摘要：隨著物聯(lián)網(wǎng)（Internet of Things，IoT）的不斷發(fā)展和大數(shù)據(jù)的壓倒性爆炸，邊緣計算已經(jīng)成為云計算中心和移動終端之間的橋梁之一。文章首先介紹了邊緣計算的定義和邊緣計算平臺的優(yōu)點，并在此基礎(chǔ)上分析了構(gòu)建邊緣計算平臺的關(guān)鍵技術(shù)，提出了邊緣計算平臺的總體框架，闡述了分布式存儲管理系統(tǒng)在構(gòu)建邊緣計算平臺中的作用。此外，文章結(jié)合應(yīng)用范例說明使用第三方邊緣計算平臺構(gòu)建特定應(yīng)用程序方法，并探討了當前邊緣計算平臺的開放問題。

關(guān)鍵詞：物聯(lián)網(wǎng)；邊緣計算；異構(gòu)數(shù)據(jù)

中圖分類號：TP393文獻標志碼：A

0 引言

隨著信息技術(shù)的發(fā)展和人們生活質(zhì)量需求的增長，智能設(shè)備如智能手機、可穿戴設(shè)備、IoT設(shè)備等越來越受歡迎。根據(jù)思科2020年發(fā)布的年度互聯(lián)網(wǎng)報告（AIR），到2023年，全球聯(lián)網(wǎng)設(shè)備數(shù)量將達到293億。隨著人工智能算法（如深度學(xué)習(xí)）、計算機網(wǎng)絡(luò)和電信技術(shù)（如5G技術(shù)）的快速發(fā)展，智能設(shè)備提供的互聯(lián)網(wǎng)服務(wù)在種類和復(fù)雜性方面都經(jīng)歷了快速增長，如移動應(yīng)用和物聯(lián)網(wǎng)服務(wù)［1］。

1 研究背景

如今，許多智能設(shè)備的硬件性能幾乎與個人電腦相當，98%的Android設(shè)備至少有4個核，一些移動設(shè)備甚至配備了GPU。即便如此，由于智能設(shè)備有限的電池容量、計算資源和無線帶寬，許多應(yīng)用程序很難在智能設(shè)備上運行。為了解決這一問題，有研究提出利用云計算來擴展用戶設(shè)備的資源，將用戶的部分任務(wù)轉(zhuǎn)移到云上。與此同時，隨著物聯(lián)網(wǎng)在智慧城市背景下的快速發(fā)展，高數(shù)據(jù)速率傳感器變得無處不在，海量的感知數(shù)據(jù)流在地理空間上的分布，使得傳統(tǒng)的云計算范式由于核心網(wǎng)的帶寬瓶頸而延遲較長［2］。針對以上問題，云由于具有豐富的處理資源，能夠縮短用戶設(shè)備的處理時間，提高計算量。與集中式云計算或移動云計算相比，移動邊緣計算可以提供一個高度分布式的計算環(huán)境，因此，移動邊緣云為解決以上問題提供了一種解決思路。

2 邊緣云的概念和工作場景

移動邊緣云提供的分布式計算環(huán)境可用于部署應(yīng)用程序和服務(wù)以及在移動用戶附近存儲和處理內(nèi)容，是云計算向網(wǎng)絡(luò)邊緣的擴展。部署在網(wǎng)絡(luò)邊緣的邊緣云是移動用戶與遠程云之間的重要橋梁，每個邊緣云可用的計算資源可以以計算、存儲和軟件的形式為移動應(yīng)用程序提供服務(wù)，從而減少訪問延遲和網(wǎng)絡(luò)帶寬的使用率。

如圖1所示，邊緣云計算環(huán)境分為設(shè)備層、邊緣層和云層3層。在設(shè)備層，各種用戶設(shè)備在本地執(zhí)行任務(wù)，當本地資源無法完成所有任務(wù)時，將部分任務(wù)卸載給邊緣服務(wù)器或云服務(wù)器。用戶或服務(wù)提供者決定卸載的任務(wù)，這將在后面文中說明。用戶設(shè)備通過不同的網(wǎng)絡(luò)接入點（Access Point，AP）與多個邊緣云服務(wù)器建立網(wǎng)絡(luò)連接，如微型基站、路由器等，在不同的場景下進行數(shù)據(jù)傳輸。用戶設(shè)備包括智能家居場景中的智能家具、智能交通中的信號燈、攝像頭和車輛、移動計算場景中的智能手機和平板電腦等。在邊緣層中，存在一個或多個邊緣中心（簡稱“邊緣”），每個邊緣中心由一個或多個邊緣服務(wù)器組成，與一些用戶設(shè)備通信，執(zhí)行相應(yīng)AP的卸載任務(wù)。邊緣服務(wù)器與其他一些邊緣服務(wù)器或云層有連接，當它不能完成卸載給它的所有任務(wù)時，可以“借用”資源。由于空間和輔助設(shè)備的限制，一個edge通常只有很少的服務(wù)器，因此當用戶負載較大時，需要云層作為邊緣資源來服務(wù)用戶。

3 邊緣云計算關(guān)鍵技術(shù)分析

邊緣云是網(wǎng)絡(luò)邊緣的云，在移動邊緣計算中的功能更為強大，可以為遠程用戶提供更多的計算資源，如應(yīng)用和服務(wù)、存儲、內(nèi)容處理等，不同的服務(wù)器在不同的網(wǎng)絡(luò)環(huán)境中產(chǎn)生不同的放置是處理問題的關(guān)鍵。例如，Wang等［3］將Web服務(wù)器副本放置問題簡化為K-中值問題，即在N個候選站點（N gt;M）中選擇M個副本（或托管服務(wù)），然后描述了副本放置問題的圖論公式。為了解決這個問題，他們開發(fā)了幾種算法，如基于樹的算法、貪婪算法、隨機算法以及基于拉格朗日松弛和次梯度優(yōu)化的超優(yōu)化算法。Hu等［4］采用了一種新的基于K-Means聚類的算法來選擇媒體服務(wù)器的位置，并在多媒體環(huán)境中識別客戶端和媒體服務(wù)器之間的最佳匹配。他們還利用最新的網(wǎng)絡(luò)協(xié)調(diào)技術(shù)減少在獲取globa時的工作負載服務(wù)器位置的網(wǎng)絡(luò)信息。

在客戶位置分布約束下，優(yōu)化了服務(wù)延遲性能與部署成本之間的權(quán)衡。雖然不同環(huán)境下的布局問題可以歸結(jié)為一般的K-中值問題，但它們本質(zhì)上是不同的。在內(nèi)容分發(fā)網(wǎng)絡(luò)中，副本服務(wù)器或緩存服務(wù)器是遠程服務(wù)器的鏡像，它在保持高效和均衡的資源消耗的同時向客戶端提供內(nèi)容交付［5］。遠程用戶從緩存/復(fù)制服務(wù)器獲取服務(wù)，該模型減少了遠程訪問的帶寬，分擔了網(wǎng)絡(luò)流量，降低了原網(wǎng)站服務(wù)器的負載。然而，邊緣云在移動邊緣計算中的功能更為強大。它是網(wǎng)絡(luò)邊緣的云，可以為遠程用戶提供更多的計算資源，如應(yīng)用和服務(wù)、存儲、內(nèi)容處理等。因此，不同的服務(wù)器在不同的網(wǎng)絡(luò)環(huán)境中會產(chǎn)生不同的放置問題。例如，內(nèi)容分發(fā)網(wǎng)絡(luò)的目標函數(shù)是最小化延遲、帶寬消耗、能源消耗和成本，而不是工作負載平衡或邊緣云的容量約束。

4 邊緣云網(wǎng)絡(luò)體系構(gòu)建和應(yīng)用

移動邊緣網(wǎng)絡(luò)可以被認為是一個由兩部分構(gòu)成的網(wǎng)絡(luò)G =（V∪S、E）組成的許多基站和一組候選位置邊緣云，V是基站的集合，S是一組候選云邊緣的位置，和E組之間的聯(lián)系是兩個基站或基站和云的連接優(yōu)勢。為簡便起見，將所有基站的位置都視為邊緣云的候選位置，即S = V，每個邊緣云都與一個基站進行搭配。另外，假設(shè)有k個邊緣云放置在S的k個位置，每個邊緣云的計算能力相同。通過重新定義工作負載平衡，建議的方法也可以應(yīng)用于布局問題，其中每個邊緣云的計算資源是不同的。移動用戶通過向基站發(fā)送請求來獲取服務(wù)，基站將其任務(wù)轉(zhuǎn)移到邊緣云上，快速為移動用戶提供服務(wù)。邊緣云負責(zé)基站的一個子集，而基站只與單個邊緣云連接。在用戶分配感知的邊緣云布局問題中，有兩個具體問題需要解決，一個是邊緣云的布局，另一個是移動用戶的分配，即基站的分配。對于邊緣云放置問題，本文采用的兩個評價指標是工作負載均衡和通信時延。（1）用戶對基站的請求為該基站的工作負載，通過基站卸載到邊緣云的用戶請求之和為邊緣云的工作負載。工作負載的平衡保證不會出現(xiàn)一些邊緣云負載過重而另一些云負載過低或甚至空閑的情況。由于每個邊緣云的計算能力相同，均衡的工作負載也保證了每個邊緣云服務(wù)的用戶的計算延遲和排隊延遲相似。（2）在本文中，通信時延是指來自基站及其邊緣云負載的時延。如果邊緣云與基站配置在一起，那么基站上的用戶將擁有最小的通信延遲。邊緣云布局模型如圖2所示。

在現(xiàn)實世界中，有很多場景都是用戶在一個相對較小的區(qū)域內(nèi)移動，可以把該區(qū)域認為是在一個邊緣覆蓋的區(qū)域內(nèi)。例如，在醫(yī)院里一些病人有隨時可能發(fā)生的急性病，可以借助移動邊緣云構(gòu)建的網(wǎng)絡(luò)體系，幫助護士和醫(yī)生密切關(guān)注一些設(shè)備收集的病人實時狀態(tài)信息，并通過一些智能健康預(yù)測方法持續(xù)分析，以便這些急癥發(fā)作時能夠及時進行急救。再例如，療養(yǎng)院中老人幾乎所有的時間都在該區(qū)域內(nèi)活動，療養(yǎng)院作為一個很小的區(qū)域可以構(gòu)建移動邊緣云網(wǎng)絡(luò)體系，通過將健康信息發(fā)送給療養(yǎng)院的工作人員實現(xiàn)借助智能設(shè)備對老年人的監(jiān)控和照料。以上應(yīng)用中需要提示的是：（1）用戶設(shè)備有足夠的計算資源；（2）移動邊緣比設(shè)備提供了更好的性能，并且云設(shè)備和邊緣都沒有足夠的資源。若存在上述情況則移動邊緣云計算可以較好地解決問題。

5 結(jié)語

邊緣計算平臺為基于邊緣的計算應(yīng)用程序提供了體系結(jié)構(gòu)和軟件支持，從而減少了延遲，并顯著提高了效率。事實上，在邊緣計算的實際應(yīng)用中，大約90%的邊緣復(fù)雜度與軟件有關(guān)。許多第三方邊緣計算平臺提供了硬件支持，但忽略了軟件是區(qū)分邊緣計算質(zhì)量和復(fù)雜性的關(guān)鍵。目前，邊緣計算平臺仍處于快速發(fā)展階段，未來，針對特定應(yīng)用場景的專用邊緣計算平臺將快速發(fā)展。智能家居、智能工廠和智能城市是目前關(guān)注的應(yīng)用場景，如何系統(tǒng)地支持這些場景的功能需求是邊緣計算平臺的發(fā)展趨勢之一［6］。

參考文獻

［1］KAMILARIS A，PITSILLIDES A. Mobile phone computing and the internet of things： A survey［J］. IEEE Internet of Things Journal，2016（6）：885-898.

［2］HONG Z， CHEN W， HUANG H， et al. Multi-hop coop-erative computation offloading for industrial iot-edge-cloud computing environments［J］.IEEE Transactions on Parallel and Distributed Systems，2019（12）：2759-2774.

［3］WANG B，WANG C，SONG Y， et al. A survey and taxonomy on workload scheduling and resource provisioning in hybrid clouds［J］. Cluster Computing，2020（4）：2809-2834.

［4］HU P， NING H， CHEN L， et al. An open Internet of Things system architecture based on software-defined device［J］. IEEE Internet of Things Journal，2019（2）：2583-2592.

［5］PORAMBAGE P，OKWUIBE J，LIYANAGE M，et al. Survey on multi-access edge computing for Internet of Things realization［J］. IEEE Communications Surveys amp; Tutorials，2018（4）：2961-2991.

［6］HUANG P，WANG Y，WANG K， et al. A bilevel optimization approach for joint offloading decision and resource allocation in cooperative mobile edge computing［J］. IEEE Transactions on Cybernetics，2019（10）：1-14.

Application of heterogeneous edge calculation in Internet of Things

ZhangChunna， FanJiangbo， YangLi

（Sanmenxia Polytechnic， Sanmenxia 472000， China）

Abstract： With the continuous development of the Internet of Things （IoT） and the overwhelming explosion of big data， edge computing has become one of the bridges between cloud computing centers and mobile terminals. This paper first introduces the definition of edge computing and the advantages of edge computing platform， and then analyzes the key technologies of building edge computing platform， puts forward the overall framework of edge computing platform， and expounds the role of distributed storage management system in building edge computing platform. In addition， the article illustrates the method of building specific applications using a third-party edge computing platform with an application example， and discusses the open issues of the current edge computing platform.

Key words： Internet of Things; edge calculation; heterogeneous data