在图的最上方是“北侧”, 指的是云计算中心或企业系统,以及与云中心通信的网络部分。南侧是数据产生源,而北侧 收集来自南侧的数据,并对数据进行存储、聚合和分析。如图2所示,EdgeXFoundry 位于 南侧和北侧两者之间,由一系列微服务组成,而这些微服务可以被分成 4个服务层和2个底层增强系统服务。微服务之间通过一套通用的Restful应用程序编程接口(API)进行通信。

    边缘计算开源平台

    图2- EdgeXFoundry的架构图

    BACNET:楼宇自动化与控制网络

    BLE:低功耗蓝牙

    MQTT:消息队列遥测传输

    OPC-UA:OPC统一框架

    REST:RESTful应用程序编程接口

    SDK:软件开发工具包

    SNMP:简单网络管理协议

    VIRTUAL:虚拟设备

    (1)设备服务层。设备服务层主要提供设备接入的功能,由多个设备服务组成。每个设备服务是用户根据设备服务软件开发工具包(SDK)编写生成的一个微服务。EdgeXFoundry使用设备文件去定义一个南侧设备的相关信息,包括源数据格式,存储在EdgeXFoundry 中 的数据格式以及对该设备的操作命令等信息。设备服务将来自设备的数据进行格式转换,并 发送至核心服务层。目前,EdgeX Foundry提供了消息队列遥测传输协议(MQTT)、ModBus串行通信协议和低功耗蓝牙协议(BLE)等多种接入方式。

    (2)核心服务层。核心服务层由核心数据、命令、元数据、注册表和配置4个微服务组件 组成。核心数据微服务存储和管理来自南侧设备的数据、元数据微服务存储和管理设备的元 数据。命令微服务将定义在设备文件的操作命令转换成通用的API,提供给用户以监测控制 该设备。注册表和配置微服务存储设备服务的相关信息。

    (3)支持服务层。支持服务层提供边缘分析和智能服务,以规则引擎微服务为例,允许用户设定一些规则,当检测到数据满足规则要求时,将触发一个特定的操作。例如规则引擎可 监测控制温度传感器,当检测到温度低于25度时,触发对空调的关闭操作。

    (4)导出服务层。导出服务层用于将数据传输至云计算中心,由客户端注册和分发等微服务组件组成。前者记录已注册的后端系统的相关信息,后者将对应数据从核心服务层导出至 指定客户端。

    (5)系统管理和安全服务:系统管理服务提供安装、升级、启动、停止和监测控制EdgeX Foundry 微服务的功能。安全服务用以保障来自设备的数据和对设备的操作安全。

    最新版本的 EdgeXFoundry 没有为用户自定义应用提供计算框架,用户可以将应用部署在网络边缘,将该应用注册为导出客户端,进而将来自设备的数据导出至应用来处理。EdgeX Foundry 的设计满足硬件和操作系统无关性,并采用微服务架构。EdgeXFoundry 中的所有微服务能够以容器的形式运行于各种操作系统,且支持动态增加或减少功能,具有可扩展性。EdgeXFoundry 的主要系统特点是为每个接入的设备提供通用的 RestfulAPI以操控该设备, 便于大规模地监测控制物联网设备,满足物联网应用的需求。EdgeXFoundry 的应用领域主 要在工业物联网,如智能工厂、智能交通等场景,以及其他需要接入多种传感器和设备的场景。

    2.2 ApacheEdgent

    Apache Edgent 是一个开源的编程模型和微内核风格的运行时,它可以被嵌入到边缘设备上,用于提供对连续数据流的本地实时分析。Edgent解决的问题,是如何对来自边缘设备的数据进行高效的分析处理。为加速边缘计算应用在数据分析处理上的开发过程,Edgent 提供一个开发模型和一套API用于实现数据的整个分析处理流程。基于Java或安卓的开发环境,Edgent应用的开发模型如图3所示。

    边缘计算开源平台

    图3-Edgent应用的开发模型

    该模型由提供者、拓扑、数据流、数据流的分析处理、后端系统5个组件组成。

    (1)提供者。一个提供者对象包含了有关Edgent应用程序的运行方式和位置信息,并具有创建和执行拓扑的功能

    (2)拓扑。拓扑是一个容器,描述了数据流的来源和如何更改数据流的数据。数据的输入、处理和导出至云的过程都记录在拓扑中。

    (3)数据流。Edgent提供了多种连接器以不同方式接入数据源,比如支持消息队列遥测传输(MQTT)、超文本传输协议(HTTP)和串口协议等,用户还可以添加自定义代码以控制 传感器或设备的数据输入。此外,Edgent的数据不局限于来自真实传感器或者设备的数据,还支持文本文件和系统日志等。

    (4)数据流的分析处理。Edgent提供一系列功能性的API 以实现对数据流的过滤、分裂、 变换和聚合等操作。

    (5)后端系统。由于边缘设备的计算资源稀缺,Edgent 应用程序无法支撑复杂的分析任务。用户可以使用连接器,通过MQTT和ApacheKafka方式连接至后端系统,或者连接至IBMWatson IoT平台进一步对数据做处理。

    Edgent 应用可部署于运行 Java虚拟机的边缘设备中,实时分析来自传感器和设备的数据, 减少了上传至后端系统如云数据中心的数据量,并降低了传输成本。Edgent的主要系统特点是提供了一套丰富的数据处理API,切合物联网应用中数据处理的实际需求,降低应用的开发难度并加速开发过程。Edgent的主要应用领域是物联网,此外,它还可以被用于分析日志、文本等类型的数据,例如嵌入服务器软件中用以实时分析错误的日志。

    03 面向边缘云的边缘计算开源平台

    网络运营商的网络边缘,如蜂窝网络基站、中央端局和在网络边缘的小型数据中心等,是用 户接入网络的地方,其计算、存储和网络资源也可用以部署边缘计算应用。面向边缘云服务的边缘计算平台着眼于优化或重建网络边缘的基础设施以实现在网络边缘构建数据中心,并提供类似云中心的服务。代表性的平台有开放网络基金会(ONF)的CORD项目和Linux基金会的AkrainoEdge Stack 项目。

    3.1 CORD

    CORD 是为网络运营商推出的开源项目,旨在利用软件定义网络(SDN)、网络功能虚拟化(NFV)和云计算技术重构现有的网络边缘基础设施,并将其打造成可灵活地提供计算和网 络服务的数据中心。现有网络边缘基础设施构建于由电信设备供应商提供的封闭式专有的软 硬件系统,不具备可扩展性,无法动态调整基础设备的规模,导致资源的低效利用。CORD计划利用商用硬件和开源软件打造可扩展的边缘网络基础设施,并实现灵活的服务提供平台, 支持用户的自定义应用。

    图4 为CORD的硬件架构图,CORD利用商用服务器和白盒交换机提供计算、存储和网络资源,并将网络构建为叶脊拓扑架构以支持横向网络的通信带宽需求。此外,CORD 使用专用接入硬件将移动、企业和住宅用户接入网络中。

    边缘计算开源平台

    图4-CORD的硬件架构

    CORD的软件架构如图5所示,云平台管理项目 OpenStack用以管理计算和存储资源,创建和配置虚拟机以及提供基础设施即服务(IaaS)功能。开源网络操作系统(ONOS)为网 络提供控制平面,用于管理网络组件如白盒交换网络结构等,并提供通信服务。容器引擎Docker 使用容器技术来实例化提供给用户的服务。服务控制平台 XOS用于整合上述软件, 以组装、控制和组合服务。

    边缘计算开源平台

    图5- CORD的软件架构

    DOCKER: 容器引擎

    ONOS: 开源网络操作系统

    OPENSTACK: 开源的云计算管理平台项目

    根据用户类型和使用案例的不同,CORD可被具体实现为 M-CORD、R-CORD和E-CORD。以 M-CORD为例,M-CORD面向无线网络(特别是5G 网络),使用蜂窝网络将用户接入。M-CORD基于 NFV和云计算技术将蜂窝网络功能进行分解和虚拟化,实现网络功能的动态扩展同时增强资源利用率。在此基础上,M-CORD 支持多接入边缘服务,为用户提供定制 服务和差异化体验质量(QoE)。此能力切合具备移动性的边缘计算应用的需求,能通过无 线网络为手机、无人车和无人机等移动设备的边缘计算应用就近提供强大的计算能力。R-CORD 和 E-CORD同样可以在网络边缘支持住宅用户或企业用户的边缘计算应用,如VR和AR 应用等,以获得更快的响应时间和更好的服务体验。

    对于用户而言,CORD 在运营商网络边缘提供的边缘云服务,具有与云计算相同的优点,即无需用户提供计算资源和搭建计算平台,降低了软硬件和管理成本。此外,有线和无线网络 的广泛分布使用户提交边缘计算应用不受地理位置的影响。目前,运营商正研究如何部署CORD,中国联通发起成立了CORD产业联盟,推动CORD项目的落地。

    3.2 Akraino EdgeStack

    AkrainoEdge Stack 是一个面向高性能边缘云服务的开源项目,并为边缘基础设施提供整体的解决方案。Akraino Edge Stack 致力于发展一套开源软件栈,用于优化边缘基础设施的网 络构建和管理方式,以满足边缘计算云服务的要求,比如高性能、低延迟和可扩展性等。Akraino Edge Stack 项目涉及的范围从基础设施延伸至边缘计算应用,其范围可以划分为 3个层面。

    在最上面的应用层面,AkrainoEdge Stack致力于打造边缘计算应用程序的生态系 统以促进应用程序的开发。中间层面着眼于开发中间件和框架以支持上面层次的边缘计算应 用。在这个层面中,AkrainoEdge Stack 将开发API 和框架以接入现有互补性的开源边缘计算项目,例如上述的面向物联网的互操作性框架EdgeX Foundry,最大化利用开源社区的现有成果。在最下面的基础设施层面中,AkrainoEdge Stack 将提供一套开源软件栈用于优化基础设施。此外,Akraino Edge Stack 为每种使用案例提供蓝图以构建一个边缘计算平台。每个蓝图是涵盖上述3个层次的声明性配置,其中包括对硬件、各层面的支撑软件、管理工具和交付点等的声明。

    Akraino Edge Stack 基于使用案例提供边缘云服务,可部署于电信运营商的塔楼、中央端局或线缆中心等。其应用领域包括边缘视频处理、智能城市、智能交通等。Akraino Edge Stack目前是一个初创项目,于2018年8月进入执行阶段。

    04 面向云边融合的边缘计算开源平台

    云计算服务提供商是边缘计算的重要推动者之一,基于“云边融合”的理念,致力于将云服务能力拓展至网络边缘。目前,亚马逊公司推出了AWSGreengrass ,微软公司推出了Azure IoT Edge ,阿里云公司推出了物联网边缘计算平台 LinkIoT Edge。微软公司在2018年宣布将Azure IoT Edge 开源。

    Azure IoT Edge是一种混合云和边缘的边缘计算框架,旨在将云功能拓展至如路由器和交换机等具备计算能力的边缘设备上,以获得更低的处理时延和实时反馈。Azure IoT Edge运行于边缘设备上,但使用与云上的AzureIoT 服务相同的编程模型;因此用户在开发应用的过程中除对计算能力的考量外,无需考虑边缘设备上部署环境的差异,还可以将在云上原有的应用迁移至边缘设备上运行。

    如图6 所示,AzureIoTEdge由IoTEdge模块、IoTEdge运行时和IoTEdge云界面组成,前两者运行在边缘设备上,后者则是一个在Azure云上提供服务的管理界面。

    边缘计算开源平台

    图6- Azure IoT Edge的架构图

    (1)IoTEdge 模块。IoTEdge 模块对应于用户的边缘计算应用程序。一个模块镜像即一个Docker 镜像,模块里包含用户的应用代码,而一个模块实例就是一个运行着对应的模块镜像的 Docker 容器。基于容器技术,IoTEdge 具备可扩展性,用户可动态添加或删除边缘计算应用。由于相同的编程模型,Azure 机器学习和 Azure数据流分析等 Azure云服务也可以 部署到 IoTEdge模块,此特性便于在网络边缘部署复杂的人工智能应用,加快了开发过程。

    (2)IoTEdge运行时。IoTEdge运行时由IoTEdge中心和IoTEdge代理2个组件构成,前 者负责通信功能,后者负责部署和管理 IoTEdge 模块,并监测控制模块的运行。IoT中心 是在 Azure云上的消息管理中心,IoT Edge中心与IoT 中心连接并充当其代理。IoT Edge 中心通过MQTT、高级消息队列协议(AMQP)和HTTPS协议获取来自传感器和设备的数据,实现设备接入的功能。此外,IoT Edge 中心作为消息中转站,连接 IoTEdge 模块之间 的消息通信。IoTEdge代理从IoTHub接收IoTEdge模块的部署信息,实例化该模块,并保 证该模块的正常运行,如对故障模块进行重启,并将各模块的运行状态报告至IoT中心。

    (3)IoT云界面。云界面提供了设备管理的功能。用户通过云界面进行添加设备,部署应用和监测控制设备等操作,为用户大规模部署边缘计算应用提供了方便。

    Azure IoT Edge 的主要系统特点是强大的Azure 云服务的支持,尤其是人工智能和数据分析 服务的支持。AzureIoT Edge具有广阔的应用领域,除了物联网场景,原有在云上运行的应 用也可以根据需求迁移至网络边缘上运行。目前AzureIoTEdge已有智能工厂、智能灌溉系 统和无人机管理系统等使用案例。

    05 构建边缘计算平台的开源软件

    一些开源软件能为边缘计算平台提供组件功能,具体包括:

    (1)网络管理。开源网络自动化平台(ONAP)是一个为物理或虚拟网络功能的自动化 和实时策略驱动化编排提供平台的开源项目,在边缘云中可用于定制网络服务。Linux基金会在2018年将ONAP与其他5个功能类似的开源项目合并成LFNetworkingFund项目。ONOS是一个开源网络操作系统,它提供一个控制平面用于管理网络组件,运行软件程序和模块,并为终端主机提供通信服务。目前,ONAP应用于 Akraino EdgeStack 项目中,ONOS应用于CORD 项目中。

    (2)容器技术。Docker作为一个开源的应用容器引擎,被多个边缘计算平台使用以提供灵活的应用部署方式。Kubernetes是一个对容器化应用进行自动化部署、扩展和管理的开源项目,可用于边缘计算平台中以提供可靠和可扩展的容器编排。

    (3)云平台。OpenStack是一个开源的云计算管理平台项目,可用于构建边缘云,管理边缘云基础设备的计算、存储和网络资源。StarlingX是一个用于构建分布式边缘云的开源项目,提供一套完整的云基础架构软件栈,现应用于AkrainoEdge Stack 项目中。

    (4)人工智能技术。引入人工智能技术是边缘计算的发展趋势之一。Acumos 人工智能(AI)是一个用于训练、部署和共享AI应用程序的开源框架,可用于边缘云中以提供AI边缘计算应用的快速开发和部署。Acumos AI 目前已用于Akraino Edge Stack 项目中。

    06 结束语

    边缘计算平台为基于边缘计算的应用提供了一种降低延迟、提高数据处理实时性的架构和软件栈支撑。目前,边缘计算平台仍处于快速发展时期,本文中我们对其未来的发展趋势 进行如下分析:

    (1)面向特定应用场景的专用性边缘计算平台将迅速发展。目前,智能家居、智能工厂和智慧城市都是受关注的应用场景,如何系统化支持这些场景的功能需求是边缘计算平台的 发展趋势之一。

    (2)边缘计算平台的数据安全与隐私保护问题将变得更加突出。边缘设备相互协作时的数据安全如何保证、边缘平台如何避免暴露用户的位置隐私信息、尤其是边缘计算设备的计算资源、存储能力有限,使得边缘计算平台的安全防御具有更高的挑战性。

    (3)边缘计算平台将结合更多人工智能技术。目前,以深度学习为代表的人工智能技术发展十分迅速,但“智能边缘”的研究才刚刚起步,未来的边缘计算平台将引入人工智能技术, 实现边缘数据的智能处理。

    本文首发于《中兴通讯技术》

    作者简介

    梁家越,中山大学数据科学与计算机学院在读硕士研究生;研究方向为边缘计算。

    刘斌,中国科学院电子学研究所在读博士生;研究方向为边缘计算。

    刘芳,中山大学数据科学与计算机学院副教授;研究方向为计算机系统结构与存储技术;先后主持和参加国家自然科学基金、科技部重点研发、“863”计划等项目10余项;获中山大学“百人计划”中青年杰出人才,获军队科技进步二等奖1次;发表论文70余篇,授权国家发明专利10余项。

    展开全文
  • 什么是边缘计算

    万次阅读 多人点赞 2018-07-07 16:59:44
    什么是边缘计算 为什么需要边缘计算 什么是边缘计算 边缘计算的优点 案例研究 云卸载 视频分析 智能家居 智慧城市 边缘协作 机遇和挑战 编程可行性 命名 数据抽象 服务管理 私密性 最优化方法 小结 ...

    注:本篇翻译自施巍松教授的论文《Edge Computing : Vision and Challenges》

    目录

    摘要

    物联网技术的快速发展和云服务的推动使得云计算模型已经不能很好的解决现在的问题,于是,这里给出一种新型的计算模型,边缘计算。边缘计算指的是在网络的边缘来处理数据,这样能够减少请求响应时间、提升电池续航能力、减少网络带宽同时保证数据的安全性和私密性。这篇文章会通过一些案例来介绍边缘计算的相关概念,内容包括云卸载、智能家居、智慧城市和协同边缘节点实现边缘计算。希望这篇文章能够给你一些启发并让更多的人投入边缘计算的研究中来。

    简介

    云计算自从它与2005年提出之后,就开始逐步的改变我们生活、学习、工作的方式。生活中经常用到的google、facebook等软件提供的服务就是典型的代表。并且,可伸缩的基础设施和能够支持云服务的处理引擎也对我们运营商业的模式产生了一定的影响,比如,hadoop、spark等等。
    物联网的快速发展让我们进入了后云时代,在我们的日常生活中会产生大量的数据。思科估计到2019年会有将近500亿的事物连接到互联网。物联网应用可能会要求极快的响应时间,数据的私密性等等。如果把物联网产生的数据传输给云计算中心,将会加大网络负载,网路可能造成拥堵,并且会有一定的数据处理延时。
    随着物联网和云服务的推动,我们假设了一种新的处理问题的模型,边缘计算。在网络的边缘产生、处理、分析数据。接下来的文章会介绍为什么需要边缘计算,相关定义。有关云卸载和智慧城市的一些研究,有关边缘计算下的编程、命名、数据抽象、服务管理、数据私密和安全性的问题也会在下文讨论。

    什么是边缘计算

    在网络边缘产生的数据正在逐步增加,如果我们能够在网络的边缘结点去处理、分析数据,那么这种计算模型会更高效。许多新的计算模型正在不断的提出,因为我们发现随着物联网的发展,云计算并不总是那么高效的。接下来文章中将会列出一些原因来证明为什么边缘计算能够比云计算更高效,更优秀。
    ##为什么需要边缘计算

    • 云服务的推动:云中心具有强大的处理性能,能够处理海量的数据。但是,将海量的数据传送到云中心成了一个难题。云计算模型的系统性能瓶颈在于网络带宽的有限性,传送海量数据需要一定的时间,云中心处理数据也需要一定的时间,这就会加大请求响应时间,用户体验极差。

    • 物联网的推动:现在几乎所有的电子设备都可以连接到互联网,这些电子设备会后产生海量的数据。传统的云计算模型并不能及时有效的处理这些数据,在边缘结点处理这些数据将会带来极小的响应时间、减轻网络负载、保证用户数据的私密性。

    • 终端设备的角色转变:终端设备大部分时间都在扮演数据消费者的角色,比如使用智能手机观看爱奇艺、刷抖音等。然而,现在智能手机让终端设备也有了生产数据的能力,比如在淘宝购买东西,在百度里搜索内容这些都是终端节点产生的数据。

    下面两幅图,图1是传统云计算模型下的范式,最左侧是服务提供者来提供数据,上传到云中心,终端客户发送请求到云中心,云中心响应相关请求并发送数据给终端客户。终端客户始终是消费者的角色。
    图2是现在物联网快速发展下的边缘计算范式。边缘结点(包括智能家电、手机、平板等)产生数据,上传到云中心,服务提供商也产生数据上传到云中心。边缘结点发送请求到云中心,云中心返还相关数据给边缘结点。
    这里写图片描述
    图1 云计算范式
    这里写图片描述
    图2 边缘计算范式

    什么是边缘计算

    边缘计算指的是在网络边缘结点来处理、分析数据。这里,我们给出边缘结点的定义,边缘结点指的就是在数据产生源头和云中心之间任一具有计算资源和网络资源的结点。比如,手机就是人与云中心之间的边缘结点,网关是智能家居和云中心之间的边缘结点。在理想环境中,边缘计算指的就是在数据产生源附近分析、处理数据,没有数据的流转,进而减少网络流量和响应时间。

    边缘计算的优点

    • 在人脸识别领域,响应时间由900ms减少为169ms
    • 把部分计算任务从云端卸载到边缘之后,整个系统对能源的消耗减少了30%-40%。
    • 数据在整合、迁移等方面可以减少20倍的时间。

    案例研究

    云卸载

    在传统的内容分发网络中,数据都会缓存到边缘结点,随着物联网的发展,数据的生产和消费都是在边缘结点,也就是说边缘结点也需要承担一定的计算任务。把云中心的计算任务卸载到边缘结点这个过程叫做云卸载。
    举个例子,移动互联网的发展,让我们得以在移动端流畅的购物,我们的购物车以及相关操作(商品的增删改查)都是依靠将数据上传到云中心才能得以实现的。如果将购物车的相关数据和操作都下放到边缘结点进行,那么将会极大提高响应速度,增强用户体验。通过减少延迟来提高人与系统的交互质量。

    视频分析

    随着移动设备的增加,以及城市中摄像头布控的增加,利用视频来达成某种目的成为一种合适的手段,但是云计算这种模型已经不适合用于这种视频处理,因为大量数据在网络中的传输可能会导致网络拥塞,并且视频数据的私密性难以得到保证。
    因此,提出边缘计算,让云中心下放相关请求,各个边缘结点对请求结合本地视频数据进行处理,然后只返回相关结果给云中心,这样既降低了网络流量, 也在一定程度上保证了用户的隐私。
    举例而言,有个小孩儿在城市中丢失,那么云中心可以下放找小孩儿这个请求到各个边缘结点,边缘结点结合本地的数据进行处理,然后返回是否找到小孩儿这个结果。相比把所有视频上传到云中心,并让云中心去解决,这种方式能够更快的解决问题。

    智能家居

    物联网的发展让普通人家里的电子器件都变得活泼了起来,仅仅让这些电子器件连上网络是不够的,我们需要更好的利用这些电子元件产生的数据,并利用这些数据更好的为当前家庭服务。考虑到网络带宽和数据私密保护,我们需要这些数据最好仅能在本地流通,并直接在本地处理即可。我们需要网关作为边缘结点,让它自己消费家庭里所产生的数据。同时由于数据的来源有很多(可以是来自电脑、手机、传感器等任何智能设备),我们需要定制一个特殊的OS,以至于它能把这些抽象的数据揉和在一起并能有机的统一起来。

    智慧城市

    边缘计算的设计初衷是为了让数据能够更接近数据源,因此边缘计算在智慧城市中有以下几方面优势:

    • 海量数据处理:在一个人口众多的大城市中,无时无刻不在产生着大量的数据,而这些数据如果通通交由云中心来处理,那么将会导致巨大的网络负担,资源浪费严重。如果这些数据能够就近进行处理,在数据源所在的局域网内进行处理,那么网络负载就会大幅度降低,数据的处理能力也会有进一步的提升。
    • 低延迟:在大城市中,有很多服务是要求具有实时特性的,这就要求响应速度能够尽可能的进一步提升。比如医疗和公共安全方面,通过边缘计算,将减少数据在网络中传输的时间,简化网络结构,对于数据的分析、诊断和决策都可以交由边缘结点来进行处理,从而提高用户体验。
    • 位置感知:对基于位置的一些应用来说,边缘计算的性能要由于云计算。比如导航,终端设备可以根据自己的实时位置把相关位置信息和数据交给边缘结点来进行处理、边缘结点基于现有的数据进行判断和决策。整个过程中的网络开销都是最小的。用户请求得以极快的得到响应。
      ##边缘协作
      由于数据隐私性问题和数据在网络中传输的成本问题,有一些数据是不能由云中心去处理的,但是这些数据有时候又需要多个部门协同合作才能发挥它最大的作用。于是,我们提出了边缘协同合作的概念,利用多个边缘结点协同合作,创建一个虚拟的共享数据的视图,利用一个预定义的公共服务接口来将这些数据进行整合,同时,通过这个数据接口,我们可以编写应用程序为用户提供更复杂的服务。
      举个多个边缘结点协同合作共赢的例子。比如流感爆发的时候,医院作为一个边缘结点与药房、医药公司、政府、保险行业等多个节点进行数据共享,把当前流感的受感染人数、流感的症状、治疗流感的成本等共享给以上边缘结点。药房通过这些信息有针对性的调整自己的采购计划,平衡仓库的库存;医药公司则能通过共享的数据得知哪些为要紧的药品,提升该类药品生产的优先级;政府向相关地区的人们提高流感警戒级别,此外,还可以采取进一步的行动来控制流感爆发的蔓延;保险公司根据这次流感程度的严峻性来调整明年该类保险的售价。总之,边缘结点中的任何一个节点都在这次数据共享中得到了一定的利益。

    机遇和挑战

    以上是边缘计算在解决相关问题的潜力和展望,接下来会分析在实现边缘计算的过程中将要面临的机遇和挑战。

    编程可行性

    在云计算平台编程是非常便捷的,因为云有特定的编译平台,大部分程序都可以在云上跑。但是边缘计算下的编程就会面临一个问题,平台异构问题,每一个网络的边缘都是不一样的,有可能是ios系统,也有可能是安卓或者linux等等,不同平台下的编程又是不同的。因此我们提出了计算流的概念,计算流是数据传播路径上的函数序列/计算序列,可以通过应用程序指定计算发生在数据传播路径中的哪个节点。计算流可以帮助用户确定应该完成哪些功能/计算,以及在计算发生在边缘之后如何传播数据。通过部署计算流,可以让计算尽可能的接近数据源。

    命名

    命名方案对于编程、寻址、事物识别和数据通信非常重要,但是在边缘计算中还没有行之有效的数据处理方式。边缘计算中事物的通信是多样的,可以依靠wifi、蓝牙、2.4g等通信技术,因此,仅仅依靠tcp/ip协议栈并不能满足这些异构的事物之间进行通信。边缘计算的命名方案需要处理事物的移动性,动态的网络拓扑结构,隐私和安全保护,以事物的可伸缩性。传统的命名机制如DNS(域名解析服务)、URI(统一资源标志符)都不能很好的解决动态的边缘网络的命名问题。目前正在提出的NDN(命名分发网络)解决此类问题也有一定的局限性。在一个相对较小的网络环境中,我们提出一种解决方案,如图3所示,我们描述一个事物的时间、地点以及正在做的事情,这种统一的命名机制使得管理变得非常容易。当然,当环境上升到城市的高度的时候,这种命名机制可能就不是很合适了,还可以进行进一步的讨论。
    这里写图片描述
    图3 命名机制

    数据抽象

    在物联网环境中会有大量的数据生成,并且由于物联网网络的异构环境,生成的数据是各种格式的,把各种各样的数据格式化对边缘计算来说是一个挑战。同时,网络边缘的大部分事物只是周期性的收集数据,定期把收集到的数据发送给网关,而网关中的存储是有限的,他只能存储最新的数据,因此边缘结点的数据会被经常刷新。利用集成的数据表来存储感兴趣的数据,表内部的结构可以如图4所示,用id、时间、名称、数据等来表示数据。
    这里写图片描述
    图4 相应表结构
    如果筛选掉过多的原始数据,将导致边缘结点数据报告的不可靠,如果保留大量的原始数据,那么边缘结点的存储又将是新的问题;同时这些数据应该是可以被引用程序读写和操作的,由于物联网中事物的异构性,导致数据库的读写和操作会存在一定的问题。

    服务管理

    边缘结点的服务管理我们认为应该有以下四个特征,,包括差异化、可扩展性、隔离性和可靠性,进而保证一个高效可靠的系统。

    • 差异化:随着物联网的发展,会有这种各样的服务,不同的服务应该有差异化的优先级。比如,有关事物判断和故障警报这样的关键服务就应该高于其它一般服务,有关人类身体健康比如心跳检测相关的服务就要比娱乐相关服务的优先级要高一些。
    • 可扩展性:物联网中的物品都是动态的,向物联网中添加或删除一件物品都不是那么容易的,服务缺少或者增加一个新的结点能否适应都是待解决的问题,这些问题可以通过对边缘os的高扩展和灵活的设计来解决。
    • 隔离性:所谓隔离性是指,不同的操作之间互不干扰。举例而言,有多个应用程序可以控制家庭里面的灯光,有关控制灯光的数据是共享的,当有某个应用程序不能响应时,使用其他的应用程序依然能够控制灯光。也就是说这些应用程序之间是相互独立的,互相并没有影响;隔离性还要求用户数据和第三方应用是隔离的,也就是说应用不应该能够跟踪用户的数据并记录下来,为了解决该问题,应当添加一种全新的应用访问用户数据的方式。
    • 可靠性:可靠性可以从服务、系统和数据三方面来谈论
      • 从服务方面来说,网络拓扑中任意节点的丢失都有可能导致服务的不可用,如果边缘系统能够提前检测到具有高风险的节点那么就可以避免这种风险。较好的一种实现方式是使用无线传感器网络来实时监测服务器集群。
      • 从系统角度来看,边缘操作系统是维护整个网络拓扑的重要一部分内容。节点之间能够互通状态和诊断信息。这种特征使得在系统层面部署故障检测、节点替换、数据检测等十分的方便。
      • 从数据角度来看,可靠性指的是数据在传感和通信方面是可靠地。边缘网络中的节点有可能会在不可靠的时候报告信息,比如当传感器处于电量不足的时候就极有可能导致传输的数据不可靠。为解决此类问题可能要提出新的协议来保证物联网在传输数据时的可靠性。

    私密性

    现存的提供服务的方法是手机终端用户的数据并上传到云端,然后利用云端强大的处理能力去处理任务,在数据上传的过程中,数据很容易被别有用心的人收集到。为了保证数据的私密性,我们可以从以下这些方面入手。
    1,在网络的边缘处理用户数据,这样数据就只会在本地被存储、分析和处理。
    2,对于不同的应用设置权限,对私密数据的访问加以限制。
    3,边缘的网络是高度动态化的网络,需要有效的工具保护数据在网络中的传输。

    最优化指标

    在边缘计算当中,由于节点众多并且不同节点的处理能力是不同的,因此,在不同的节点当中选择合适的调度策略是非常重要的。接下来从延迟、带宽、能耗和花费这四个方面来讨论最优化的指标。

    • 延迟: 很明显云中心具有强大的处理能力,但是网络延迟并不单单是处理能力决定的,也会结合数据在网路中传输的时间。拿智慧城市距离来说,如果要寻找丢失的小孩儿信息,在本地的手机处理,然后把处理结果返回给云明显能加快响应速度。当然,这种事情也是相对而言的,我们需要放一个逻辑判断层,来判断把任务交给哪一个节点处理合适,如果此时手机正在打游戏或者处理其他非常重要的事情,那么手机就不是很适合处理这种任务,把这种任务交给其他层次来处理会更好些。
    • 带宽:高带宽传输数据意味着低延迟,但是高带宽也意味着大量的资源浪费。数据在边缘处理有两种可能,一种是数据在边缘完全处理结束,然后边缘结点上传处理结果到云端;另外一种结果是数据处理了一部分,然后剩下的一部分内容将会交给云来处理。以上两种方式的任意一种,都能极大的改善网路带宽的现状,减少数据在网络中的传输,进而增强用户体验。
    • 能耗:对于给定的任务,需要判定放在本地运算节省资源还是传输给其他节点计算节省资源。如果本地空闲,那么当然在本地计算是最省资源的,如果本地正在忙碌状态,那么把计算任务分给其他节点会更合适一些。权衡好计算消耗的能源和网络传输消耗的能源是一件非常重要的事情。一般当网络传输消耗的资源远小于在本地计算消耗的能源时,我们会考虑使用边缘计算把计算任务卸载到其他空闲的节点上,帮助实现负载均衡,保证每一个结点的高性能。
    • 花费:目前在边缘计算上的花费包括但不限于边缘结点的构建和维护、新型模型的开发等。利用边缘计算的模型,大型的服务提供商在处理相同工作的情况下能够获取到更大的利润。

    小结

    物联网的发展和云计算的推动使得边缘计算的模型出现在社区之中。在边缘结点处理数据能够提高响应速度,减少带宽,保证用户数据的私密性。这篇文章当中,我们提出了边缘计算可能在以后的生活中一些相关场景的运用,也提到了边缘计算以后发展的展望和挑战。希望以后有更多的同僚能够关注到这么一个领域。

    展开全文
  • 边缘计算中的边缘(edge)指的是网络边缘上的计算和存储资源,这里的网络边缘与数据中心相对,无论是从地理距离还是网络距离上来看都更贴近用户。作为一种新的计算范式,边缘计算将计算任务部署于接近数据产生源的...
  • 边缘计算中的边缘(edge)指的是网络边缘上的计算和存储资源,这里的网络边缘与数据中心相对,无论是从地理距离还是网络距离上来看都更贴近用户。作为一种新的计算范式,边缘计算将计算任务部署于接近数据产生源的...
  • 基于CDN的边缘计算平台设计和思考

    千次阅读 2019-11-30 10:25:34
    11月28日晚,阿里云技术专家吴龙辉老师在边缘计算社区社群里分享基于CDN的边缘计算平台设计和思考,本文为吴老师分享实录。全文共3600字,预计阅读15分钟。一CDN和边缘计算的关系CD...
  • 边缘计算平台- EDGEX FOUNDRY 分析

    万次阅读 2018-11-16 00:53:24
    边缘计算的原意是将计算放在边缘处理,可是从EDGEX的架构图中并未直接发现计算相关的微服务,稍微与计算相关的微服务distribution里面有数据的过滤、格式化、压缩和加密等等,但这并不是真正的数据处理,个人认为...
  • 工业物联网中基于边缘计算统一可信环境
  • 边缘计算网关平台发展现状综述 一、边缘计算简介 随着边缘端侧设备的计算与存储能力的逐渐提升以及端侧设备通信与交互能力的进一步开放,边缘计算正在逐步兴起,各个厂家正在逐渐推出自家的边缘计算相关软硬件...
  • 边缘计算

    千次阅读 2018-09-03 13:42:01
    注:本篇翻译自施巍松教授的论文《Edge Computing : Vision and Challenges》 ... 什么是边缘计算 为什么需要边缘计算 什么是边缘计算 边缘计算的优点 案例研究 云卸载 视频分析 智能家居...
  • 边缘计算将网络边缘上的计算、存储等资源进行有机融合,构建成统一的用户服务平台,按就近服务原则对网络边缘节点任务请求及时响应并有效处理。由于边缘节点能力、资源、带宽、能源等受限,计算迁移是边缘计算的一个...
  • 8月28日,腾讯云重磅推出物联网边缘计算平台,该平台的推出将彻底打通物联网应用落地的最后一公里,让云端强大的计算能力快速延伸到用户的边缘,数以亿计的物联网设备将可以随时随地畅享云计算带来的海量数据处理...
  • 边缘计算与嵌入式系统

    万次阅读 多人点赞 2018-07-06 19:46:00
    边缘计算简介 边缘计算的起源 嵌入式系统与边缘计算 3.1 嵌入式系统概述 3.2 嵌入式系统的发展历史 3.3 嵌入式系统应用到边缘计算 3.4 嵌入式硬件的要求 3.5 边缘计算环境下嵌入式系统与人工智能 观点与看法...
  • 前阵子边缘计算概念股被狂炒,众多真假专家纷纷提出对这一技术的理解和展望,股民们高涨的热情弄得我都不敢发声了。如今眼见那些边缘计算概念股冲高回落,我也终于可以阐述自己对边缘计算的观点了。想法比较多,也...
  • 关于边缘计算

    2019-05-22 00:04:01
    本文转载自CSDN博客:《什么是边缘计算?》 注:本篇翻译自施巍松教授的论文《Edge Computing : Vision and Challenges》摘要 物联网技术的快速发展和云服务的推动使得云计算模型已经不能很好的解决现在的问题,...
  • 5G引入三大应用场景,eMBB(高速移动通信)、mMTC(大规模机器通信)、URLLC(低时延高可靠),为克服传输网的性能瓶颈,边缘计算成为5G网络的核心网络技术之一。 为进一步拓展运营商网络价值,避免管道化,运营商...
  • 自动驾驶与移动边缘计算

    千次阅读 2019-01-11 00:00:34
      2018-12-27 10:07:10 移动边缘计算是一项在近距离内为移动用户提供云服务和IT服务的新兴技术。传统网络运营商负责对传输流进行控制(比如转发和包过滤等),但在移动边缘计算...移动边缘计算平台通过为边缘网...
  • 通俗讲解边缘计算

    千次阅读 2020-05-14 14:29:38
    通俗讲解边缘计算随着物联网越来越火,同时伴随着物联网而来的,就是各种概念和各种技术,其中一个就是边缘计算,当然还有雾计算。其实边缘计算和雾计算都差不多,雾计算只是和云计算是相对的。只是叫边缘计算呢,...
  • 5g/4g边缘计算网关

    千次阅读 2020-11-10 16:58:42
    边缘计算网关好处 边缘计算网关优势 ...这种计算技术如果再加上合理的资源调度,就可以充分利用边缘计算节点的算力和存储资源,加上云中心的统一管理,从而组成一个高效的与计算平台边缘计算网关
  • 点击篮字关注我们 目前,市场上存在的边缘计算相关概念包括雾计算、边缘计算、多接入边缘计算/移动边缘计算、移动云计算等概念。这是边缘计算的第三篇,主要讲的内容...
  • 来源:边缘计算社区在2019年第三届边缘计算技术研讨会上华为高级产业发展经理、ECC需求与总体组副主席黄还青发表了《ECC及华为在边缘计算领域的思考与实践》主题演讲,本文...
  • 边缘计算的云边协同

    千次阅读 2019-06-21 16:36:27
    众所周知,边缘计算是将基础设施资源进行分布式部署再统一管理的。资源较为集中的称为“中心云”,资源量较少的部署点称为“边缘云”,并在边缘计算平台中存在少数的中心云和多数的边缘云,因此如何进行平台的资源...
  • 边缘计算网关

    千次阅读 2019-12-06 17:44:08
    边缘计算网关,物通博联工业网关 边缘计算是指对网络边缘节点的数据处理和分析。在这里,我们给出了边缘节点的定义,边缘节点是指在数据生成源和云中心之间具有计算资源和网络资源的任意节点。 例如,手机是人和云...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 35,988
精华内容 14,395
关键字:

统一边缘计算平台