鄭逢斌，朱東偉,2，臧文乾，楊勁林，朱光輝

1.河南大學(xué) 計(jì)算機(jī)與信息工程學(xué)院，河南 開封 475000

2.中科空間信息（廊坊）研究院，河北 廊坊 065000

3.中國科學(xué)院 空天信息創(chuàng)新研究院，北京 100094

4.北京航天泰坦科技股份有限公司，北京 100071

5.無錫航天江南數(shù)據(jù)系統(tǒng)科技有限公司，江蘇 無錫 214122

1 引言

隨著物聯(lián)網(wǎng)、5G 通信和無線網(wǎng)絡(luò)等技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)邊緣接入的設(shè)備數(shù)量快速增長，網(wǎng)絡(luò)邊緣設(shè)備產(chǎn)生的數(shù)據(jù)也呈現(xiàn)出爆炸式增長的趨勢。據(jù)思科預(yù)測[1]，2020 年連接到網(wǎng)絡(luò)的無線設(shè)備數(shù)量將超過500 億臺。據(jù)IDC（Internet Data Center）預(yù)測[2]，2020年全球數(shù)據(jù)總量也將超過40 ZB。在這種情形下，以云計(jì)算模型為核心的集中式處理方式將無法適應(yīng)邊緣數(shù)據(jù)爆炸式增長的趨勢。集中式處理模型的工作方式是，將設(shè)備產(chǎn)生、收集到的所有數(shù)據(jù)通過網(wǎng)絡(luò)傳輸?shù)皆朴?jì)算中心，借助云計(jì)算中心超強(qiáng)的計(jì)算能力來集中式解決存儲、處理和分析等問題。這種工作方式對延遲和網(wǎng)絡(luò)抖動不敏感的大規(guī)模批處理業(yè)務(wù)適用，這也是云計(jì)算服務(wù)能夠在近幾年創(chuàng)造出高經(jīng)濟(jì)效益的原因。然而，在未來萬物互聯(lián)的環(huán)境下，隨著無人駕駛、增強(qiáng)現(xiàn)實(shí)技術(shù)/虛擬現(xiàn)實(shí)技術(shù)（AR/VR）、智能交通等新興應(yīng)用的出現(xiàn)，傳統(tǒng)云計(jì)算已無法滿足這些應(yīng)用對于網(wǎng)絡(luò)延遲、抖動、安全性等問題的需求。

邊緣計(jì)算思想的出現(xiàn)，打破了傳統(tǒng)云計(jì)算集中式處理數(shù)據(jù)的工作方式。如何解決當(dāng)前新興應(yīng)用及萬物互聯(lián)情形下云計(jì)算無法滿足和實(shí)現(xiàn)的需求是邊緣計(jì)算研究工作者關(guān)注的重點(diǎn)。從仿生學(xué)角度理解邊緣計(jì)算[3]，可以做以下類比：云計(jì)算架構(gòu)中，具有超強(qiáng)計(jì)算能力的云服務(wù)中心相當(dāng)于人的大腦，更貼近人類的邊緣計(jì)算服務(wù)相當(dāng)于人的神經(jīng)末梢。手受到傷害時會快速收回，這一過程未經(jīng)過大腦處理，而是由分布在手上的神經(jīng)末梢處理的，這一非條件反射的存在能夠讓人們在受到傷害時及時脫離危險(xiǎn)，同時也能讓大腦專注于處理更高級別的事務(wù)。萬物互聯(lián)的時代里，數(shù)以億計(jì)的邊緣設(shè)備僅僅依靠云計(jì)算這個單一大腦是遠(yuǎn)遠(yuǎn)不夠的，邊緣計(jì)算就是讓設(shè)備擁有自己的大腦，為人們提供更優(yōu)質(zhì)的服務(wù)。

與傳統(tǒng)的云計(jì)算相比，邊緣計(jì)算模型具有4 個明顯優(yōu)勢：

（1）網(wǎng)絡(luò)邊緣設(shè)備產(chǎn)生的數(shù)據(jù)不再全部上傳至云中心，而是先在邊緣服務(wù)器節(jié)點(diǎn)上對數(shù)據(jù)進(jìn)行預(yù)處理，然后將經(jīng)過預(yù)處理后的少量有價(jià)值數(shù)據(jù)上傳，極大減輕海量邊緣設(shè)備產(chǎn)生的數(shù)據(jù)給網(wǎng)絡(luò)帶寬造成的壓力。

（2）數(shù)據(jù)處理在邊緣設(shè)備上進(jìn)行，不再全部依靠云計(jì)算中心，借助于部署在靠近用戶的邊緣節(jié)點(diǎn)上的處理器對采集到的數(shù)據(jù)進(jìn)行處理，省去了數(shù)據(jù)上傳環(huán)節(jié)以及與云中心的交互環(huán)節(jié)，提高了系統(tǒng)的響應(yīng)能力。

（3）用戶產(chǎn)生的敏感數(shù)據(jù)存儲在邊緣設(shè)備上，而不是在云數(shù)據(jù)中心存儲，降低了敏感數(shù)據(jù)在上傳云數(shù)據(jù)中心過程中被不法分子竊取的風(fēng)險(xiǎn)，用戶隱私數(shù)據(jù)安全問題得到保障。

（4）在邊緣計(jì)算模型中，邊緣數(shù)據(jù)無需上傳到云計(jì)算中心進(jìn)行處理，不僅減少了網(wǎng)絡(luò)邊緣設(shè)備傳輸數(shù)據(jù)到云計(jì)算中心的能耗，同時也大大降低了云計(jì)算中心的能耗。

得益于邊緣計(jì)算的以上優(yōu)勢，近年來，以智能交通、智慧家居為代表的新型應(yīng)用得以快速發(fā)展。這些應(yīng)用對網(wǎng)絡(luò)延時和抖動敏感、需要實(shí)時交互、數(shù)據(jù)隱私和安全性方面要求較高[4]，運(yùn)用邊緣計(jì)算架構(gòu)能夠很好地滿足以上要求，因此越來越多基于邊緣計(jì)算的應(yīng)用實(shí)例和實(shí)現(xiàn)平臺被相繼提出。

2 邊緣計(jì)算與云計(jì)算

2.1 云計(jì)算

2.1.1 云計(jì)算概述

“云計(jì)算”起源于1988 年約翰·蓋奇首次提出的“網(wǎng)絡(luò)就是計(jì)算機(jī)”，最早作為一個概念在20 世紀(jì)90年代末被亞馬遜（Amazon）提出，當(dāng)初該理念只是被認(rèn)為能夠在超級計(jì)算機(jī)上使用。隨著因特網(wǎng)發(fā)展壯大，尤其是Google 為代表的搜索巨頭的出現(xiàn)，云計(jì)算展現(xiàn)出強(qiáng)大活力。2006 年3 月，亞馬遜公司首次推出彈性計(jì)算云（elastic compute cloud，EC2）服務(wù)，推動了互聯(lián)網(wǎng)的第三次革命。早期云計(jì)算僅僅是指簡單的分布式計(jì)算，能夠解決任務(wù)分發(fā)、計(jì)算結(jié)果的合并等問題，通過這種技術(shù)，可以在幾秒內(nèi)完成數(shù)以萬計(jì)的數(shù)據(jù)處理任務(wù)。發(fā)展至今，云計(jì)算已成為集分布式計(jì)算、效用計(jì)算、負(fù)載均衡、并行計(jì)算、網(wǎng)絡(luò)存儲、熱備份冗雜和虛擬化等計(jì)算機(jī)技術(shù)的一種強(qiáng)大的網(wǎng)絡(luò)服務(wù)平臺，為用戶提供服務(wù)。云計(jì)算模型如圖1。

2.1.2 云計(jì)算存在的不足

隨著物聯(lián)網(wǎng)技術(shù)的興起和眾多對延時、網(wǎng)絡(luò)帶寬、隱私安全等敏感的新型應(yīng)用的出現(xiàn)，采用集中式管理方式的云計(jì)算服務(wù)越來越表現(xiàn)乏力。具體如下：

（1）網(wǎng)絡(luò)帶寬不足。物聯(lián)網(wǎng)環(huán)境下，海量邊緣設(shè)備的接入，使得邊緣數(shù)據(jù)量呈現(xiàn)出爆炸式增長的趨勢，如果將邊緣設(shè)備產(chǎn)生的大量實(shí)時數(shù)據(jù)全部傳輸至云計(jì)算中心處理，將給網(wǎng)絡(luò)帶寬造成巨大壓力。例如，高校門口的行人監(jiān)測和行為分析系統(tǒng)會采集到大量的實(shí)時視頻數(shù)據(jù)，如果將這些視頻數(shù)據(jù)全部上傳到云中心，將占用巨大的網(wǎng)絡(luò)帶寬資源，導(dǎo)致帶寬資源不足。

Fig.1 Cloud computing model圖1 云計(jì)算模型

（2）難以支持實(shí)時性要求。云計(jì)算架構(gòu)中，要求全部數(shù)據(jù)上傳至云中心進(jìn)行處理，其處理速度不僅受到網(wǎng)絡(luò)帶寬的影響，同時還受到云計(jì)算中心計(jì)算能力、總計(jì)算任務(wù)量等多重因素的影響[5]。另外，請求應(yīng)答機(jī)制的過長鏈路，同樣會帶來較長的時延問題，無法滿足無人駕駛、虛擬現(xiàn)實(shí)等新興應(yīng)用在實(shí)時性方面的要求。例如，波音787 每秒產(chǎn)生的數(shù)據(jù)都超過5 GB[6]，由于數(shù)據(jù)量龐大加之傳輸鏈路過長，傳統(tǒng)云計(jì)算環(huán)境下很難滿足實(shí)時交互需求。

（3）難以保證用戶隱私數(shù)據(jù)安全。智能家居設(shè)備產(chǎn)生的數(shù)據(jù)與用戶生活聯(lián)系極為緊密，如果將安裝在用戶家庭中的智能網(wǎng)絡(luò)攝像頭產(chǎn)生的視頻數(shù)據(jù)傳輸?shù)皆贫?，必然會給不法分子可乘之機(jī)，用戶敏感數(shù)據(jù)安全性問題得不到保障。例如，不法分子通過網(wǎng)絡(luò)爬蟲方式就能輕易盜取用戶家中智能攝像頭上傳到云數(shù)據(jù)中心的視頻數(shù)據(jù)，通過分析得出某個時間段用戶家中是否有人的信息，進(jìn)而在用戶家中無人時進(jìn)行盜竊。

（4）能耗和資源開銷較大。2016 年我國數(shù)據(jù)中心消耗的電量超過1 200 億千瓦時，超過了同年三峽大壩全年的總發(fā)電量（約1 000 億千瓦時），同時也已經(jīng)超過匈牙利和希臘兩國用電總和[7]。據(jù)Sverdlik 的研究[8]，預(yù)計(jì)2020 年美國所有數(shù)據(jù)中心能耗也將達(dá)到730 億千瓦時，占整個國家總耗電量的10%。隨著數(shù)據(jù)量的爆炸式增長，數(shù)據(jù)中心的存儲、處理能力也將面臨巨大壓力，然而有些資源開銷并不是完全必要的。例如，云計(jì)算系統(tǒng)中很多采集到的監(jiān)控圖像和視頻中并未包含有價(jià)值的信息，但這些數(shù)據(jù)仍然會被上傳到數(shù)據(jù)中心進(jìn)行分析、處理和存儲，不僅造成了數(shù)據(jù)上傳過程中不必要的能源消耗，還會造成云服務(wù)器計(jì)算資源和存儲資源的浪費(fèi)。

邊緣計(jì)算模型的出現(xiàn)，較好地解決了以上問題。邊緣計(jì)算場景下，智能攝像頭產(chǎn)生的實(shí)時視頻數(shù)據(jù)不再上傳至云中心，而是由部署在攝像頭附近的邊緣服務(wù)器存儲、處理和分析，緩解了網(wǎng)絡(luò)帶寬資源壓力，滿足了用戶對于實(shí)時交互方面的需求，用戶的隱私數(shù)據(jù)能夠得到保障，同時還解決了不必要的能源消耗和資源浪費(fèi)問題。邊緣計(jì)算是在貼近用戶側(cè)的網(wǎng)絡(luò)邊緣執(zhí)行計(jì)算的一種集網(wǎng)絡(luò)、計(jì)算、存儲為一體的新型分布式計(jì)算模型，該模型將具有計(jì)算能力的設(shè)備和微型數(shù)據(jù)中心部署在更貼近用戶移動設(shè)備、數(shù)據(jù)采集器、傳感器等的網(wǎng)絡(luò)邊緣，主要處理邊緣設(shè)備所產(chǎn)生的海量邊緣數(shù)據(jù)，在靠近物或者數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣為用戶提供邊緣智能服務(wù)[9]。經(jīng)過邊緣設(shè)備的預(yù)處理，無價(jià)值圖像不再被上傳到云計(jì)算中心，篩選出的有價(jià)值圖像才會被上傳到云中心進(jìn)行存儲和備份。

2.2 邊緣計(jì)算

2.2.1 邊緣計(jì)算概述

邊緣計(jì)算起源于傳媒領(lǐng)域，由于邊緣計(jì)算模型的就近端服務(wù)特點(diǎn)能夠切合該領(lǐng)域在實(shí)時、智能和隱私保護(hù)等方面的需求，一經(jīng)提出就很快成為學(xué)術(shù)界和商業(yè)界關(guān)注的焦點(diǎn)。美國韋恩州立大學(xué)的施巍松團(tuán)隊(duì)[10-11]將邊緣計(jì)算定義為：“邊緣計(jì)算是指在網(wǎng)絡(luò)邊緣執(zhí)行計(jì)算的一種新型計(jì)算模式，邊緣計(jì)算中邊緣的下行數(shù)據(jù)表示云服務(wù)，上行數(shù)據(jù)表示萬物互聯(lián)服務(wù)，而邊緣計(jì)算的邊緣是指從數(shù)據(jù)源到云計(jì)算中心路徑之間的任意計(jì)算和網(wǎng)絡(luò)資源?！逼渲性搱F(tuán)隊(duì)提出的基于雙向計(jì)算流的邊緣計(jì)算模型如圖2。在該模型中，用戶設(shè)備產(chǎn)生的數(shù)據(jù)能夠上傳到云中心，用戶不再僅僅充當(dāng)數(shù)據(jù)消費(fèi)者身份，而是集數(shù)據(jù)消費(fèi)者和數(shù)據(jù)生產(chǎn)者雙重身份于一身。

2.2.2 邊緣計(jì)算的優(yōu)勢

Fig.2 Edge computing model圖2 邊緣計(jì)算模型

邊緣計(jì)算架構(gòu)中，在靠近數(shù)據(jù)源頭位置部署海量的智能節(jié)點(diǎn)，這些智能節(jié)點(diǎn)具有存儲能力并且能夠處理輕量級別的任務(wù)，類似“微云”，在靠近用戶的“低云端”為人們提供智能服務(wù)。由于它無論在物理層面還是網(wǎng)絡(luò)層面都更加靠近用戶，因此在響應(yīng)速度方面遠(yuǎn)遠(yuǎn)超過傳統(tǒng)云計(jì)算。云計(jì)算架構(gòu)中，待處理的數(shù)據(jù)需全部上傳到云計(jì)算中心，龐大的數(shù)據(jù)量給網(wǎng)絡(luò)帶寬造成了無法忽視的壓力，這也成為了云計(jì)算發(fā)展的瓶頸[12]。邊緣計(jì)算的出現(xiàn)解決了這一問題，邊緣計(jì)算架構(gòu)中，用戶待處理的數(shù)據(jù)不再全部上傳到云計(jì)算中心，通過部署在網(wǎng)絡(luò)邊緣的智能節(jié)點(diǎn)，用戶的問題得以快速解決的同時大大減輕了網(wǎng)絡(luò)帶寬的壓力，并且大幅度降低了網(wǎng)絡(luò)邊緣端智能設(shè)備的能耗。

2.3 邊緣計(jì)算與云計(jì)算的關(guān)系

以高度中心化為最初設(shè)計(jì)思想的計(jì)算模式云計(jì)算看似與本質(zhì)上去中心化的新型計(jì)算模式邊緣計(jì)算水火不容，但云計(jì)算與邊緣計(jì)算并不是非此即彼、完全對立的關(guān)系。邊緣計(jì)算的出現(xiàn)并不是為了取代云計(jì)算，而是對云計(jì)算服務(wù)的延伸和補(bǔ)充。邊緣計(jì)算可以給用戶提供多種快響應(yīng)服務(wù)，與傳統(tǒng)云計(jì)算相比，無論在響應(yīng)速度方面還是在能源節(jié)省方面，邊緣計(jì)算都占據(jù)優(yōu)勢。然而，并非所有互聯(lián)網(wǎng)服務(wù)都適合在網(wǎng)絡(luò)邊緣部署，例如目前普遍使用的網(wǎng)上購物應(yīng)用，由于需要全局?jǐn)?shù)據(jù)的支持，類似于商品個性化推薦、購買熱度較高產(chǎn)品展示等服務(wù)依然需要放在云端。針對用戶購物車的服務(wù)則更適合放在邊緣節(jié)點(diǎn)上，用戶可以享受邊緣節(jié)點(diǎn)提供的快響應(yīng)服務(wù)，快速刷新購物車視圖，給用戶帶來更流暢的操作體驗(yàn)，而邊緣節(jié)點(diǎn)與云端數(shù)據(jù)的同步問題則放在后臺處理。故而，云計(jì)算與邊緣計(jì)算各有所長，未來萬物互聯(lián)網(wǎng)絡(luò)環(huán)境下，必定是兩者協(xié)同工作、各展所長。云計(jì)算與邊緣計(jì)算屬性對比如表1。

Table 1 Comparison of attributes between edge computing and cloud computing表1 邊緣計(jì)算與云計(jì)算屬性對比

3 邊緣計(jì)算架構(gòu)

3.1 邊緣計(jì)算架構(gòu)

現(xiàn)階段，移動邊緣計(jì)算（mobile edge computing，MEC）、霧計(jì)算、微云、邊緣云等方面是邊緣計(jì)算研究的熱點(diǎn)，得益于物聯(lián)網(wǎng)行業(yè)和5G 的發(fā)展，移動邊緣計(jì)算越來越成為眾多行業(yè)關(guān)注的重點(diǎn)。移動邊緣計(jì)算不僅是一種針對大規(guī)模物聯(lián)網(wǎng)應(yīng)用的新型編程模型[13]，發(fā)展至今，移動邊緣計(jì)算更是成為了推動移動寬帶網(wǎng)絡(luò)的關(guān)鍵技術(shù)，與軟件定義網(wǎng)絡(luò)（software defined network，SDN）、網(wǎng)絡(luò)功能虛擬化（network functions virtualization，NFV）具有同樣的重要性，是下一代移動通信網(wǎng)絡(luò)的關(guān)鍵技術(shù)之一[9]。MEC 作為物聯(lián)網(wǎng)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)都有著眾多應(yīng)用場景[14]。歐洲電信標(biāo)準(zhǔn)協(xié)會（European Telecommunications Standards Institute，ETSI）定義了MEC 的計(jì)算架構(gòu)，該架構(gòu)共分為三層：MEC 系統(tǒng)層、MEC 主機(jī)層、網(wǎng)絡(luò)層，如圖3。MEC 系統(tǒng)層包括用戶應(yīng)用程序生命周期代理、移動邊緣編排器和運(yùn)行支持系統(tǒng)（operation support systems，OSS）。MEC 能夠直接由移動設(shè)備（mobile device，MD）中的應(yīng)用程序使用或者通過面向客戶的服務(wù)（customer facing services，CFS）端口完成與第三方客戶的交互。MEC 主機(jī)層由移動邊緣平臺和虛擬化平臺構(gòu)成，移動邊緣平臺負(fù)責(zé)管理應(yīng)用程序規(guī)則、程序的生命周期、服務(wù)授權(quán)和流量規(guī)則等；虛擬化平臺完成分配、管理和釋放位于MEC 服務(wù)器內(nèi)的虛擬化基礎(chǔ)設(shè)施提供的虛擬化資源（包括計(jì)算資源和存儲資源），該層與MEC 系統(tǒng)層相連。網(wǎng)絡(luò)層則提供了與各種訪問的連接，包括3GPP 移動網(wǎng)絡(luò)、本地網(wǎng)絡(luò)和其他外部網(wǎng)絡(luò)訪問。架構(gòu)中展示了MEC 的主要功能要素及各個功能要素之間的參考節(jié)點(diǎn)信息。

Fig.3 Mobile edge computing architecture圖3 移動邊緣計(jì)算架構(gòu)

3.2 邊緣計(jì)算平臺

Fig.4 MEC server deployment scenario圖4 MEC 服務(wù)器部署場景

MEC 標(biāo)準(zhǔn)計(jì)算架構(gòu)的出現(xiàn)推動了MEC 服務(wù)平臺標(biāo)準(zhǔn)化進(jìn)程，邊緣計(jì)算參考架構(gòu)白皮書[15]及呂華章等人[16]對MEC 服務(wù)平臺進(jìn)行了詳細(xì)闡述。平臺分為移動邊緣主機(jī)、移動邊緣平臺管理、移動邊緣設(shè)備部署、虛擬基礎(chǔ)設(shè)施管理等功能模塊。移動邊緣主機(jī)模塊主要負(fù)責(zé)移動邊緣平臺服務(wù)能力的提供和開放、虛擬基礎(chǔ)設(shè)施的數(shù)據(jù)面轉(zhuǎn)發(fā)能力開放和移動邊緣應(yīng)用的部署等；移動邊緣平臺管理模塊主要負(fù)責(zé)移動邊緣應(yīng)用全生命周期管理、移動邊緣平臺網(wǎng)元（network element，NE）管理、移動邊緣應(yīng)用規(guī)則和需求管理等；移動邊緣設(shè)備部署模塊完成了移動邊緣應(yīng)用在全局范圍內(nèi)的部署、實(shí)例化和標(biāo)準(zhǔn)化工作；虛擬基礎(chǔ)設(shè)施管理模塊實(shí)現(xiàn)了基礎(chǔ)設(shè)施的虛擬資源合理分配、管理、配置和虛擬資源性能、故障信息收集與上報(bào)等功能。白皮書中還給出了邊緣計(jì)算服務(wù)的幾種部署場景建議，如圖4?，F(xiàn)階段，邊緣計(jì)算服務(wù)器是作為獨(dú)立設(shè)備部署的。MEC 服務(wù)器可以在靠近LTE 宏基站（eNode B）的無線接入網(wǎng)（radio access network，RAN）側(cè)部署（圖4 中的第一種模型），這種方案的優(yōu)勢在于可以更方便地通過監(jiān)聽、解析S1 接口（基站與分組核心網(wǎng)之間的通訊接口）的信令來獲取基站側(cè)無線相關(guān)信息，時延最小，能夠?yàn)閷W(xué)校、商業(yè)街、小區(qū)等附近的用戶提供快響應(yīng)服務(wù)。缺點(diǎn)在于覆蓋的基站數(shù)相對較少（適用于本地分流場景），涉及到的計(jì)費(fèi)和合法監(jiān)聽等安全性問題較為復(fù)雜。也可以部署在核心網(wǎng)絡(luò)（core network，CN）中（圖4 中的第二種模型），作為云計(jì)算的“下層云”為用戶提供服務(wù)，該方案的優(yōu)點(diǎn)在于MEC 服務(wù)器能夠與PDN 網(wǎng)關(guān)（PDN gateway，P-GW）集成在一起，無需考慮RAN部署方案下的計(jì)費(fèi)和安全性等問題，用戶終端發(fā)起的數(shù)據(jù)業(yè)務(wù)經(jīng)過eNode B、匯聚節(jié)點(diǎn)、S-GW、P-GW+MEC 服務(wù)器，然后到互聯(lián)網(wǎng)。但該方案存在距離用戶較遠(yuǎn)、時延相對較大和占用核心網(wǎng)資源等問題。由于設(shè)備的獨(dú)立性，邊緣計(jì)算服務(wù)的部署位置相當(dāng)靈活，可以根據(jù)具體業(yè)務(wù)需求、應(yīng)用場景等來決定具體部署位置。

3.3 Cloudlet、PCloud、ParaDrop

早在2009 年，卡耐基梅隆大學(xué)（Carnegie Mellon University，CMU）就提出了Cloudlet[17]概念，它的架構(gòu)和設(shè)計(jì)思想都與邊緣計(jì)算類似。Cloudlet 是部署在網(wǎng)絡(luò)邊緣、與互聯(lián)網(wǎng)連接且可以給移動設(shè)備提供海量服務(wù)的可信主機(jī)或機(jī)群。通過Cloudlet 資源發(fā)現(xiàn)（cloudlet discovery）、虛擬機(jī)配置（VM provisioning）[18]、資源切換（VM handoff）[19]等關(guān)鍵技術(shù)，Cloudlet 做到了對邊緣應(yīng)用移動性的支持。PCloud[20]是另一個目前較成熟的邊緣計(jì)算平臺，該平臺由佐治亞理工學(xué)院（Georgia Institute of Technology，Georgia Tech）的Korovo 研究組提出。PCloud 能夠整合數(shù)據(jù)源附近的計(jì)算、存儲、輸入輸出設(shè)備和云計(jì)算資源，實(shí)現(xiàn)資源間交互、協(xié)同工作，為網(wǎng)絡(luò)邊緣移動設(shè)備提供支持。PCloud 依靠一種特殊的虛擬化層STRATUS[21]對資源進(jìn)行虛擬化操作，形成虛擬化資源池，系統(tǒng)工作時，根據(jù)需求從資源池中選取資源。PCloud 虛擬資源池依靠系統(tǒng)運(yùn)行機(jī)制對資源進(jìn)行統(tǒng)一申請和分配，并向外界提供資源描述接口。PCloud 內(nèi)部結(jié)構(gòu)看似復(fù)雜，但是對用戶來說，僅相當(dāng)于一種智能化的計(jì)算設(shè)備。PCloud實(shí)現(xiàn)了邊緣計(jì)算與云計(jì)算的有機(jī)結(jié)合，充分利用了兩者的優(yōu)勢。威斯康星大學(xué)麥迪遜分校（University of Wisconsin-Madison，UW-Madison）WiNGS 實(shí)驗(yàn)室提出的ParaDrop[22-23]是一種適用于物聯(lián)網(wǎng)應(yīng)用的邊緣計(jì)算平臺。他們在ParaDrop 的支持下成功將WiFi 接入點(diǎn)擴(kuò)展成了邊緣計(jì)算平臺，在該平臺上能夠運(yùn)行各種各樣的應(yīng)用，達(dá)到了一般服務(wù)器運(yùn)行應(yīng)用的能力。ParaDrop 依靠植入的單片機(jī)使普通網(wǎng)關(guān)具有通用計(jì)算能力；通過軟件技術(shù)將云端應(yīng)用與服務(wù)遷移至WiFi 接入點(diǎn)；并借助容器技術(shù)對不同應(yīng)用的運(yùn)行環(huán)境進(jìn)行隔離，使開發(fā)者擁有了在網(wǎng)關(guān)上動態(tài)定制和管理應(yīng)用的能力。表2 對上述三種邊緣計(jì)算平臺在服務(wù)器狀態(tài)、移動支持、虛擬化技術(shù)和適用領(lǐng)域四方面進(jìn)行了詳細(xì)對比。

Table 2 Comparison of attributes among Cloudlet,PCloud and ParaDrop表2 Cloudlet、PCloud、ParaDrop 屬性對比

表2 中服務(wù)狀態(tài)的軟硬是根據(jù)服務(wù)狀態(tài)存在的形式區(qū)分的，軟狀態(tài)（soft-state）可以理解為無狀態(tài)（stateless）的一種特殊情況（如Cloudlet 上部署的移動應(yīng)用服務(wù)，該類服務(wù)的狀態(tài)信息不會被Cloudlet 長久保存，應(yīng)用離開Cloudlet 服務(wù)范圍的同時，這些數(shù)據(jù)就會從云端清除），而硬狀態(tài)（hard-state）則對應(yīng)的是有狀態(tài)（stateful），這種情況下的傳感器原始數(shù)據(jù)、連接信息等都是在本地保存和獲取。Cloudlet 能夠給移動應(yīng)用的后臺服務(wù)提供臨時的部署點(diǎn)，通過資源發(fā)現(xiàn)、虛擬技術(shù)、資源切換技術(shù)實(shí)現(xiàn)對移動性的支持。PCloud 能夠?qū)崿F(xiàn)用戶設(shè)備與云的智能結(jié)合，支持邊緣設(shè)備動態(tài)加入和退出（退出時不允許有正在運(yùn)行的任務(wù)）。面向物聯(lián)網(wǎng)的ParaDrop 中，傳感器采集的數(shù)據(jù)在無線網(wǎng)關(guān)處匯集和初步處理，傳感器和無線網(wǎng)關(guān)的連接狀態(tài)保持不變，因此無需考慮服務(wù)移動性的問題。在虛擬化技術(shù)方面，Cloudlet 和PCloud 使用虛擬機(jī)，ParaDrop 則使用容器，原因是物聯(lián)網(wǎng)應(yīng)用的服務(wù)對執(zhí)行環(huán)境的靈活性要求不高，使用容器還能達(dá)到占用資源少和啟動快的優(yōu)點(diǎn)。由于以上特點(diǎn)，使得Cloudlet 適用于計(jì)算密集型的移動應(yīng)用領(lǐng)域，ParaDrop 更適用于數(shù)據(jù)密集型的物聯(lián)網(wǎng)領(lǐng)域，PCloud 則可以根據(jù)場景需要在移動應(yīng)用領(lǐng)域中靈活應(yīng)用。

4 邊緣計(jì)算應(yīng)用場景

新技術(shù)的產(chǎn)生必將伴隨著新型應(yīng)用的產(chǎn)生，應(yīng)用是衡量新技術(shù)是否可行、有價(jià)值的重要標(biāo)準(zhǔn)，發(fā)展邊緣計(jì)算將面臨的各種挑戰(zhàn)和機(jī)遇都能通過應(yīng)用凸顯出來。隨著邊緣計(jì)算在理論上的逐漸成熟，越來越多的基于邊緣計(jì)算的應(yīng)用相繼出現(xiàn)在人們的視野中。本章將通過邊緣計(jì)算在網(wǎng)站性能優(yōu)化、智能工廠、智能家居、邊緣視頻緩存、購物車視圖優(yōu)化、梅賽德斯-奔馳文化中心視頻直播六個場景中的應(yīng)用對邊緣計(jì)算深入理解。

4.1 網(wǎng)站性能優(yōu)化

網(wǎng)站性能優(yōu)化是一種提高用戶網(wǎng)站資源加載速度和顯示速度的技術(shù)，流暢的加載和響應(yīng)速度往往能給用戶帶來良好的上網(wǎng)體驗(yàn)。網(wǎng)頁在用戶設(shè)備上加載的過程中，超過85%的響應(yīng)時間都發(fā)生在前端，包括下載必要的組件資源、頁面渲染工作等。因此，提高網(wǎng)站性能的關(guān)鍵是在網(wǎng)絡(luò)邊緣側(cè)。EAWP（edge accelerated Web platform）[24]是日本電話電報(bào)公司（Nippon Telegraph and Telephone Corp，NTT）設(shè)計(jì)的一種基于邊緣計(jì)算的網(wǎng)站性能優(yōu)化平臺，能夠?yàn)閺氖耊eb開發(fā)的工作者提供有效的網(wǎng)站性能優(yōu)化工具和服務(wù)。EAWP 利用邊緣服務(wù)器和網(wǎng)關(guān)接入點(diǎn)、基站等通信設(shè)施的結(jié)合來獲取用戶接入網(wǎng)的狀態(tài)信息，進(jìn)而對網(wǎng)站進(jìn)行優(yōu)化。例如，當(dāng)收集到用戶網(wǎng)絡(luò)不佳或者擁塞信息時，邊緣服務(wù)器能夠智能調(diào)整頁面質(zhì)量（降低分辨率等）來降低響應(yīng)時長，當(dāng)網(wǎng)絡(luò)情況好轉(zhuǎn)以后，重新對頁面質(zhì)量進(jìn)行調(diào)整。

4.2 智能工廠

智能工廠是邊緣計(jì)算在物聯(lián)網(wǎng)中較為典型的應(yīng)用實(shí)例，邊緣計(jì)算的參與使得IT（internet technology）和OT（operational technology）系統(tǒng)深度融合成為可能。工業(yè)智能機(jī)器人是實(shí)現(xiàn)智能制造的基礎(chǔ)，它們往往需要具備對復(fù)雜的工作環(huán)境以及當(dāng)前工作進(jìn)程綜合分析和判斷的能力以及與其他機(jī)器人協(xié)作完成復(fù)雜工作任務(wù)的能力。因此，每個機(jī)器人都需要配備智能控制器才能執(zhí)行復(fù)雜的計(jì)算任務(wù)，這會大幅度增加制造成本。借助邊緣計(jì)算思想，將所有機(jī)器人的智能控制器功能集中部署在生產(chǎn)車間的邊緣服務(wù)器上，在滿足工業(yè)生產(chǎn)時延要求的同時還能實(shí)現(xiàn)集中控制機(jī)器人之間的聯(lián)動協(xié)同，大大降低了工業(yè)生產(chǎn)的成本。

4.3 智能家居

人們對于“宜居、舒適、便利、安全”的生活環(huán)境的追求從未停止，借助新興技術(shù)往往能夠使人們更快速地實(shí)現(xiàn)目標(biāo)?，F(xiàn)階段，智能家電基本上都是單一智能化的，比如智能照明、智能空調(diào)、智能安防、智能衛(wèi)浴等，它們借助于云平臺實(shí)現(xiàn)遠(yuǎn)程控制，一旦網(wǎng)絡(luò)出現(xiàn)故障，用戶將無法進(jìn)行控制，并且智能單品并未實(shí)現(xiàn)多個智能設(shè)備之間的聯(lián)動協(xié)調(diào)工作。使用邊緣計(jì)算技術(shù)和無線傳感器技術(shù)將使智能家具之間的智能聯(lián)動和穩(wěn)定運(yùn)行成為可能，部署在用戶家中的邊緣服務(wù)器節(jié)點(diǎn)通過有線/無線傳感器收集到的信息，包括室內(nèi)溫度、亮度、空氣濕度及室外攝像頭采集的影像信息等進(jìn)行綜合分析，然后對智能家電發(fā)出具體指令，完成對用戶家中照明控制、溫度調(diào)節(jié)、報(bào)警機(jī)制等的智能聯(lián)動調(diào)控。

4.4 邊緣計(jì)算視頻緩存

新興互聯(lián)網(wǎng)應(yīng)用的快速發(fā)展，造成互聯(lián)網(wǎng)流量持續(xù)增長。據(jù)預(yù)測[25]，全球IP 總流量將在2016—2021年間增長3 倍，從2016 年的年均1.2 ZB（96 EB/月）增長到2021 年的3.3 ZB（278 EB/月）。圖5 是全球互聯(lián)網(wǎng)總流量年度月均值統(tǒng)計(jì)及預(yù)測。其中，互聯(lián)網(wǎng)流量中視頻占比將從2016 年的73%提升至82%，并且這一比例將會逐年增大。

Fig.5 Annual average monthly statistics/forecast of global Internet traffic圖5 全球互聯(lián)網(wǎng)總流量年度月均值統(tǒng)計(jì)/預(yù)測

龐大的視頻數(shù)據(jù)流量將會占用非常多的網(wǎng)絡(luò)帶寬資源，在帶寬資源有限的情況下，利用邊緣計(jì)算平臺進(jìn)行本地視頻緩存無疑是切實(shí)可行的方案。將具有視頻分析、緩存功能的MEC 平臺部署在大學(xué)城、居民區(qū)、商業(yè)街等人流密集、對視頻播放請求頻繁的區(qū)域，利用邊緣計(jì)算智能分析功能（根據(jù)搜索熱度）[26]將熱播電視劇、電影等下載頻繁的視頻資源緩存到附近MEC 服務(wù)器上。當(dāng)用戶請求視頻播放時，該視頻資源就相當(dāng)于從本地加載，節(jié)省帶寬的同時也大大降低了用戶的響應(yīng)時長。另外，MEC 平臺中基于RAN 側(cè)感知的內(nèi)容優(yōu)化方案，可以根據(jù)網(wǎng)絡(luò)實(shí)時信息（網(wǎng)絡(luò)負(fù)載、鏈路質(zhì)量、數(shù)據(jù)吞吐率等）對內(nèi)容進(jìn)行動態(tài)優(yōu)化，大幅度提升體驗(yàn)質(zhì)量（quality of experience，QoE）和網(wǎng)絡(luò)效率。

4.5 邊緣計(jì)算購物車視圖刷新

隨著網(wǎng)絡(luò)信息技術(shù)和智能設(shè)備的不斷發(fā)展，電子商務(wù)慢慢融入人們的生活，網(wǎng)上購物越來越成為人們生活中不可或缺的新興購物方式，帶來的便利不言而喻。消費(fèi)者在進(jìn)行線上購物時，選取的商品暫存在購物車中，當(dāng)購物車中的商品變動時，現(xiàn)行購物應(yīng)用的解決方案是，先請求云數(shù)據(jù)中心進(jìn)行數(shù)據(jù)同步，得到返回信息后，對消費(fèi)者購物車視圖進(jìn)行刷新。這樣，消費(fèi)者購物車更新速度完全依賴網(wǎng)絡(luò)環(huán)境和云中心的負(fù)載情況，由于移動網(wǎng)絡(luò)帶寬較低以及云中心任務(wù)負(fù)載大，移動端購物車的更新時延普遍較長，用戶體驗(yàn)差。如果把更新消費(fèi)者購物車視圖的服務(wù)從云中心卸載到邊緣節(jié)點(diǎn)上，以上問題就能得到解決。在邊緣計(jì)算方案中，購物車數(shù)據(jù)在邊緣節(jié)點(diǎn)緩存，用戶在頻繁操作購物車時，不需要經(jīng)過中心網(wǎng)絡(luò)和云服務(wù)器，購物車視圖在本地刷新，延時低，系統(tǒng)流暢度高，用戶體驗(yàn)好。當(dāng)用戶操作完成后，邊緣節(jié)點(diǎn)數(shù)據(jù)與云中心數(shù)據(jù)在后臺執(zhí)行同步操作，如圖6。

4.6 邊緣計(jì)算網(wǎng)絡(luò)視頻直播

Fig.6 Edge computing mobile shopping cart view refresh圖6 邊緣計(jì)算移動端購物車視圖刷新

網(wǎng)絡(luò)視頻直播系統(tǒng)是一種多媒體網(wǎng)絡(luò)平臺，旨在將正在進(jìn)行的賽事、會議、演出、教學(xué)等現(xiàn)場音視頻實(shí)況通過網(wǎng)絡(luò)實(shí)時傳遞給遠(yuǎn)端觀眾。傳統(tǒng)視頻直播系統(tǒng)服務(wù)器端口盡管普遍采用的是百兆或者千兆網(wǎng)絡(luò)，但是由于音視頻文件過大，整個過程延時問題依然不容忽視。

為解決以上問題，上海梅賽德斯-奔馳文化中心引入了多接入邊緣計(jì)算技術(shù)。采用中國聯(lián)通邊緣視頻編排網(wǎng)絡(luò)技術(shù)方案部署邊緣節(jié)點(diǎn)，如圖7。場內(nèi)拍攝的視頻存儲在專用的邊緣云中，場內(nèi)觀眾可以通過移動設(shè)備訪問邊緣云中存儲的視頻信息，避免了連接中央云帶來的時延。采用EVO（edge video orchestration）解決方案能夠?qū)⒕W(wǎng)絡(luò)視頻直播時延控制在毫秒級別，是普通網(wǎng)絡(luò)視頻直播平均時延的1.6%，并且可以同時支持億級別的場外互聯(lián)網(wǎng)觀眾觀看高清直播。

Fig.7 Mercedes-Benz cultural center edge computing application model圖7 梅賽德斯-奔馳文化中心邊緣計(jì)算應(yīng)用模型

除了以上應(yīng)用場景外，邊緣計(jì)算在增強(qiáng)現(xiàn)實(shí)和虛擬現(xiàn)實(shí)[27]、動態(tài)內(nèi)容交付[28]、車聯(lián)網(wǎng)[29]、其他物聯(lián)網(wǎng)場景[30-36]、預(yù)測性維護(hù)[37]、安防監(jiān)控[38]場景中同樣表現(xiàn)出蓬勃發(fā)展的趨勢，本文不再贅述。

5 發(fā)展邊緣計(jì)算面臨的挑戰(zhàn)

隨著物聯(lián)網(wǎng)和5G 通信技術(shù)的快速發(fā)展，邊緣計(jì)算越來越成為科研人員研究的熱點(diǎn)，各種有關(guān)邊緣計(jì)算的理論[39]和新型邊緣計(jì)算應(yīng)用[40]涌現(xiàn)出來的同時，發(fā)展邊緣計(jì)算亟待解決的問題也相應(yīng)凸顯出來。本章從服務(wù)管理、應(yīng)用管理、計(jì)算資源管理、數(shù)據(jù)管理四方面討論發(fā)展邊緣計(jì)算面臨的研究挑戰(zhàn)。

5.1 服務(wù)管理

與云計(jì)算服務(wù)管理不同，邊緣計(jì)算服務(wù)管理涉及多方面的問題。云計(jì)算中向用戶提供的服務(wù)集中于云計(jì)算中心，用戶無需關(guān)心服務(wù)內(nèi)部結(jié)構(gòu)和管理問題，通過服務(wù)提供商提供的接口，用戶以付費(fèi)方式使用云中心的各種服務(wù)和計(jì)算資源。邊緣計(jì)算服務(wù)則較為復(fù)雜，服務(wù)商需要面對以下三個問題：

（1）異構(gòu)問題。邊緣計(jì)算架構(gòu)中，各個邊緣計(jì)算節(jié)點(diǎn)的網(wǎng)絡(luò)環(huán)境、信道和基礎(chǔ)設(shè)施等均存在明顯的差異性和異構(gòu)性特點(diǎn)。一般而言，MEC 服務(wù)器也不具有相同的計(jì)算資源、存儲環(huán)境。引入虛擬化技術(shù)，或許能夠成為解決該問題的一種途徑，虛擬化技術(shù)不僅要做到對應(yīng)用程序的最小化運(yùn)行環(huán)境約束，更需要滿足邊緣節(jié)點(diǎn)資源最大化利用率的要求，并且在具體實(shí)施過程中還會遇到不少未預(yù)見的難題。在這種情況下，如何處理好異構(gòu)性問題成為發(fā)展邊緣計(jì)算亟待解決的問題之一。

（2）移動問題。邊緣計(jì)算中，伴隨著用戶的移動，計(jì)算任務(wù)遷移工作會在不同的邊緣節(jié)點(diǎn)、甚至是MEC 服務(wù)器之間頻繁發(fā)生。這種情況必然導(dǎo)致節(jié)點(diǎn)與節(jié)點(diǎn)之間、節(jié)點(diǎn)與服務(wù)器之間、服務(wù)器與服務(wù)器之間的大量數(shù)據(jù)交換，需要占用較多帶寬資源，然而在移動帶寬資源有限的情況下，這種做法顯然是不可取的。如何處理用戶在移動過程中移動設(shè)備MD 與MEC 服務(wù)器之間的無縫銜接問題，也是發(fā)展邊緣計(jì)算亟待解決的問題。

（3）擴(kuò)展問題。近年來，隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，接入互聯(lián)網(wǎng)中的邊緣設(shè)備數(shù)量劇增，這要求邊緣計(jì)算服務(wù)必須具備靈活的擴(kuò)展性。引入云計(jì)算中的編排器概念也許可以提高網(wǎng)絡(luò)的可擴(kuò)展性[41]，但是這一理論并不完全適用于邊緣計(jì)算復(fù)雜的網(wǎng)絡(luò)環(huán)境。因此，設(shè)計(jì)出具有靈活擴(kuò)展性的邊緣計(jì)算服務(wù)仍然是一個亟待解決的問題。

5.2 應(yīng)用移動性管理

邊緣計(jì)算場景中，不同的MEC 服務(wù)器上安裝的服務(wù)不盡相同，計(jì)算資源也存在很大的差別。用戶在移動過程中，連接的MEC 服務(wù)器在頻繁變化，如果用戶正在使用某個MEC 服務(wù)上的服務(wù)，當(dāng)服務(wù)器切換到一個未安裝該服務(wù)的服務(wù)器上時，或者新的服務(wù)器缺乏必要的計(jì)算資源時，都可能導(dǎo)致服務(wù)中斷，影響用戶體驗(yàn)。以上共涉及兩方面的問題：一是資源快速發(fā)現(xiàn)問題；二是資源快速遷移問題。當(dāng)前有很多較成熟的資源發(fā)現(xiàn)技術(shù)被廣泛應(yīng)用于云監(jiān)控中[42]，這些技術(shù)或許能夠引入邊緣計(jì)算，但是要注意邊緣計(jì)算中的異構(gòu)資源環(huán)境問題，并且要保證資源發(fā)現(xiàn)的速度。如何讓周圍可用的服務(wù)、計(jì)算資源等被移動過程中的應(yīng)用快速發(fā)現(xiàn)以及如何在周圍無可用服務(wù)和資源時實(shí)現(xiàn)服務(wù)和資源在整個邊緣生態(tài)系統(tǒng)中的靈活調(diào)度也是一個急需解決的問題。

5.3 計(jì)算資源管理

邊緣計(jì)算中的資源管理問題是另一個發(fā)展邊緣計(jì)算的關(guān)鍵性問題。云計(jì)算中的資源是統(tǒng)一放在云計(jì)算中心的，由服務(wù)管控機(jī)制統(tǒng)一調(diào)度與分配，管理起來較為方便。然而，邊緣計(jì)算中的計(jì)算資源分散在整個數(shù)據(jù)的傳輸路徑上，可能受到不同主題的管理與控制。計(jì)算資源的分散分布狀態(tài)及多種管理機(jī)制的參與使得目前云計(jì)算中使用的計(jì)算資源管理機(jī)制無法很好地在邊緣計(jì)算中應(yīng)用。針對該問題，一種較為簡單的解決思路是各個管理機(jī)制獨(dú)立自我管理資源，通過添加中間服務(wù)[43]的方式進(jìn)行資源供給,但是該方式只能提供最基本的功能，無法滿足用戶的較高級別的需求。例如，自動供給、自動選擇合適的資源等。另外，邊緣計(jì)算中各個計(jì)算節(jié)點(diǎn)的網(wǎng)絡(luò)狀況、計(jì)算能力各不相同。相比云計(jì)算，邊緣計(jì)算中的計(jì)算資源又非常有限，因此設(shè)計(jì)出一種適用于邊緣計(jì)算的管控與調(diào)配機(jī)制，使邊緣計(jì)算中的計(jì)算資源達(dá)到最大化利用率和整個系統(tǒng)最小化延遲的平衡，同樣是發(fā)展邊緣計(jì)算急迫解決的問題。

5.4 數(shù)據(jù)管理

數(shù)據(jù)管理在邊緣計(jì)算中同樣占有非常重要的地位，包括兩方面的內(nèi)容：數(shù)據(jù)分析、數(shù)據(jù)隱私保護(hù)和安全。

（1）數(shù)據(jù)分析。隨著邊緣設(shè)備的海量增加，邊緣數(shù)據(jù)量也隨之爆炸式增長。一般而言，數(shù)據(jù)量越大，能提取和利用的信息量就越大，但信息往往具有時效性，人們不會對昨天的路況信息感興趣。由于邊緣計(jì)算架構(gòu)對數(shù)據(jù)處理的特殊性（數(shù)據(jù)處理能夠在數(shù)據(jù)收集到數(shù)據(jù)匯聚的整個過程中發(fā)生），如果數(shù)據(jù)被過早地分析和處理，可能會造成有價(jià)值信息的丟失，通過大數(shù)據(jù)分析技術(shù)和深度學(xué)習(xí)框架TensorFlow等對某一領(lǐng)域的數(shù)據(jù)進(jìn)行綜合分析得出數(shù)據(jù)特點(diǎn)，進(jìn)而找到該類數(shù)據(jù)最佳提取有用信息的時間點(diǎn)或許能夠突破該問題，但是目前還沒出現(xiàn)較成熟的模型。因此在不同的邊緣計(jì)算場景下，找到提取有用信息的時間點(diǎn)與信息時效性的平衡點(diǎn)仍是一個需要解決的問題。

（2）數(shù)據(jù)隱私保護(hù)和安全。在未來萬物互聯(lián)的場景下，數(shù)據(jù)隱私保護(hù)和安全問題尤為重要。用戶家庭中部署的邊緣智能系統(tǒng)中的智能傳感器可以捕獲大量的用戶隱私信息，如房間布局、家中人員的動態(tài)活動信息等。如果這些信息被不法分子獲取到，用戶的生命、財(cái)產(chǎn)將受到威脅。雖然邊緣計(jì)算模型具有在網(wǎng)絡(luò)邊緣處理數(shù)據(jù)的能力，減少了用戶隱私信息在過長的傳輸鏈路上被竊取的風(fēng)險(xiǎn)，但大量終端設(shè)備的接入給邊緣計(jì)算中數(shù)據(jù)的隱私和安全問題帶來了新的挑戰(zhàn)[44-45]。

6 結(jié)束語

作為云計(jì)算概念的延伸，邊緣計(jì)算以有線/無線網(wǎng)絡(luò)資源為傳輸途徑，以智能數(shù)據(jù)采集終端為感知前端，在整個數(shù)據(jù)匯聚過程中實(shí)現(xiàn)對數(shù)據(jù)的智能分析和處理，集云、網(wǎng)、端、智為一體，成為一種繼云計(jì)算之后的又一新型計(jì)算模型。本文分析了云計(jì)算在新型物聯(lián)網(wǎng)環(huán)境下存在的不足以及邊緣計(jì)算的優(yōu)勢并對比分析了兩者的關(guān)系，接著以ETSI 定義的MEC計(jì)算架構(gòu)為基礎(chǔ)詳細(xì)分析了MEC 標(biāo)準(zhǔn)化平臺和Cloudlet、PCloud、ParaDrop 平臺，并對它們在服務(wù)器狀態(tài)、移動支持、虛擬化技術(shù)和適用領(lǐng)域方面進(jìn)行了對比分析，然后給出了幾種邊緣計(jì)算具體應(yīng)用場景，幫助讀者進(jìn)一步理解邊緣計(jì)算。最后，總結(jié)了發(fā)展邊緣計(jì)算亟待解決的幾類關(guān)鍵性問題，給科研工作者指出了研究方向。