边缘计算：万物互联时代新型计算模型 施巍松
主要解决
1.海量的边缘数据的集中处理
2.边缘数据传递到中心使用的带宽负载
3.网络边缘的个人隐私问题
4.传输过程中使用电能很大
边缘计算能做的：
将云数据中心的一些计算任务进行分解，迁移到边缘节点进行处理，进而降低数据中心的负载。
边缘计算的优势：
处理的数据量大、具有时效性、多样性。
边缘计算的挑战：
边缘数据的多元异构：使得处理数据的困难，提出烟花模型的接口形式是一组数据集和功能，并进行绑定保证数据的处理更接近数据生产者。
没有高效的命名规则，每个应用程序提供特定的功能服务
数据抽象：不同设备传输数据格式的多样性，提出数据要有名字、编号、时间和数据的表结构。数据抽象程度不同导致边缘设备从不可靠信息中提取有效信息的困难。数据抽象的适用性即是反过来，边缘设备收集好数据以后提交到数据抽象层将数据的表示和操作相结合，但由于数据的多元异构性，使数据抽象出现一定障碍。
边缘计算系统的共有特点：
差异性（处理问题有优先级），可扩展性（替换坏的设备）、隔离性（部分系统崩溃不会影响整个系统）、可靠性（设备出问题以后能够找到问题的原因）。
边缘计算相关模型：
分布式数据库模型：将数据存储在多台计算机上，允许在多台机器上执行事务交易。数据库包括同构（数据库实例的运行环境具有相同的硬件和软件）和异构系统，空间较大但隐私性较低。
P2P：一种文件传输技术
内容分发网络：在网络边缘部署缓存服务器来降低远程站点的数据下载延时，加速内容交付。
移动边缘计算：在接近移动用户的无线电接入网范围内提出信息服务和云计算能力的一种新型网络结构，可将密集形移动计算任务迁移到附近的网络边缘服务器，以实现较高的带宽和较低的时延。任务迁移是难点。
雾计算：在终端设备和传统云计算之间提供计算、存储和网络服务，是对云计算的一种补充。即在云与移动设备中间引入中间层，部署网络边缘的雾服务器。避免了云计算中心与移动身背交互的次数，减少主干链路的负载和能耗。
海云计算：将云计算与海计算形结合增强传统云计算的能力。