曹童杰，李丕范，劉中國（中訊郵電咨詢?cè)O(shè)計(jì)院有限公司，北京 100048）

0 引言

工業(yè)互聯(lián)網(wǎng)的高速發(fā)展對(duì)建立強(qiáng)大的云計(jì)算范式提出了要求［1］。自2000 年以來，云計(jì)算范式在總體使用、規(guī)模、計(jì)算能力和基礎(chǔ)技術(shù)方面都有了重大突破，云服務(wù)的市場(chǎng)也有了巨大的增量［2］。美國國家標(biāo)準(zhǔn)技術(shù)研究院（NIST）列出了云計(jì)算的5 個(gè)基本屬性［3］：按需自助服務(wù)、廣泛的網(wǎng)絡(luò)訪問、資源池、快速彈性、實(shí)測(cè)服務(wù)。這也是其在學(xué)術(shù)界和行業(yè)中廣泛應(yīng)用的重要支撐點(diǎn)。但是，隨著IIOT 的出現(xiàn)，傳統(tǒng)的云計(jì)算方式已無法滿足海量終端設(shè)備的需求［4］，云上實(shí)時(shí)數(shù)據(jù)存儲(chǔ)、訪問和處理成為了亟待解決的難題。此外，龐大的數(shù)據(jù)中繼到云基礎(chǔ)架構(gòu)可能會(huì)給數(shù)據(jù)傳輸帶來壓力，造成網(wǎng)絡(luò)擁堵，進(jìn)一步導(dǎo)致等待時(shí)間延長［5］，降低各種應(yīng)用程序的整體服務(wù)質(zhì)量（QoS）［6］。

1 邊緣計(jì)算

為了解決上述問題，“邊緣計(jì)算”［7］的創(chuàng)新概念被大量應(yīng)用在云計(jì)算中，它可以被理解為“靠近地面的云”［8］。其通過邊緣設(shè)備，利用支持納米數(shù)據(jù)中心（nDC）［9］和微型DC（mDC）形式的機(jī)器對(duì)機(jī)器、設(shè)備對(duì)設(shè)備的交互，實(shí)現(xiàn)了網(wǎng)絡(luò)邊緣的計(jì)算和處理能力。這些設(shè)備分布廣泛，能夠支持實(shí)時(shí)數(shù)據(jù)處理，大大降低了設(shè)備數(shù)據(jù)中繼到核心的需求［10］。邊緣計(jì)算與云計(jì)算的對(duì)比如表1所示。

表1 邊緣計(jì)算與云計(jì)算的對(duì)比

工業(yè)互聯(lián)網(wǎng)的控制命令必須很精準(zhǔn)，因此網(wǎng)絡(luò)對(duì)時(shí)延和可靠性非常敏感［11］。將計(jì)算能力推向網(wǎng)絡(luò)邊緣側(cè)是工業(yè)互聯(lián)網(wǎng)的必然發(fā)展趨勢(shì)。5G 和其衍生的多層多址邊緣計(jì)算（Multi-tier Multi-access Edge Computing，MMEC）［12］能夠很好地滿足低時(shí)延、高可靠的要求。

如圖1 所示，邊緣計(jì)算的分層體系結(jié)構(gòu)包括核心計(jì)算設(shè)備、目標(biāo)功能與需求、網(wǎng)絡(luò)設(shè)備、邊緣計(jì)算設(shè)備、訪問方式、應(yīng)用程序和用戶、終端設(shè)備7 層［13］。用戶通過不同的訪問技術(shù)（如3G、4G［14］、5G［15］、Wi-Fi［16］、藍(lán)牙［17］）連接到計(jì)算平臺(tái)，按需訪問不同的應(yīng)用程序。

圖1 邊緣計(jì)算的分層體系結(jié)構(gòu)

接下來，數(shù)據(jù)會(huì)通過訪問技術(shù)將用戶應(yīng)用程序/服務(wù)請(qǐng)求中繼到附近的nDC 和mDC，成為邊緣計(jì)算設(shè)備層的組成部分。由于邊緣側(cè)設(shè)備的計(jì)算能力有限，該架構(gòu)會(huì)將計(jì)算密集型請(qǐng)求轉(zhuǎn)發(fā)到核心計(jì)算層，通過路由器和交換機(jī)等網(wǎng)絡(luò)設(shè)備路由到核心計(jì)算設(shè)備，進(jìn)行下一步處理。整個(gè)計(jì)算體系傾向于根據(jù)服務(wù)等級(jí)協(xié)議（Service-Level Agreement，SLA）［18］結(jié)構(gòu)性地解決不同的目標(biāo)。目標(biāo)功能與需求包括最小化能量、等待時(shí)間、成本和最大化可用性、吞吐量。

邊緣計(jì)算可以在時(shí)延、地理分布和移動(dòng)性支持方面逐步滿足大規(guī)模移動(dòng)服務(wù)的需求［19］，但如果不考慮能源效率，邊緣設(shè)備可能會(huì)消耗大量能量。此外，為了提供低時(shí)延和高數(shù)據(jù)速率，nDC 的能耗可能會(huì)激增［20］。

研究人員對(duì)nDC 和集中式DC 的能耗進(jìn)行了對(duì)比研究?？紤]到系統(tǒng)設(shè)計(jì)中的各種因素，例如訪問網(wǎng)絡(luò)的類型和服務(wù)器時(shí)間利用率，研究發(fā)現(xiàn)，與nDC 和集中式DC 的能耗相比，多層多址邊緣云協(xié)作能夠進(jìn)一步節(jié)能［21］。

云與邊緣之間的協(xié)作和影響主要有以下幾方面。

a）邊緣設(shè)備上的資源限制要求轉(zhuǎn)移云DC 上的主要負(fù)載。

b）邊緣節(jié)點(diǎn)上的資源超載可能導(dǎo)致更高的能耗。

c）在邊緣和云DC 之間對(duì)延遲敏感且面向資源的請(qǐng)求進(jìn)行分類可以提高性能并降低能耗。

d）由于丟失鏈路的可追溯性，邊緣設(shè)備的移動(dòng)性是能源消耗的挑戰(zhàn)。

e）邊緣和云設(shè)備之間的大量遷移和通信給基礎(chǔ)網(wǎng)絡(luò)帶來了額外的負(fù)擔(dān)。

為在平衡延遲和功耗的基礎(chǔ)上，最大程度地減少能耗［22］，本文提出了多層多址邊云一體協(xié)同架構(gòu)，如圖2所示。

圖2 邊云協(xié)同計(jì)算的內(nèi)部構(gòu)架

服務(wù)協(xié)同：邊緣節(jié)點(diǎn)根據(jù)從云端下沉的算法決策，實(shí)現(xiàn)本地的SaaS 服務(wù)，并將特殊數(shù)據(jù)和非實(shí)時(shí)性的服務(wù)上傳至云端，云端接收非實(shí)時(shí)性數(shù)據(jù)，更新知識(shí)庫，調(diào)整算法模型和邊緣節(jié)點(diǎn)的分布，提供SaaS 服務(wù)。

數(shù)據(jù)協(xié)同：邊緣節(jié)點(diǎn)具有數(shù)據(jù)采集裝置，能收集本地信息、進(jìn)行簡(jiǎn)單的數(shù)據(jù)分析，并將分析結(jié)果和特殊信息數(shù)據(jù)（如故障點(diǎn)）上傳至云端。云端有海量存儲(chǔ)和大數(shù)據(jù)分析的能力，能了解整體的環(huán)境變化并對(duì)邊緣節(jié)點(diǎn)做出指導(dǎo)。數(shù)據(jù)在邊緣節(jié)點(diǎn)和云上有序流動(dòng)，形成完整的數(shù)據(jù)流動(dòng)路徑，極大地提高了挖掘有價(jià)值數(shù)據(jù)的效率。

智能協(xié)同：邊緣節(jié)點(diǎn)內(nèi)部部署的AI模型和算法來自于云端，基于這些算法，分布式邊緣節(jié)點(diǎn)可以快速響應(yīng)周圍環(huán)境變化并做出判斷；云端是集中式的模型訓(xùn)練，收集邊緣節(jié)點(diǎn)的數(shù)據(jù)，不斷更新知識(shí)庫，更新算法模型并下沉至邊緣節(jié)點(diǎn)，提高邊緣節(jié)點(diǎn)的分析速度和準(zhǔn)確性。

資源協(xié)同：邊緣節(jié)點(diǎn)集成了計(jì)算、存儲(chǔ)、通信等功能，可以在本地提供資源調(diào)度、監(jiān)測(cè)、生命周期管理等能力；云端與邊緣節(jié)點(diǎn)協(xié)同，提供設(shè)備管理、資源管理、網(wǎng)絡(luò)連接管理等資源調(diào)度的策略。

多層多址邊緣云一體架構(gòu)依賴于網(wǎng)絡(luò)層的支持，效率低下的網(wǎng)絡(luò)可能導(dǎo)致過多的能源消耗和高時(shí)延。此外，基于標(biāo)準(zhǔn)協(xié)議和體系結(jié)構(gòu)的傳統(tǒng)網(wǎng)絡(luò)的依賴性也是實(shí)現(xiàn)邊緣云一體的挑戰(zhàn)之一。因此，需要一種可編程的、可擴(kuò)展的、靈活獨(dú)立、可重新配置的網(wǎng)絡(luò)體系結(jié)構(gòu)來處理邊緣和云設(shè)備之間的大量流量信息，以提高性能，降低能耗。

2 軟件定義網(wǎng)絡(luò)架構(gòu)

本文提出了一種動(dòng)態(tài)資源供應(yīng)方案，用于云和邊緣之間的能源感知相互作用，使用軟件定義網(wǎng)絡(luò)（Software Defined Network，SDN）［23］來最大程度地減少邊緣和云之間的基礎(chǔ)網(wǎng)絡(luò)的能耗，處理多層多址邊緣云環(huán)境中的網(wǎng)絡(luò)擁塞問題。

在SDN 中，數(shù)據(jù)平面和控制平面彼此分離，以降低網(wǎng)絡(luò)擁塞和復(fù)雜性［24-25］。因此，SDN 是多層多址云環(huán)境中最可行的網(wǎng)絡(luò)技術(shù)。通常，SDN 中的通信基礎(chǔ)結(jié)構(gòu)根據(jù)開放網(wǎng)絡(luò)基金會(huì)（Open Networking Foundation，ONF）［26］設(shè)計(jì)的標(biāo)準(zhǔn)工作。OpenFlow 協(xié)議用于處理SDN中的流量［27］。網(wǎng)絡(luò)主干網(wǎng)絡(luò)的范圍可以從3G、4G、5G到Wi-Fi和藍(lán)牙［28］。

數(shù)據(jù)平面：所有轉(zhuǎn)發(fā)設(shè)備（FD）都位于此平面中，F(xiàn)D 根據(jù)駐留在控制平面中的控制器做出的轉(zhuǎn)發(fā)決策來運(yùn)行，并使用數(shù)據(jù)控制平面接口將所有此類決策配置到FD的流表中。

控制平面：控制平面是SDN 架構(gòu)的核心，也叫決策平面。該平面根據(jù)提供給控制器的控制邏輯進(jìn)行工作。所有轉(zhuǎn)發(fā)決策均由控制器決定，并添加到該平面的指令集中。此外，控制器還可以使用網(wǎng)絡(luò)操作系統(tǒng)通過管理程序創(chuàng)建虛擬控制器［29］。SDN 的最重要特征之一是可以根據(jù)不同的環(huán)境對(duì)控制邏輯進(jìn)行編程和重新配置［30］。因此，本文利用SDN 的這一特性，提出了一種流管理方案，該方案有效平衡了多層多址邊緣云一體結(jié)構(gòu)的能效、帶寬和時(shí)延，具體如圖3 所示。

圖3 基于SDN的邊緣計(jì)算架構(gòu)

3 基于SDN的工業(yè)互聯(lián)網(wǎng)多層多址邊緣計(jì)算

針對(duì)工業(yè)互聯(lián)網(wǎng)，本文提出了一種基于SDN 的工業(yè)互聯(lián)網(wǎng)多層多址邊緣計(jì)算架構(gòu)，如圖4所示。

圖4 基于SDN的工業(yè)互聯(lián)網(wǎng)多層多址邊緣計(jì)算架構(gòu)

此架構(gòu)的底層為機(jī)械臂、車床、傳送帶、移動(dòng)設(shè)備等工業(yè)設(shè)備和傳感器，傳感器收集到的信息通過AP接入到數(shù)據(jù)傳輸層的邊緣交換機(jī)中，控制器會(huì)將計(jì)算任務(wù)需求上傳到SDN 控制器中，并執(zhí)行計(jì)算卸載決策。

邊緣計(jì)算服務(wù)平臺(tái)包含邊緣服務(wù)器和緩存節(jié)點(diǎn)，控制器將計(jì)算量較小的任務(wù)卸載到邊緣節(jié)點(diǎn)，計(jì)算量較大的任務(wù)上傳云服務(wù)器，能夠有效提高計(jì)算效率，降低時(shí)間成本。緩存節(jié)點(diǎn)用于存儲(chǔ)高頻次請(qǐng)求任務(wù)，避免重復(fù)計(jì)算和分配請(qǐng)求，減少網(wǎng)絡(luò)堵塞可能性。任務(wù)卸載決策和計(jì)算節(jié)點(diǎn)的編排由SDN 控制器決定。其工作流程如圖5所示。

圖5 計(jì)算卸載流程

根據(jù)工業(yè)互聯(lián)網(wǎng)的特性，本文提出一種基于ASO算法的任務(wù)卸載方法［31-33］，包含截止時(shí)間分配子算法（Sub-deadline Allocation，SDA）、拓?fù)渑判蛩惴ǎ═opology Sorting，TS）和任務(wù)卸載算法（Task Offloading，TO）3個(gè)子算法。這種卸載算法是一種多項(xiàng)式時(shí)間分流算法，在進(jìn)行任務(wù)卸載決策時(shí)會(huì)優(yōu)先考慮邊緣計(jì)算層，只有當(dāng)本地的多層多址邊緣計(jì)算資源均不能滿足計(jì)算要求時(shí)，才會(huì)將任務(wù)卸載至云計(jì)算層。該算法通過SDA 算法將工業(yè)應(yīng)用的截止時(shí)間分配給各個(gè)任務(wù)，以此對(duì)任務(wù)進(jìn)行拓?fù)渑判?；除此之外，還會(huì)綜合考慮能耗和成本，根據(jù)每個(gè)任務(wù)的期限合理分配任務(wù)。與普通啟發(fā)式算法相比，該算法能夠更合理地對(duì)計(jì)算任務(wù)進(jìn)行卸載，更好地平衡計(jì)算任務(wù)的時(shí)延和能耗。

4 結(jié)語

本文提出了一種基于SDN 的工業(yè)互聯(lián)網(wǎng)多層多址邊緣云一體架構(gòu)，以處理邊緣與云設(shè)備之間的協(xié)同合作和計(jì)算任務(wù)卸載。該架構(gòu)使用了邊緣云協(xié)同，復(fù)雜任務(wù)在云側(cè)處理，簡(jiǎn)單任務(wù)在邊緣側(cè)處理，有效平衡了計(jì)算任務(wù)的時(shí)延、帶寬和能耗，利用SDN 提供有效的中間件支持，幫助處理IIoT環(huán)境中的流式大數(shù)據(jù)。最后提出一種邊任務(wù)卸載方法，并說明了其性能和優(yōu)勢(shì)。