李高云，曠生玉，江 果，何 歡

（中國電子科技集團公司第二十九研究所，四川 成都 610036）

0 引言

學術界和產(chǎn)業(yè)界普遍觀點認為云計算已經(jīng)難以滿足一些實時性比較敏感的應用，此外將全部數(shù)據(jù)都搬上云中心也會給現(xiàn)有網(wǎng)絡帶寬帶來巨大壓力。IDC 在最近發(fā)布的一項研究報告中預測，到2025 年，全球智能終端接入數(shù)量將達到1 500 億臺，而60%以上數(shù)據(jù)需要在邊緣進行分析、處理和存儲。2018 年，阿里云宣布戰(zhàn)略投入邊緣計算領域，拓寬計算優(yōu)勢，橫跨“云邊端”。探索“云邊端”協(xié)同算力網(wǎng)絡的全新IT 架構(gòu)，可將算力擴展到邊緣，在靠近客戶端/設備端的地方去建立算力，讓計算變得更近，從而讓網(wǎng)絡延時不再成為障礙，更及時地響應時敏業(yè)務，做出最優(yōu)行動決策。

分布式電磁大數(shù)據(jù)場景下，傳統(tǒng)云計算具有強大資源服務優(yōu)勢，適合處理長周期、資源需求量大的任務，例如海量數(shù)據(jù)挖掘、智能算法訓練等；而新興的邊緣計算，本質(zhì)上是網(wǎng)絡、計算、存儲資源下沉到裝備或者數(shù)據(jù)源處的一種分布式計算架構(gòu)，具有低傳輸時延、高時效優(yōu)勢，更擅長短周期、本地化的實時處理，例如實時威脅告警、戰(zhàn)術決策等。隨著大數(shù)據(jù)、人工智能和5G 通信等新技術快速發(fā)展，“云”與“邊”將在架構(gòu)和技術層面深度融合。香港新天域互聯(lián)也認為，數(shù)據(jù)歸途為終端上，而終端的未來在于邊緣計算。構(gòu)建云邊端協(xié)同算力網(wǎng)絡，對于電磁大數(shù)據(jù)的處理，將更具備及時性和整體效率。

本文擬通過剖析電磁大數(shù)據(jù)帶來的問題與挑戰(zhàn)，進而探討基于云邊端協(xié)同的電磁大數(shù)據(jù)應用架構(gòu)，以及急需解決的核心關鍵技術，并對典型應用場景進行探討。旨在為電磁大數(shù)據(jù)資源體系的建設與應用提供技術參考和架構(gòu)借鑒。

1 電磁大數(shù)據(jù)帶來的挑戰(zhàn)與需求分析

在復雜多變的電子戰(zhàn)領域，電磁大數(shù)據(jù)具有海量、多源、分布式、價值密度稀疏等特征，且戰(zhàn)術應用時效性要求極高。傳統(tǒng)云計算模式采用中心式架構(gòu)，受網(wǎng)絡帶寬、延遲和抖動影響，以及數(shù)據(jù)權屬、安全性等制約，在電磁大數(shù)據(jù)匯集、處理和應用等環(huán)節(jié)暴露出了諸多弊端，面臨著嚴峻的挑戰(zhàn)，促使產(chǎn)生全新的IT 架構(gòu)變革。

1）海量數(shù)據(jù)網(wǎng)絡傳輸超載

伴隨全軍數(shù)據(jù)資產(chǎn)意識的增強，以及采集、存儲成本的進一步降低，電子戰(zhàn)裝備端產(chǎn)生的大量急需處理數(shù)據(jù)（全脈沖、中頻數(shù)據(jù)）、裝備狀態(tài)數(shù)據(jù)和電磁環(huán)境數(shù)據(jù)等呈現(xiàn)出爆發(fā)式增長趨勢。傳統(tǒng)集中式電磁大數(shù)據(jù)資源匯集模式，對網(wǎng)絡傳輸帶寬帶來了巨大挑戰(zhàn)。

2016 年，在拉斯維加斯Invent 年度技術大會上，亞馬遜云計算展示了一輛專門為EB 級數(shù)據(jù)傳輸而定制的硬盤運輸卡車。據(jù)專業(yè)測算，在當前技術下即使專網(wǎng)架設1 000 Mbps 光纖，按理論最大下行速率傳輸，1 TB 數(shù)據(jù)網(wǎng)絡傳輸需要2.28 h，1 PB 需要97 天，1 EB 需要272 年才能完成。而當前單個硬盤容量可達18 TB，網(wǎng)絡傳輸約需41 h，同城快遞運輸明顯優(yōu)于網(wǎng)絡傳輸?？梢姶笕萘繑?shù)據(jù)集中存儲即便存儲容量支持，網(wǎng)絡傳輸也是一個難以逾越的瓶頸。

由于分布式數(shù)據(jù)采集加之傳輸網(wǎng)絡的效率制約，當前電磁大數(shù)據(jù)處理模式已經(jīng)從“數(shù)據(jù)靠近計算”轉(zhuǎn)變?yōu)椤坝嬎憧拷鼣?shù)據(jù)”、由“流程驅(qū)動系統(tǒng)”轉(zhuǎn)變?yōu)椤皵?shù)據(jù)驅(qū)動系統(tǒng)”。變革傳統(tǒng)中心式結(jié)構(gòu)模式，已成為大數(shù)據(jù)時代的必然選擇。

2）戰(zhàn)術時敏業(yè)務時延苛刻

速度是戰(zhàn)爭的生命線，對于視速度為生命的軍事領域，贏得作戰(zhàn)勝利的第一原則就是比對手更快地采取下一步行動。電磁空間戰(zhàn)術博弈異常激烈，敵我雙方攻防角色瞬息轉(zhuǎn)換，電磁波以光速聚能/釋能，瞬息“秒殺”是電磁域典型的戰(zhàn)術形態(tài)。

戰(zhàn)術行動中越來越多的資源密集型計算、時延敏感型任務需要低時延、低能耗、高可靠的處理，這給遠程部署的“云”帶來了巨大挑戰(zhàn)。雖然云計算能力強大，但是在電磁大數(shù)據(jù)軍事應用領域，大型云中心只能處于戰(zhàn)略后方，而實時獲取戰(zhàn)場信息的電子戰(zhàn)裝備平臺卻遠在交戰(zhàn)的前沿。因此，完全依賴于云計算中心進行數(shù)據(jù)處理，就必然要求具有完全不受干擾、不會中斷的超大帶寬通信網(wǎng)絡支撐，這在高度對抗的軍事領域顯然是不現(xiàn)實的。即使這樣的通信網(wǎng)絡存在，大環(huán)路、大規(guī)模數(shù)據(jù)傳輸?shù)难訒r，也往往難以滿足前方電子戰(zhàn)裝備平臺實時交戰(zhàn)的需要。

高價值時敏目標對抗、干擾釋放時機掌控、猝發(fā)戰(zhàn)時信號截獲、欺騙信號實時生成，以及多裝備協(xié)同等戰(zhàn)術時敏業(yè)務，對及時響應、低延遲的指標要求極為苛刻。未來信息作戰(zhàn)閉環(huán)時間還將會不斷縮短，計算密集型業(yè)務的實時戰(zhàn)術決策，將只會更加依賴于邊緣或者裝備端。

3）體系資源運用亟待優(yōu)化

電磁大數(shù)據(jù)處理體系，上層云中心集聚了豐富的數(shù)據(jù)、算力、存儲甚至專家資源，但是網(wǎng)絡受限數(shù)據(jù)不能及時傳上來；下面裝備有數(shù)據(jù)，但資源與力量均不足，數(shù)據(jù)價值難以發(fā)揮和轉(zhuǎn)化為作戰(zhàn)優(yōu)勢。然而將裝備終端節(jié)點產(chǎn)生的海量原始偵察數(shù)據(jù)進行無差別地集中是不科學的，這迫使數(shù)據(jù)處理體系內(nèi)計算密集型時敏業(yè)務去除中心化結(jié)構(gòu)、分散到邊緣，演化為分布式云邊端協(xié)同算力網(wǎng)絡。未來計算資源跟存儲資源也并不會同步增長，各自應同業(yè)務增長曲線匹配。計算與存儲分離，將會成為電磁大數(shù)據(jù)的發(fā)展趨勢。

數(shù)據(jù)按需控制流向需要的地方，做到精準傳送和存儲，減少數(shù)據(jù)對傳輸網(wǎng)絡和存儲資源的無謂占用。算力網(wǎng)絡在裝備端/邊緣處注重數(shù)據(jù)的實時性和底層業(yè)務處理能力，而上級云側(cè)重統(tǒng)籌管理及輔助決策能力，形成優(yōu)勢互補。整個體系資源的優(yōu)化運用尤為迫切，涉及到網(wǎng)絡結(jié)構(gòu)、數(shù)據(jù)傳輸、資源分配、模型部署、分布式聯(lián)邦訓練等一系列新的挑戰(zhàn)。

2 應用架構(gòu)與核心技術分析

2.1 云邊端協(xié)同應用架構(gòu)

云上配置超級智能大腦集中式挖掘分析與學習訓練，在邊緣和裝備端部署多個智能體，在有限網(wǎng)絡資源情況下，通過推送云上挖掘訓練好的模型/規(guī)則/算法包等小數(shù)據(jù)，運用邊緣計算就地實現(xiàn)分布式、協(xié)同智能推理或前向計算，降低數(shù)據(jù)生產(chǎn)與應用決策之間的延遲。電磁大數(shù)據(jù)云邊端協(xié)同應用架構(gòu)如圖1所示。

圖1 電磁大數(shù)據(jù)云邊端協(xié)同應用架構(gòu)

節(jié)點端主要實現(xiàn)裝備海量數(shù)據(jù)采集與就近貼源存儲管理，并完成原始數(shù)據(jù)標注與編目、元數(shù)據(jù)生成和必要的基本處理，對于計算密集型時敏任務直接將計算卸載到邊緣計算層。偵察數(shù)據(jù)處理結(jié)論數(shù)據(jù)，關鍵數(shù)據(jù)的索引/摘要實時傳輸上報，原始數(shù)據(jù)目錄和關聯(lián)標注信息及時入網(wǎng)發(fā)布，全量實體數(shù)據(jù)視條件延遲按需傳輸。

邊緣層主要面向計算密集型戰(zhàn)術時敏業(yè)務，靠近裝備節(jié)點部署，近實時提供網(wǎng)絡傳輸、算力平臺和AI 模型/規(guī)則/算法包應用服務，并可根據(jù)任務的特點進行任務編排、實時處理、計算遷移等，實現(xiàn)低延時、低能耗、高可靠的邊緣計算服務。

核心云主要開展全局數(shù)據(jù)資產(chǎn)運維、電磁大數(shù)據(jù)挖掘分析、AI 模型訓練、專家知識規(guī)則生成等，采取推送服務緩存于邊緣層，發(fā)布AI 模型/規(guī)則/算法包等高價值小數(shù)據(jù)到邊或端，實現(xiàn)云上訓練、邊緣賦智。

一言蔽之，電磁大數(shù)據(jù)云邊端協(xié)同應用架構(gòu)，可實現(xiàn)云上訓練挖掘與全局資源應用、邊緣貼源處理與戰(zhàn)術時敏應用、端側(cè)數(shù)據(jù)采集標注與規(guī)則/模型使用。

2.2 核心關鍵技術分析

2.2.1 跨域數(shù)據(jù)貫通技術

電磁數(shù)據(jù)包括海量原始偵察二進制塊狀數(shù)據(jù)、各級分析處理結(jié)論數(shù)據(jù)、非格式化資料文本/影像數(shù)據(jù)等以及與之關聯(lián)的大量標注/標簽信息。全網(wǎng)數(shù)據(jù)貫通，受限于現(xiàn)實網(wǎng)絡設施條件，全量實體數(shù)據(jù)遷移集中存儲基本不太現(xiàn)實，也違背了云邊端協(xié)同計算理念的初衷，當前分布式存儲、數(shù)據(jù)資產(chǎn)目錄全網(wǎng)感知、實體數(shù)據(jù)按需鑒權獲取，仍是電磁大數(shù)據(jù)跨域貫通的主流解決思路。

具體涉及到非格式化文本資料類數(shù)據(jù)的自動標簽提取、電磁數(shù)據(jù)核心元數(shù)據(jù)生成、跨域數(shù)據(jù)編目與同步、多層次的動態(tài)數(shù)據(jù)標注、細粒度數(shù)據(jù)鑒權等。建議采取“物化”貫通思路，開發(fā)軟硬一體模塊化、微型化功能封裝的小盒子（預置專業(yè)處理模型、規(guī)則、算法、標準等），以“實物標準”確保低成本的實現(xiàn)跨域數(shù)據(jù)貫通。

2.2.2 計算卸載與遷移技術

裝備終端可以將計算任務卸載到附近邊緣節(jié)點或者云中心上執(zhí)行，然后再接收處理結(jié)果，實現(xiàn)資源密集型計算任務從資源受限的裝備終端到邊緣或云上的遷移。此過程涉及數(shù)據(jù)、存儲、算力、網(wǎng)絡、時間等資源的分配，范圍從CPU 周期到通道帶寬。簡單的分配，由于網(wǎng)絡條件變化和資源的限制，任務可能很難以低成本進行計算卸載，甚至難以兼容。

傳統(tǒng)云計算模式中的機制，很難匹配邊緣計算生產(chǎn)環(huán)境。鑒于不同邊緣節(jié)點之間的軟、硬件環(huán)境通常存在異構(gòu)性，采取容器技術屏蔽操作系統(tǒng)層及硬件層的差異，將應用服務及依賴包，打包到一個可移植的容器中，采用沙箱機制，相互之間解除耦合性。具體涉及到計算業(yè)務編排協(xié)同、虛擬機或輕量級容器技術，實現(xiàn)計算任務兼容、部署、調(diào)度、遷移以及預測性維護等。軍事應用還應考慮數(shù)據(jù)安全性和專用網(wǎng)絡設施的建設投入，對于區(qū)域中心站的部署和建設，還涉及數(shù)量和分布的優(yōu)化問題。

2.2.3 智能化邊緣計算技術

邊緣計算并不是簡單地將服務器放到邊緣機房，而應具備“低時延、大帶寬和低成本”等特征，主流觀點認為流量不需要在骨干網(wǎng)上繞行，直接從裝備位置就近送入邊緣計算節(jié)點。

智能化邊緣計算涉及2 個層面，一方面是AI 賦能邊緣計算，借助AI 解決邊緣計算面臨的各類調(diào)度約束優(yōu)化問題，提供更為智能的分布式邊緣解決方案；另一方面是AI 的邊緣化部署框架，關注如何在邊緣部署運行AI 模型，構(gòu)建云-邊-端協(xié)同運行AI 的模型訓練和推理服務框架，獲取性能、成本、隱私、效率等方面的效益。

此外，推理服務是AI 技術落地的“最后一公里”，通過向已經(jīng)訓練收斂并部署在網(wǎng)絡中的AI 模型，發(fā)送攜帶數(shù)據(jù)樣本的服務請求，AI 模型在接收到請求之后，進行推理或者前向計算，之后返回推理結(jié)果。例如，雷達全脈沖數(shù)據(jù)的型號識別、信號參數(shù)的工作模式判別、雷達用途判斷等AI 推理服務。開發(fā)者可將AI 模型的學習、訓練過程放在云端，將生成的模型部署在邊緣網(wǎng)關直接執(zhí)行，優(yōu)化資源提升性能。

邊緣計算固有分布式特征，邊緣層中資源具有稀疏性和離散性，需要研究如何整合離散的分布計算、支持動態(tài)和智能的資源管理。AI賦能邊緣計算，具體涉及到資源協(xié)同、數(shù)據(jù)協(xié)同、智能協(xié)同、應用管理協(xié)同、服務協(xié)同等技術研究，以提高多邊緣設備協(xié)同性和可靠性。

邊 緣/端 的AI 推 理 服務，涉及到邊緣/端服務緩存、微服務化、AI 模型壓縮、樣本壓縮、模型轉(zhuǎn)化等，以確保推理實例規(guī)模更小、創(chuàng)建和遷移速度也更快。

2.2.4 協(xié)同調(diào)度指標體系

計算資源分配和網(wǎng)絡、算力負載均衡調(diào)度指標，目前該方面優(yōu)化研究的指標主要集中于時延和能耗2個維度。

電磁大數(shù)據(jù)典型的全脈沖分選流式節(jié)拍處理、脈內(nèi)采樣數(shù)據(jù)智能訓練、型號識別樣本數(shù)據(jù)實時計算、規(guī)律/行為離線海量數(shù)據(jù)挖掘、復雜體系目標人機結(jié)合網(wǎng)絡分析等多種計算場景，對于數(shù)據(jù)、存儲、算力、網(wǎng)絡、時間、專家等資源的需求量相差甚遠，合理的協(xié)同調(diào)度指標體系，是引導和促進云邊端協(xié)同算力網(wǎng)絡體系效益最大化發(fā)揮的前提條件。

業(yè)務層面重點開展電磁大數(shù)據(jù)的應用業(yè)務場景研究，梳理計算量、實時性要求等。技術層面開展“云-邊-端”智能協(xié)同應用研究，實現(xiàn)云上離線訓練（識別模型、知識規(guī)則、算法包等），邊緣/端側(cè)加載智能在線推理運用。進行計算密集型任務卸載至邊緣節(jié)點/云服務器的策略研究，例如對于計算卸載任務，由邊緣節(jié)點確定自行處理還是由邊緣節(jié)點和云服務器協(xié)同處理。

3 典型應用場景探討

云邊端協(xié)同應用架構(gòu)為電磁大數(shù)據(jù)領域應用和服務提供了新技術、新思路和新方案。典型的應用方式是在偵察裝備/武器平臺構(gòu)建智能端、在部隊級構(gòu)建區(qū)域邊緣計算節(jié)點、在戰(zhàn)區(qū)及以上構(gòu)建核心云中心，形成云邊端協(xié)同應用體系，典型應用方式場景示意圖如圖2 所示。

圖2 典型應用場景示意圖

下面就云邊端協(xié)同，具體探討幾種典型的應用使用方式場景。

1）電子戰(zhàn)體系對抗作戰(zhàn)應用

體系對抗是電磁空間作戰(zhàn)的典型特點，非對稱體系破襲，既需要前端電子對抗裝備平臺的敏捷戰(zhàn)術行動，也需要后臺強大算力“大腦”開展體系薄弱、關鍵環(huán)節(jié)、戰(zhàn)場威脅等分析支援。

隨著軍用網(wǎng)絡的發(fā)展，云邊端協(xié)同應用架構(gòu)將裝備端算力上移、中心云算力下沉，在邊緣層形成算力融合層，實現(xiàn)多層級的協(xié)同“算力網(wǎng)絡”。云上訓練挖掘與全局資源應用、邊緣貼源處理與戰(zhàn)術時敏應用、端側(cè)數(shù)據(jù)采集標注與規(guī)則/模型使用等成為現(xiàn)實。其中端側(cè)的工程實施，一種是在有條件的情況下擴展端存儲能力；另一種是就近依托邊緣節(jié)點，解決存儲容量需求問題。可確保全軍整個電子戰(zhàn)力量協(xié)同融合應用，最終形成頑存抗毀的電子戰(zhàn)體系。

2）機動指揮所邊緣加強處理

局部軍事沖突或者部隊演習演練，通常需在部隊指揮所快速臨時開設專業(yè)化的機動區(qū)域中心邊緣處理節(jié)點。在聯(lián)網(wǎng)條件受限情況下，云邊端協(xié)同應用架構(gòu)將本地大容量數(shù)據(jù)進行就地預處理，少量結(jié)論級關鍵數(shù)據(jù)上傳，形成邊緣節(jié)點的計算、存儲和時敏業(yè)務應用能力。

利用邊緣計算節(jié)點更加適合小規(guī)模智能分析和本地化服務的優(yōu)勢。通過機動搬移、重定義、模塊化組合等快速開設，針對不同情況靈活組織適配指揮流程，形成快速接入、實時處理、智能分析等邊緣處理能力，將戰(zhàn)術計算密集型任務卸載到機動邊緣節(jié)點，提升對指揮所的快速響應和數(shù)據(jù)就近機動保障能力。

3）網(wǎng)絡受限下野戰(zhàn)戰(zhàn)術行動

云邊端協(xié)同能夠適應更加復雜的網(wǎng)絡環(huán)境，通過AI 模型的邊緣/端部署，使得電子戰(zhàn)裝備擁有“天然”智能，能夠適應設備間歇性網(wǎng)絡連接的場景，甚至即使戰(zhàn)時出現(xiàn)斷網(wǎng)也可智能運行。

把一部分AI 推理服務做成輕量化的推理引擎，并部署于邊緣節(jié)點或終端節(jié)點，在網(wǎng)絡帶寬受限或斷網(wǎng)情況下，運用有限的算力和存儲資源，進行自主化、智能化的獨立處理和戰(zhàn)術行動優(yōu)化。在邊緣域進行數(shù)據(jù)和資源協(xié)同，減輕回程鏈路壓力，降低網(wǎng)絡帶寬消耗，即使與云中心斷開連接，在一段時間內(nèi)仍可以提供相關數(shù)據(jù)和信息支持，保證作戰(zhàn)的連貫性和穩(wěn)定性。通信恢復時，再將關鍵數(shù)據(jù)發(fā)回邊緣/云處理中心。

4）電磁大數(shù)據(jù)資源體系構(gòu)建

隨著電子戰(zhàn)裝備智能化發(fā)展，裝備節(jié)點具備的計算能力越來越強，不僅能完成電磁信號數(shù)據(jù)采集，還能將其進行初級處理和轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。為追求軍事行動的快速響應，不同于商業(yè)大數(shù)據(jù)，盡可能把電磁數(shù)據(jù)標準化、結(jié)構(gòu)化是軍用電磁大數(shù)據(jù)應用的重要環(huán)節(jié)。伴隨邊緣向數(shù)據(jù)源頭的加速部署，算力下沉到邊緣/裝備端，電磁大數(shù)據(jù)源頭治理不夠、標注不全的問題將得到有效地解決。傳統(tǒng)ETL 限制了未建模數(shù)據(jù)價值的提取和發(fā)揮（僅對認識到價值的字段進行轉(zhuǎn)換處理，丟棄了大量未知字段），而邊緣能力提升，也使得ELT 成為可能，以將數(shù)據(jù)價值充分的保存和供事后深度挖掘分析，將極大地促進電磁大數(shù)據(jù)資源體系構(gòu)建。

云邊端協(xié)同“算力網(wǎng)絡”，在邊緣/端可以進行數(shù)據(jù)的預先過濾與分析，減少了設備與云端之間的數(shù)據(jù)流量，使得計算任務的響應時間更短。將經(jīng)過預處理后的少量高價值密度數(shù)據(jù)上傳，極大減輕了海量原始數(shù)據(jù)給網(wǎng)絡帶寬造成的壓力、避免了網(wǎng)絡擁塞，可有力發(fā)揮出電磁大數(shù)據(jù)資源體系的整體效能。

4 結(jié)束語

架構(gòu)合理性直接關乎需求實現(xiàn)的復雜度、系統(tǒng)的穩(wěn)健性與可擴展性等。裝備端數(shù)據(jù)貼源采集、治理，計算密集型時敏業(yè)務及時卸載，避免處理能力不匹配貽誤戰(zhàn)機；邊緣實現(xiàn)數(shù)據(jù)就近實時處理，在網(wǎng)絡邊緣完成數(shù)據(jù)篩選與數(shù)據(jù)集成，組裝結(jié)構(gòu)化數(shù)據(jù)，加速異構(gòu)數(shù)據(jù)融合，緩解云服務器壓力；云中心聚焦全局資源應用與知識訓練挖掘。三者優(yōu)勢互補，在具備低時延、低能耗、高可靠、安全性等的同時還具備較強的體系頑存抗毀能力。云邊端協(xié)同應用架構(gòu)，形成算力網(wǎng)絡為電磁大數(shù)據(jù)應用和數(shù)據(jù)資源體系建設提供了新技術、新思路、新方案，尤其是云上訓練多智能體部署協(xié)同運用，對于推進電磁大數(shù)據(jù)智能化應用發(fā)展具有重要意義。