所有分类
  • 所有分类
  • 机械工业
  • 人民邮电
  • 清华大学
  • 电子工业

干货|一文看懂边缘计算

1、边缘计算概念

     不同的机构对边缘计算给出了不同的定义。维基百科中:边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理[1]。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。OpenStack社区的定义概念:边缘计算是为应用开发者和服务提供商在网络的边缘侧提供云服务和IT环境服务;目标是在靠近数据输入或用户的地方提供计算、存储和网络带宽”。OpenFog联盟使用术语——雾计算,来描述边缘计算。词“雾”意在表达云计算的优势应该更接近数据源的想法(在气象学中,雾只是简单的、一朵接近地面的云)。

     边缘计算着重要解决的问题,是传统云计算(或者说是中央计算)模式下存在的高延迟、网络不稳定和低带宽问题。举一个现实的例子,几乎所有人都遇到过手机APP 出现404错误的情况 ,这样的一些错误出现就和网络状况、云服务器带宽限制有关系。由于资源条件的限制,云计算服务不可避免收到高延迟、和网络不稳定带来的影响,但是通过将部分或者全部处理程序迁移至靠近用户或数据收集点,边缘计算能够大大减少在云中心模式站点下给应用程序所带来的影响。
2、边缘计算体系架构
    下图2是一个边缘计算网络的概念图,它是连接设备和云端的重要中间环节。

干货|一文看懂边缘计算插图

图1 传统云计算模型
干货|一文看懂边缘计算插图1干货|一文看懂边缘计算插图2
图2边缘计算架构
图1所示为传统云计算模型.源数据由生产者发送至云端,终端用户、智能手机、个人电脑等数据消费者向云中心发送使用请求.图1中,蓝色实线表示数据生产者发送源数据到云中心,红色实线表示数据消费者向云中心发送使用请求,红色虚线表示云中心将结果反馈给数据消费者.云计算利用大量计算资源来处理数据,但万物互联环境下,传统云计算模型不能有效满足万物互联应用的需求,其原因主要有:①直接将边缘设备端海量数据发送到云端,造成网络带宽负载和计算资源浪费;②传统云计算模型的隐私保护问题将成为万物互联架构中云计算模型的障碍;③万物互联架构中大多数边缘设备节点的能源是有限的,并且 GSM,WiFi等无线传输模块的能耗较大.

边缘计算是指在网络边缘执行计算的一种新型计算模型,边缘计算中边缘的下行数据表示云服务,上行数据表示万物互联服务,而边缘计算的边缘是指从数据源到云计算中心路径之间的任意计算和网络资源。图2表示基于双向计算流的边缘计算模型。云计算中心不仅从数据库收集数据,也从传感器和智能手机等边缘设备收集数据。这些设备兼顾数据生产者和消费者。因此,终端设备和云中心之间的请求传输是双向的。网络边缘设备不仅从云中心请求内容及服务,而且还可以执行部分计算任务,包括数据存储、处理、缓存、设备管理、隐私保护等。因此,需要更好地设计边缘设备硬件平台及其软件关键技术,以满足边缘计算模型中可靠性、数据安全性的需求。

3、边缘计算的优势
边缘计算模型将原有云计算中心的部分或全部计算任务迁移到数据源附近,相比于传统的云计算模型,边缘计算模型具有实时数据处理和分析、安全性高、隐私保护、可扩展性强、位置感知及低流量的优势。
(1)实时数据处理和分析。将原有云计算中心的计算任务部分或全部迁移到网络边缘,在边缘设备处理数据,而不是在外部数据中心或云端进行;因此提高了数据传输性能,保证了处理的实时性,同时也降低了云计算中心的计算负载。
(2)安全性高。传统的云计算模型是集中式的,这使得它容易受到分布式拒绝服务供给和断电的影响。边缘计算模型在边缘设备和云计算中心之间分配处理、存储和应用,使得其安全性高。边缘计算模型也降低了发生单点故障的可能性。
(3)保护隐私数据,提升数据安全性。边缘计算模型是在本地设备上处理更多数据而不是将其上传至云计算中心,因此边缘计算还可以减少实际存在风险的数据量。即使设备受到攻击,它也只会包含本地收集的数据,而不是受损的云计算中心。
(4)可扩展性。边缘计算提供了更便宜的可扩展性路径,允许公司通过物联网设备和边缘数据中心的组合来扩展其计算能力。使用具有处理能力的物联网设备还可以降低扩展成本,因此添加的新设备都不会对网络产生大量带宽需求。
(5)位置感知。边缘分布式设备利用低级信令进行信息共享。边缘计算模型从本地接入网络内的边缘设备接收信息以发现设备的位置。例如导航,终端设备可以根据自己的实时位置把相关位置信息和数据交给边缘节点来进行处理,边缘节点基于现有的数据进行判断和决策。
(6)低流量。本地设备收集的数据可以进行本地计算分析,或者在本地设备上进行数据的预处理,不必把本地设备收集的所有数据上传至云计算中心,从而可以减少进入核心网的流量。
未来物联网的发展会有两个趋势:海量连接及由此产生的海量数据。具体连接和数据有多大? 根据Garter(全球最具权威的IT研究与顾问咨询公司,成立于1979年,总部设在美国康涅狄克州斯坦福)预测,2019年使用的联网物件将多达142亿个,到2021年总数将达到250亿个,它们会生成大量的数据。手机也是联网物件,每个月能够产生的流量大家自己能够估算出来,大体会在100G 的范围内。但是,物联网中的联网体,可不只有手机,比如说飞机、风力发电机组和电梯。
波音787为例,其每一个飞行来回可产生TB级的数据,美国每个月收集360万次飞行记录;监视所有飞机中的25000个引擎,每个引擎一天产生588GB的数据。这样一个级别的数据,如果都上传到云计算的服务器中,无论对于算力和带宽,都提出了苛刻的要求。风力发电机装有测量风速、螺距、油温等多种传感器,每隔几毫秒测一次,用于检测叶片、变速箱、变频器等的磨损程度,一个具有500个风机的风场一年会产生2PB的数据。如此PB 级别的数据,如果实时上传到云计算中心并产生决策,无论从算力和带宽的角度,都提出了苛刻的要求,更不要说由于延迟而产生的即时响应问题。面对这样的场景,边缘计算就体现出它的优势了,由于部署在设备侧附近,可以通过算法即时反馈决策,并可以过滤绝大部分的数据,有效降低云端的负荷,使得海量连接和海量数据处理成为可能。所以,边缘计算将作为云计算的补充,在未来共同存在于物联网的体系架构中。
4、边缘计算的典型应用
(1)医疗保健。边缘计算可以辅助医疗保健,例如可以针对患有中风的患者辅助医疗保健。研究人员最近提出了一种名为 U-fall 的智能医疗基础设施,它通过采用边缘计算技术来利用智能手机。在边缘计算的辅助下,U-fall 借助智能设备传感器实时感应运动检测。边缘计算还可以帮助健康顾问协助他们的病人,而不受其地理位置的影响。边缘计算使智能手机能够从智能传感器收集患者的生理信息,例如脉搏率、体温等,并将其发送到云服务器以进行存储、数据同步和共享。
(2)视频分析。在万物联网时代,用于监测控制的摄像机无处不在,传统的终端设备——云服务器架构可能无法传输来自数百万台终端设备的视频。在这种情况下,边缘计算可以辅助基于视频分析的应用。在边缘计算辅助下,大量的视频不用再全部上传至云服务器,而是在靠近终端设备的边缘服务器中进行数据分析,只把边缘服务器不能处理的小部分数据上传至云计算中心即可。
(3)车辆互联。通过互联网接入为车辆提供便利,使其能够与道路上的其他车辆连接。如果把车辆收集的数据全部上传至云端处理会造成互联网负载过大,导致传输延迟;因此,需要边缘设备其本身具有处理视频、音频、信号等数据的能力。边缘计算可以为这一需要提供相应的架构、服务、支持能力,缩短端到端延迟,使数据更快地被处理,避免信号处理不及时而造成车祸等事故。一辆车可以与其他接近的车辆通信,并告知他们任何预期的风险或交通拥堵。
(4)移动大数据分析。无处不在的移动终端设备可以收集大量的数据,大数据对业务至关重要,因为它可以提取可能有益于不同业务部门的分析和有用信息。大数据分析是从原始数据中提取有意义的信息的过程。在移动设备附近实施部署边缘服务器可以通过网络高带宽和低延迟提升大数据分析。例如,首先在附近的边缘服务器中收集和分析大数据,然后可以将大数据分析的结果传递到核心网络以进一步处理,从而减轻核心网络的压力。
(5)智能建筑控制。智能建筑控制系统由部署在建筑物不同部分的无线传感器组成。传感器负责监测和控制建筑环境,例如温度、气体水平或湿度。在智能建筑环境中,部署边缘计算环境的建筑可以通过传感器共享信息并对任何异常情况做出反应。这些传感器可以根据其他无线节点接收的集体信息来维持建筑气氛。
(6)海洋监测控制。科学家正在研究如何应对任何海洋灾难性事件,并提前了解气候变化。这可以帮助人们快速采取应对措施,从而减轻灾难性事件造成的严重后果。部署在海洋中某些位置的传感器大量传输数据,这需要大量的计算资源和存储资源。而利用传统的云计算中心来处理接收到的大量数据可能会导致预测传输的延迟。在这种情况下,边缘计算可以发挥重要作用,通过在靠近数据源的地方就近处理,从而防止数据丢失或传感器数据传输延迟。
(7)智能家居。随着物联网技术的发展,智能家居系统得到进一步发展,其利用大量的物联网设备实时监测控制家庭内部状态,接收外部控制命令并最终完成对家居环境的调控,以提升家居安全性、便利性、舒适性。由于家庭数据的隐私性,用户并不总是愿意将数据上传至云端进行处理,尤其是一些家庭内部视频数据。而边缘计算可以将家庭数据处理推送至家庭内部网关,减少家庭数据的外流,从而降低数据外泄的可能性,提升系统的隐私性。
(8)智慧城市。预测显示:一个百万人口的城市每天将会产生 200 PB 的数据。因此,应用边缘计算模型,将数据在网络边缘处理是一个很好的解决方案。例如在城市路面检测中,在道路两侧路灯上安装传感器收集城市路面信息,检测空气质量、光照强度、噪声水平等环境数据,当路灯发生故障时能够即时反馈给维护人员,同时辅助健康急救和公共安全领域。
(9)卫星通信(SATCOM)。该场景以大量可用的终端设备分布于最偏远和恶劣的环境为特征。将这些分散的平台用于提供托管服务极为合理的,尤其是当考虑到极高的延时,有限的带宽以及跨卫星通讯的费用。具体事例可能包括船舶(从渔船到油轮),飞机,石油钻井,采矿作业或军事基础设施。
5、边缘计算现状
   在工业界中,亚马逊、谷歌和微软等云巨头正在成为边缘计算领域的领先者。亚马逊的 AWS Greengrass 服务进军边缘计算领域,走在了行业的前面。AWS Greengrass 将 AWS 扩展到设备上,这样本地生成的数据就可以在本地设备上处理。微软在这一领域也有大动作,该公司计划未来 4 年在物联网领域投入 50 亿美元,其中包括边缘计算项目。谷歌宣布了 2 款新产品,意在帮助改善边缘联网设备的开发。
   它们分别是硬件芯片 Edge 张量处理单元(TPU) 和软件堆栈 Cloud 物联网(IoT) Edge。涉足边缘计算领域的并不只是这 3 大云巨头。2015 年,思科、ARM、因特尔、微软、普林斯顿大学联合成立了 Open Fog 联盟;2016 年 11 月 30 日,在北京正式成立了产学研结合的边缘计算产业合作平台,推动运行技术(OT)和信息与通信技术(ICT)产业开放协作,引领边缘计算产业蓬勃发展,深化行业数字化转型。
学术界也展开了关于边缘计算的研究,边缘计算顶级年会电气和电子工程师协会(IEEE)/国际计算机协会(ACM)边缘计算研讨会(SEC)、IEEE 国际分布式计算系统会议(ICDCS)、国际计算机通信会议(INFOCOM)等重大国际会议都开始增加边缘计算的分会和专题研讨会。涉及主要关键技术及研究热点如下:
(1)  计算卸载。计算卸载是指终端设备将部分或全部计算任务卸载到资源丰富的边缘服务器,以解决终端设备在资源存储、计算性能以及能效等方面存在的不足。计算卸载的主要技术是卸载决策。卸载决策主要解决的是移动终端如何卸载计算任务、卸载多少以及卸载什么的问题。根据卸载决策的优化目标将计算卸载分为以降低时延为目标、以降低能量消耗为目标以及权衡能耗和时延为目标的 3 种类型。
(2)移动性管理。边缘计算依靠资源在地理上广泛分布的特点来支持应用的移动性,一个边缘计算节点只服务周围的用户。云计算模式对应用移动性的支持则是服务器位置固定,数据通过网络传输到服务器,所以在边缘计算中应用的移动管理是一种新模式。主要涉及 2 个问题:资源发现,即用户在移动的过程中需要快速发现周围可以利用的资源,并选择最合适的资源。边缘计算的资源发现需要适应异构的资源环境,还需要保证资源发现的速度,才能使应用不间断的为用户提供服务。另一个问题是资源切换,即当用户移动时,移动应用使用的计算资源可能会在多个设备间切换。资源切换要将服务程序的运行现场迁移,保证服务连续性是边缘计算研究的一个重点。一些应用程序期望在用户位置改变之后继续为用户提供服务。边缘计算资源的异构性与网络的多样性,需要迁移过程自适应设备计算能力与网络带宽的变化。
6、边缘计算的挑战
中国工程院院士邬贺铨是推进边缘计算技术与产业繁荣发展倡议的专家之一,对边缘计算有着更加深入的思考。在近期的2018边缘计算技术峰会上,他表示,边缘计算技术应该是一个体系,但目前包括他本人都对这个体系了解只是边缘,根本没有进入到核心,很多东西不太清楚,所以提出十问。
干货|一文看懂边缘计算插图3
NO1:5G MEC(移动边缘计算)应该下沉到什么位置?边缘计算放在DU?还是CU?还是放在核心网?显然靠近底下反应越快,数量越多,放在什么位置是值得研究的。
NO2:计算能力是一级设置还是多级设置?在采用MEC的前提下,还要不要同时设置云计算?在云计算和MEC之间是否需要设置雾计算?一个云计算节点联接的移动边缘计算(或雾计算)节点的合理数量是多少?
NO3:计算能力如何在云计算与边缘计算间优化配置?计算能力的分割是固定的还是可动态调整的?MEC需要向云计算节点上报过滤后的数据。云计算节点需要向MEC下发指令,除此之外两者间的通信还应有什么任务?
NO4:MEC间通过云计算节点互通还是直接通信?同样是边缘计算节点,它们之间要不要互通,或者说必须间接互通?
NO5:边缘计算需要有IaaS/PaaS/SaaS等服务能力吗?假如通过边缘计算增强人脸识别能力,边缘计算至少具备PaaS的功能,还需要可能具有一些视频转码的功能就是SaaS,有可能需要DaaS(数据即服务)的功能,边缘计算是不是都这么全?到底需要有几层,值得研究。
NO6:边缘计算需要同时具备接入、转发和控制云能力吗?如果说边缘计算是放在CU,它要集中管理好多DU,是否也应该具有控制云的能力?
NO7:MEC应该与网络切片结合吗?网络切片是5G最基本的一个特征,边缘计算要不要结合?
NO8:位于C-RAN的MEC需要按业务来配置吗?不同的边缘计算对应不同的应用,有对应移动大数据,有对应大连接的,还有对应社会与互联网数据的。在这种情况下,边缘计算是按业务来配置的,将来的边缘计算也是这样吗?
NO9:MEC是独立设置还是应与其他功能集成?基站的边缘计算首先进行大数据的收集采集,同时实现加密,在对大数据进行消化后,它回送网络数据链应该是减少的,也就意味着对数据过滤,为了过滤,它可能需要缓存,所以,边缘计算会跟缓存数据采集,数据分析,过滤,计算能力集中在一起,边缘计算绝不是单一的计算能力。
NO10:MEC的功能需要软件定义吗?MEC可仿照NFV实现软件定义,允许跨过多厂家的MEC平台有效与无缝集成来自厂商、服务提供商和第三方的应用,MEC的功能会开放吗?如果开放就要有接入权限管理。
邬贺铨还说,他对MEC的思考还不止这些,但他希望能看到答案。目前,对于边缘计算的发展思路,仍然没有到完全清晰的时刻,仍然等待各大企业对于边缘计算技术的进一步研究。
1

评论0

请先

显示验证码
没有账号? 注册  忘记密码?