洪學海 ，汪洋

（1.中國科學院計算技術(shù)研究所，北京 100190；2.中國科學院計算機網(wǎng)絡信息中心，北京 100190）

一、邊緣計算的概念

“云、網(wǎng)、端”基本功能的最初設想是，在云端有一個異常強大的數(shù)據(jù)中心，負責數(shù)據(jù)處理，網(wǎng)絡端負責數(shù)據(jù)傳輸，而物聯(lián)網(wǎng)各個節(jié)點端負責采集數(shù)據(jù)，并通過網(wǎng)絡交給云端，云端再根據(jù)數(shù)據(jù)分析并做決策后再把結(jié)果返還給終端。在這種模型中，云端負責智能計算，而終端節(jié)點負責數(shù)據(jù)采集以及決策執(zhí)行。

然而，這樣的設想在實際執(zhí)行中遇到了不少困難。第一個困難來源于數(shù)據(jù)傳輸?shù)拈_銷。物聯(lián)網(wǎng)節(jié)點通常都使用無線網(wǎng)絡與云端做數(shù)據(jù)傳輸，而如果物聯(lián)網(wǎng)節(jié)點把不加任何處理的原始數(shù)據(jù)全部傳到云端，會導致帶寬需求爆炸，網(wǎng)絡基礎(chǔ)架構(gòu)沒法支撐如此高的帶寬需求；開銷的另一部分是無線傳輸?shù)墓?，如果把?shù)據(jù)不加任何處理全部傳輸?shù)皆贫?，那么終端節(jié)點的無線傳輸模塊必須支持高速無線傳輸，這就意味著無線模塊需要很大的功耗，與物聯(lián)網(wǎng)節(jié)點低功耗的設想不符。第二個困難在于網(wǎng)絡延遲。許多節(jié)點執(zhí)行的任務對于延遲非常敏感，例如，無人駕駛、增強現(xiàn)實技術(shù)/虛擬現(xiàn)實技術(shù)（AR/VR）應用等，在這些應用中由于網(wǎng)絡傳輸帶來的延遲（幾十毫秒以上，有時候網(wǎng)絡信號不好會帶來數(shù)秒的延遲甚至掉線）使任務無法被接受。針對這些問題，邊緣計算技術(shù)應運而生。

但是，對于邊緣計算的概念，目前還沒有一個嚴格的定義。目前認為的邊緣計算的物理邊界，如圖1所示。

施魏松等[1]定義的邊緣計算是指在網(wǎng)絡的邊緣執(zhí)行計算的一種新型計算模式，包含下行的云服務和上行的萬物互聯(lián)服務。我國邊緣計算產(chǎn)業(yè)聯(lián)盟（ECC）定義的邊緣計算是指在靠近物或數(shù)據(jù)源頭的網(wǎng)絡邊緣側(cè)，融合網(wǎng)絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務，滿足行業(yè)數(shù)字在敏捷聯(lián)接、實時業(yè)務、數(shù)據(jù)優(yōu)化、應用智能、安全與隱私保護等方面的關(guān)鍵需求。對于邊緣計算，無論是上行互聯(lián)還是下行云服務以及融合業(yè)務計算，其核心的理念是“計算應該更靠近數(shù)據(jù)的源頭，可以更貼近用戶”，以及將智能計算的任務前置到物端，而不僅僅在云端。在邊緣計算概念出現(xiàn)之前，還出現(xiàn)過海云計算、霧計算[2]以及近來比較熱的移動邊緣計算等概念，本質(zhì)上這些概念描述的應該是同一個問題，即克服云計算和云服務的重負載、長時延、安全隱患等問題，并與云計算和云服務互為補充，靠近用戶和數(shù)據(jù)源，并提供智能計算前置的一種新型計算模型。因此，邊緣計算是繼分布式計算、網(wǎng)格計算、云計算之后的又一新型計算模型。作者認為邊緣計算是以云計算為核心，以現(xiàn)代通信網(wǎng)絡為途徑，以海量終端為感知前端，通過優(yōu)化資源配置，使得計算、存儲、傳輸、應用等服務更智能，具備優(yōu)勢互補、深度協(xié)同的資源調(diào)度能力，是集云、網(wǎng)、端、智四位一體的新型計算模型。

圖1 邊緣計算的物理邊界

二、發(fā)展邊緣計算要解決的關(guān)鍵問題

在邊緣計算中，終端節(jié)點不再是完全不負責計算，而是做一定量的計算和數(shù)據(jù)處理，之后把處理過的數(shù)據(jù)再傳遞到云端。這樣一來網(wǎng)絡延遲和帶寬的問題可以解決，因為計算在本地，而且處理過的數(shù)據(jù)一定是從原始數(shù)據(jù)中進行過精煉的數(shù)據(jù)，所以數(shù)據(jù)量會小很多。當然，具體要在邊緣做多少計算也取決于計算功耗和無線傳輸功耗的折衷——終端計算越多，計算功耗越大，無線傳輸功耗通常就可以更小，對于不同的系統(tǒng)存在不同的最優(yōu)值。此外，由于物端數(shù)據(jù)不是全部都通過網(wǎng)絡傳輸?shù)皆贫?，在某些?shù)據(jù)比較敏感的應用場景下，數(shù)據(jù)安全也得到一定的保障。因此，對于邊緣計算，需要解決以下幾個主要問題。

（一）邊緣計算的體系結(jié)構(gòu)問題

目前的霧計算、海云計算、三元計算以及移動邊緣計算等，本質(zhì)上是屬于邊緣計算的一種形式，它涵蓋物聯(lián)網(wǎng)、移動蜂窩網(wǎng)、車聯(lián)網(wǎng)、互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)等眾多領(lǐng)域，是IT資源設施的優(yōu)化配置解決方案，包括計算、存儲、網(wǎng)絡、軟件、輸入輸出（IO）等資源，是算法上的改進、算力上的優(yōu)化、數(shù)據(jù)的重新布局。但是由于邊緣計算直接應對網(wǎng)絡的邊緣側(cè)眾多的應用場景和應用模式，因此，除研究通用的體系結(jié)構(gòu)來應對這些復雜的應用場景和應用模式之外，還需要針對不同的應用場景和應用模式設計具體的體系結(jié)構(gòu)，如霧計算的體系結(jié)構(gòu)、移動邊緣計算的體系結(jié)構(gòu)等，并以此來規(guī)劃計算、存儲、網(wǎng)絡、軟件等資源的配置，使得具體應用性能、功耗、安全等最優(yōu)化。

（二）邊緣計算物端設備的處理器能力問題

在不同的應用場景下，對邊緣計算物端的處理器的能力、功耗等需求不同。有的邊緣計算是以物端控制為目的的應用，對運算能力需求相對較弱。而有的邊緣計算應用是就近物端處理數(shù)據(jù)，以減少數(shù)據(jù)網(wǎng)絡傳輸、降低網(wǎng)絡延遲和實時信息處理為目的的應用，如高清視頻監(jiān)控等，數(shù)據(jù)需要就近處理，這對物端計算處理器的運算能力要求相對較高。因此，對邊緣計算設備的處理器能力需要針對不同的應用場景，配置相應能力的物端設備處理器。

（三）邊緣計算的算法與內(nèi)存設計問題

邊緣計算的一個重要的應用場景是將在云端的智能處理能力延展到物端，即計算智能前置。但現(xiàn)在主流的深度神經(jīng)網(wǎng)絡處理算法程序大小通常為幾兆字節(jié)甚至幾百兆字節(jié)，這就給物端計算節(jié)點的處理器和內(nèi)存配置帶來了挑戰(zhàn)。因為物端計算的處理器和內(nèi)存一般不可能配置較大的處理器和內(nèi)存，因此需要進行算法模型的壓縮和智能處理算法硬IP化，并配置到物端處理器上。同樣需要進一步考慮如果算法無法把模型做到很小，就需要考慮內(nèi)存內(nèi)計算（in-memory computing）。

(四)邊緣計算與云計算的能力資源協(xié)同問題

云計算是中心化的計算模式，而邊緣計算本質(zhì)上是去中心化的計算模式。但云計算與邊緣計算并不是完全對立的計算架構(gòu)。在一些應用場景中，運用邊緣計算在網(wǎng)絡邊緣端做數(shù)據(jù)預處理后再傳輸?shù)皆贫?，在云端再進行深入大規(guī)模分析，使兩者各展所長。作為與云計算相互補充和相伴相生的邊緣計算，其能力的實現(xiàn)必須與云計算進行有效的協(xié)同，才能真正實現(xiàn)邊緣計算的目的。在云計算和邊緣計算協(xié)同的過程中，兩者在數(shù)據(jù)全生命周期中，在哪個階段進行協(xié)同、計算負載如何適度分配、任務如何調(diào)度、云端和邊緣物端設備協(xié)同的協(xié)議如何定義等方面，目前還沒有一個很好的、統(tǒng)一的模型。

（五）邊緣計算的系統(tǒng)安全問題

由于邊緣計算與物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、互聯(lián)網(wǎng)的天然聯(lián)接，因此必然存在系統(tǒng)安全方面的問題。但由于邊緣計算的物端計算一般是能力相對比較弱小的計算系統(tǒng)，它不能像常規(guī)的計算系統(tǒng)一樣采取多層、多種安全保障措施。有的邊緣計算是直接應用于系統(tǒng)控制，其安全問題顯得尤其重要，因此，邊緣計算系統(tǒng)的安全問題研究是一個新的課題。

三、邊緣計算技術(shù)研究主要進展

當前，邊緣計算的研究主要集中在移動邊緣網(wǎng)絡、霧計算、小云（cloudlets）、邊緣云、體系結(jié)構(gòu)等方面。美國韋恩州立大學施魏松教授是國內(nèi)外邊緣計算研究的引領(lǐng)者，他從邊緣計算基礎(chǔ)、邊緣計算系統(tǒng)平臺和典型應用等多個方面對邊緣計算技術(shù)的研究給予了描述。文獻[3]從融合計算、緩存、通信角度對移動邊緣網(wǎng)絡做了介紹，文獻[4]介紹了從云計算向用戶側(cè)推進的小云計算模型，從霧計算概念角度研究較多，文獻[5]主要討論了霧計算在物聯(lián)網(wǎng)中所扮演的重要角色，文獻[6]介紹了如何通過霧計算來降低云計算的能耗，文獻[7]主要探討了霧計算是否是云計算發(fā)展的未來，文獻[8]主要介紹了霧計算的概念、應用及面臨的問題，文獻[9,10]主要討論霧計算的安全、隱私和管控方法，文獻[11]介紹了霧計算平臺及其上層應用。文獻[12]介紹了邊緣計算在擴展企業(yè)應用到網(wǎng)絡邊緣發(fā)揮的作用，其延遲、效能分析在文獻[13]中做了介紹。文獻[14]介紹了邊緣計算的興起、定義、體系結(jié)構(gòu)、研究領(lǐng)域、技術(shù)挑戰(zhàn)等方面內(nèi)容。此外，ECC也在邊緣計算的定義、體系結(jié)構(gòu)、產(chǎn)業(yè)生態(tài)等方面進行了論述。移動邊緣計算是邁向5G的關(guān)鍵技術(shù)之一[15]，更是一種針對大規(guī)模物聯(lián)網(wǎng)應用的新型編程模型[16]，文獻[17]對相關(guān)技術(shù)做了較為詳細的描述?？偨Y(jié)來看，這些研究進展集中表現(xiàn)在如下幾個方面。

（一）定義清楚了通用的邊緣計算的體系結(jié)構(gòu)

霧計算和邊緣計算各有側(cè)重，但本質(zhì)上描述的是同一類計算模型。當前的研究是將通用的邊緣計算體系結(jié)構(gòu)從橫向與縱向兩個維度定義，即縱向是基礎(chǔ)設備層、統(tǒng)一接口層、應用服務層；橫向包括動態(tài)智能、安全保障、運維管控等。

（1）基礎(chǔ)設備層：主要涵蓋數(shù)以億計的異構(gòu)智能終端設備，它們分布在網(wǎng)絡的邊緣測，靠近用戶?；A(chǔ)設備層是計算、存儲、帶寬、緩存等資源調(diào)配的資源池，為邊緣用戶提供服務的邊緣基礎(chǔ)設施。

（2）統(tǒng)一接口層：眾多的智能設備存在異構(gòu)問題，想要高效利用這些資源，必須進行整合，使得這些資源可以有效地進行管理和統(tǒng)一管理。統(tǒng)一接口層的目標就是消除這些異構(gòu)，使得基礎(chǔ)設備能夠按照統(tǒng)一、規(guī)范的標準接口實現(xiàn)互聯(lián)互通，從而可以有效地進行資源協(xié)同管理。

（3）應用服務層：靠近應用的服務商，是用戶服務得以滿足的上層應用和系統(tǒng)程序。其作用為協(xié)同各方資源進行按需調(diào)配，把負載、應用、服務等任務下發(fā)、上傳、協(xié)同給其他資源提供方，以便滿足用戶的切實需求。

（4）動態(tài)智能層：縱向涵蓋以上三個橫向?qū)哟危搶哟蔚哪繕耸悄芨咝?、智能、自動化地對其設備、接口、應用進行管理和控制，脫離人工的繁瑣配置和監(jiān)管，達到計算的智能化。

（二）移動邊緣計算成為研究重點，并提出了統(tǒng)一的邊緣計算參考框架

截至目前，移動邊緣計算（MEC）已經(jīng)發(fā)展演進為將來移動寬帶網(wǎng)絡的關(guān)鍵組成部分。同軟件定義網(wǎng)絡/網(wǎng)絡功能虛擬化（SDN/NFV）一道，MEC將成為下一代移動通信網(wǎng)絡的關(guān)鍵技術(shù)之一。另外，業(yè)界對MEC技術(shù)所達成的共識為：MEC是物聯(lián)網(wǎng)（IoT）及低時延、高可靠等垂直行業(yè)通信的關(guān)鍵使能者，在多個行業(yè)有著眾多應用場景。MEC還被業(yè)界視為第五代移動通信（5G）的關(guān)鍵架構(gòu)概念與技術(shù)之一。目前歐洲電信標準協(xié)會（ETSI）定義了MEC的計算框架（見圖2），并正在加緊推動MEC平臺和接口的標準化工作。MEC平臺定義了移動邊緣主機、移動邊緣平臺管理、移動邊緣編排、虛擬基礎(chǔ)設施管理等功能模塊[18,19]。

（1）通過移動邊緣主機模塊，實現(xiàn)了移動邊緣平臺能力開放，虛擬基礎(chǔ)設施的數(shù)據(jù)面轉(zhuǎn)發(fā)能力開放和移動邊緣應用的部署。

（2）通過移動邊緣平臺管理模塊，實現(xiàn)了移動邊緣平臺網(wǎng)元管理、移動邊緣應用生命周期管理、移動邊緣應用規(guī)則和需求管理。

（3）通過移動邊緣編排模塊，實現(xiàn)了移動邊緣應用在全局范圍內(nèi)的部署和實例化、標準化。

（4）通過虛擬基礎(chǔ)設施管理模塊，實現(xiàn)了基礎(chǔ)設施的虛擬資源統(tǒng)一分配、管理、配置及虛擬資源性能和故障的收集與上報。

（三）針對邊緣計算的使能技術(shù)提出了多種解決方案

針對移動邊緣計算使能技術(shù)，中國聯(lián)合通信有限公司提出了具體的解決方案。其提出了邊緣計算使能技術(shù)的三個方面，分別是云與虛擬化、大容量服務器、啟用應用程序和服務生態(tài)系統(tǒng)。云和虛擬化技術(shù)以及大容量服務器都是對邊緣計算硬件的能力要求，而應用程序和服務生態(tài)系統(tǒng)是將軟件和應用程序供應商引入邊緣計算市場，并提供豐富的應用，進而產(chǎn)生一個生態(tài)系統(tǒng)，即提供豐富的邊緣計算應用的APP和提供基于開放標準的各類應用程序編程接口（API ）開發(fā)的編程模型和相關(guān)的工具鏈、軟件開發(fā)包等。

針對邊緣計算的物端計算能力方面，現(xiàn)有的思路是針對不同的應用的場景，進行不同的資源配置。以控制為目的的邊緣計算，其物端計算節(jié)點配置計算能力較弱的微控制單元（MCU）；若對物端計算能力需求較大的一類應用，一種方案是使用新的指令集增加對矢量計算的支持或使用多核做類似單指令多數(shù)據(jù)流（SIMD）的架構(gòu)等把MCU做強；第二種方案是走異構(gòu)計算的思路，MCU還是保持簡單的控制目的，計算部分則交給專門的加速器IP來完成，目前的人工智能（AI）芯片其實大部分做的就是這樣的一個專用人工智能算法加速器IP。中國科學院計算技術(shù)研究所的寒武紀IP內(nèi)嵌在華為手機上即是一例。此外，針對物端計算的內(nèi)存配置方案也是重點。由于邊緣計算的物端計算節(jié)點端基于成本、體積和能耗的考量不能加動態(tài)隨機存取存儲器（DRAM），一般用閃存Flash（同時用于存儲操作系統(tǒng)等）作為系統(tǒng)存儲器。由于緩存必須在處理器芯片上完成，并且緩存一般較小，算法必須要能把模型做到很小，即“模型壓縮”。此外正在研究的內(nèi)存內(nèi)計算和使用新型存儲器如非易失性的磁性隨機存儲器（MRAM）、電阻式隨機存取存儲器（ReRAM）等實現(xiàn)高密度片上內(nèi)存也將是重要的解決方案。

圖2 ETSI定義的MEC計算框架圖

四、邊緣計算技術(shù)發(fā)展帶來的影響

（一）邊緣云將使云計算中心建設從集中到分散和功能解耦

邊緣云是邊緣計算在云架構(gòu)技術(shù)體系的表現(xiàn)形式，云計算中心不必把過多的設備統(tǒng)一、集中放到一個區(qū)域，而是采用星型結(jié)構(gòu)，多地多中心，把眾多的邊緣云用中心連接起來，這樣分布在其他區(qū)域的邊緣云可以就近為當?shù)赜脩籼峁┓?，避免過多的帶寬消耗、過多的數(shù)據(jù)傳輸、過量的訪問壓力等。這一模式可以均衡負載，緩解資源消耗過高等問題，有效提高運行效率。同時也使得目前的云計算中心功能解耦，即邊緣計算可以把基礎(chǔ)設施的功能進行有效地劃分，每個區(qū)域的資源可以專門承擔模塊化、定制化、單一化的處理任務，降低了應用、數(shù)據(jù)、服務的耦合度。

（二）邊緣計算將使計算能力從集中到分散

邊緣計算本身是化解云計算壓力過大、資源利用不高、可靠性不高、可用性差、帶寬資源不足等問題的技術(shù)手段，把原本集中式的優(yōu)勢在物聯(lián)網(wǎng)興起的新形式下轉(zhuǎn)變成分布式的一種有效途徑。因為云計算不能包羅所有的海量智能終端，而且隨著邊緣設備計算、存儲等能力的增強，原本需要在云側(cè)解決的計算任務，現(xiàn)在在終端側(cè)可以方便地就地解決，這樣整體來看計算模型就發(fā)生了重大變化，從原來的集中式計算變成了分布式計算。這一趨勢將影響信息化建設的若干問題，如云側(cè)的設備投資規(guī)模將大大降低、帶寬需求降低、存儲壓力減少等。

（三）邊緣計算將使IT資源從隔離到協(xié)同

傳統(tǒng)的云計算中心、大數(shù)據(jù)中心、超算中心等建設規(guī)模過于龐大，而且所屬用戶相互隔離，很難就近使用，這在很大程度上浪費了基礎(chǔ)設施投資，資源沒有得到充分的利用，浪費了過多的資源。為此，邊緣計算可以打破各自為政的信息化建設模式，使得某一組織下的各分支能夠互聯(lián)互通，消除資源孤島，使得原本隔離的資源可以優(yōu)勢互補、協(xié)同計算。

（四）邊緣計算將使信息系統(tǒng)的安全從單一集中負擔到分攤負擔

邊緣計算建設模式將打破大而全的信息化建設模式，從而很多風險、隱患可以分攤到其他部分，如信息安全。在傳統(tǒng)的集中式建設模式下，往往需要安全等級指標，一旦出現(xiàn)問題，整體云計算中心、數(shù)據(jù)中心將整體受到影響。而邊緣計算建設模式可以把這些風險分攤，而且很多數(shù)據(jù)無需保存到云側(cè)，而是用戶自己保存數(shù)據(jù)，信息泄露的風險將大大降低。

五、邊緣計算發(fā)展的機遇與對策

2017年2月，美國計算機社區(qū)聯(lián)盟（CCC）發(fā)布《邊緣計算重大挑戰(zhàn)研討會報告》，闡述了邊緣計算在應用、架構(gòu)、能力與服務方面的主要挑戰(zhàn)。這些挑戰(zhàn)概括起來主要表現(xiàn)在邊緣設備的多源、異構(gòu)、異地性管理、邊緣計算的信息服務質(zhì)量（QoS）保障、邊緣端的數(shù)據(jù)隱私及信息安全保障、云與邊緣的分布式協(xié)同計算、智能化情景感知能力和統(tǒng)一開放平臺等方面。從未來的發(fā)展趨勢看，物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)的發(fā)展將使邊緣計算模型逐步打破單一以互聯(lián)網(wǎng)數(shù)據(jù)中心（IDC）為中心的云計算模型，并最終形成互補的局面；“云–網(wǎng)–端”基礎(chǔ)設施隨著海量智能設備在存儲、計算、安全、傳輸?shù)确矫婺芰Φ纳?，資源配置趨于下沉，與“端”距離更近；邊緣計算引起了計算模型“去中心化”的趨勢，協(xié)同計算將是未來技術(shù)的發(fā)展方向；海量終端將對人工智能、機器學習等技術(shù)產(chǎn)生影響[20]，將促進微內(nèi)核技術(shù)的發(fā)展，方便算法、模型等嵌入到海量設備的固件當中，使前端智能更具發(fā)展前景；邊緣計算平臺的開放性、通用性、兼容性、交互性、安全性等將是未來需要解決的問題和技術(shù)發(fā)展趨勢[21]。如果這些挑戰(zhàn)性的技術(shù)問題能夠得到突破，將帶來“互聯(lián)網(wǎng)+”發(fā)展的新機遇，同樣也能夠帶來產(chǎn)業(yè)發(fā)展的機遇。無線及移動行業(yè)研究機構(gòu)iGR的創(chuàng)始人Iain Gillott在2017年9月25日至27日舉行的全球移動邊緣計算大會上表示，邊緣計算改變了移動網(wǎng)絡的經(jīng)濟形態(tài)。據(jù)估算，2017—2026年美國在邊緣計算方面的支出將達到870億美元，歐洲則為1 850億美元。因此，為應對新的發(fā)展機遇，對我國發(fā)展邊緣計算技術(shù)，建議采取以下對策。

（一）加強邊緣計算的技術(shù)標準和規(guī)范建設

邊緣計算涉及到海量的終端設備、邊緣節(jié)點，是數(shù)據(jù)采集、數(shù)據(jù)匯聚、數(shù)據(jù)集成、數(shù)據(jù)處理的前端，而這些設備往往存在異構(gòu)性，來自于不同的生產(chǎn)廠商、不同的數(shù)據(jù)接口、不同的數(shù)據(jù)結(jié)構(gòu)、不同的傳輸協(xié)議、不同的底層平臺等，為此統(tǒng)一的技術(shù)規(guī)范和標準亟待達成一致。同樣這些標準和規(guī)范的制定將大大節(jié)約邊緣云等的建設成本。

（二）將邊緣計算技術(shù)的研發(fā)和應用與“互聯(lián)網(wǎng)+”、云計算、大數(shù)據(jù)和新一代通信技術(shù)等研發(fā)計劃發(fā)展協(xié)同起來

邊緣計算是與云計算相生相伴的一種技術(shù)，并且與大數(shù)據(jù)、5G通信和智能信息處理技術(shù)等高度聯(lián)接。因此，我國在制定相關(guān)研發(fā)計劃的時候，要將邊緣計算技術(shù)和應用的研發(fā)活動納入進去，加快相關(guān)核心技術(shù)的研發(fā)，加快和提升邊緣計算技術(shù)的成熟度。

（三）加強邊緣計算的開源生態(tài)建設

邊緣計算本身由海量的終端設備構(gòu)成，而眾多智能終端可采用統(tǒng)一的開源操作系統(tǒng)，以便形成開源生態(tài)環(huán)境，這一趨勢將會給各廠商提供均等的發(fā)展機會，利用開源生態(tài)來維持核心代碼，以便形成業(yè)界認可的技術(shù)接口、關(guān)鍵功能、發(fā)展路徑等。

[1] 施魏松,劉芳.邊緣計算 [J].北京:科學出版社, 2018.Shi W S, Liu F. Edge computing [J]. Beijing: China Science Publish ing & Media Ltd., 2018.

[2] Mung C, Bharath B.霧計算：技術(shù)、架構(gòu)及應用[M].閆實,彭木根,譯.北京:機械工業(yè)出版社, 2018.Mung C, Bharath B. Fog computing: Techn ology, architecture and applications [M]. Translate by Yan S, Peng M G. Beijing: China Machine Press, 2018.

[3] Wang S, Zhang X, Zhang Y, et al. A survey on mobile edge networks: Convergence of computing, caching and communications [J]. IEEE Access, 2017, 5(99): 6757–6779.

[4] Verbelen T, Simoens P, Turck F D, et al. Cloudlets: Bringing the cloud to the mobile user [C]. ACM: ACM Workshop on Mobile Cloud Computing and Services, 2012: 29–36.

[5] Bonomi F, Milito R, Zhu J, et al. Fog computing and its role in the internet of things [C]. ACM: MCC Workshop on Mobile Cloud Computing, 2012: 13–16.

[6] Fatemeh J, Kerry H, Robert A, et al. Tucker, “fog computing may help to save energy in cloud computing” [J]. IEEE Journal of Selected Areas in Communications, 2016, 34(5): 1728–1734.

[7] Firdhous M, Ghazali O, Hassan S. Fog computing: Will it be the future of cloud computing?[C]. The Third International Conference on Informatics & Applications (ICIA2014), 2014.

[8] Yi S, Li C, Li Q. A survey of fog computing: Concepts,applications and issues [C]. ACM: The 2015 Workshop on Mobile Big Data, 2015: 37–42.

[9] Dsouza C, Ahn G J, Taguinod M. Policy-driven security management for fog computing: Preliminary framework and a case study [C]. Information Reuse and Integration (IRI), 2014 IEEE 15th International Conference on IEEE, 2014: 16–23.

[10] Yi S, Qin Z, Li Q. Security and privacy issues of fog computing: A survey [C]. WASA, 2015: 685–695.

[11] Yi S, Hao Z, Qin Z, et al. Fog computing: Platform and applications [C]. Hot Topics in Web Systems and Technologies(HotWeb), 2015 Third IEEE Workshop on IEEE, 2015: 73–78.

[12] Davis A, Parikh J, Weihl W E. Edge computing: Extending enterprise applications to the edge of the internet [C]. ACM: The 13th International World Wide Web Conference on Alternate Track Papers & Posters, 2004: 180–187.

[13] Malandrino F, Kirkpatrick S, Chiasserini C F. How close to the edge? delay/utilization trends in MEC [C]. ACM: ACM Workshop on Cloud-Assisted Networking, 2016:37–42.

[14] Shi W S, Cao J, Zhang Q, et al. Edge computing: Vision and challenges [J]. IEEE Internet of Things Journal, 2016, 3(5): 637–646.

[15] Hu Y C, Patel M, Sabella D, et al. Mobile edge computing—A key technology towards 5G [J]. ETSI White Paper, 2015, 11(11): 1–16.

[16] Hong K, Lillethun D, Ramachandran U, et al. Mobile fog: A programming model for large-scale applications on the internet of things[C]. ACM: The Second ACM SIGCOMM Workshop on Mobile Cloud Computing, 2013: 15–20.

[17] Patel M, Naughton B, Chan C, et al. Mobile-edge computing introductory technical white paper [R]. Mobile-Edge Computing(MEC) Industry Initiative, 2014.

[18] 邊緣計算產(chǎn)業(yè)聯(lián)盟, 工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟.《邊緣計算參考架構(gòu)2.0》白皮書 [R]. 邊緣計算產(chǎn)業(yè)聯(lián)盟, 工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟,2017.Edge Computing Consortium, Industrial Internet Industry Alliance.Edge Computing Reference Architecture 2.0 white paper [R]. Edge Computing Consortium, Industrial Internet Industry Alliance,2017.

[19] 呂華章, 陳丹, 范斌, 等.邊緣計算標準化進展與案例分析 [J].計算機研究與發(fā)展, 2018, 55(3): 487–511.Lv H Z, Chen D, Fan B, et al. Standardization progress and case analysis of edge computing [J]. Journal of Computer Research and Development, 2018, 55(3): 487–511.

[20] 周宣汝,趙麗亞, 趙地, 等.人工智能對科研信息化的推動作用[J].科研信息化技術(shù)與應用, 2016, 7(6): 14–26.Zhou X R, Zhao L Y, Zhao D, et al. The promotion effects of artificial intelligence on e-science [J]. E-Science Technology &Application, 2016, 7(6): 14–26.

[21] 楊萃,袁博, 田野, 等. 基于物聯(lián)網(wǎng)標識的智能家居服務體系架構(gòu)設計 [J].科研信息化技術(shù)與應用, 2015, 6(1): 80–88.Yang C, Yuan B, Tian Y, et al. A smart home architecture based on Internet of things identiifer [J]. E-Science Technology &Application, 2015, 6(1): 80–88.