概念
Edge Computing: Vision and Challenges
摘要
文章提出了边缘计算概念，介绍了其定义，并说明了几个商业用例，包括从云卸载到边缘进行协同计算。文章总结了边缘计算目前存在的问题，和能够产生的作用，属于一篇严谨度很高的科普论文。
边缘计算定义
Edge computing refers to the enabling technologies allowing computation to be performed at the edge of the network,on downstream data on behalf of cloud services and upstream data on behalf of IoT services. Here we define “edge” as any computing and network resources along the path between data sources and cloud data centers.
边缘计算是指允许计算在网络边缘，代表云服务的下游数据和代表物联网服务的上游数据上执行的使能技术。 在这里，我们将“边缘”定义为沿着数据源和云数据中心之间的路径的任何计算和网络资源。
- 云卸载
即将元数据在产生单位到云之间的节点进行预处理，减轻网络负担。
传统网络都是服务器产生数据，网络边缘一般作为数据消耗。但是，现在随着智能设备的增加，边缘设备产生大量的数据，因此网络边缘不应该只对数据进行缓存，还应该缓存应用，更好处理边缘数据，减轻中心压力。
在传统的内容交付网络中，只有数据缓存在边缘服务器上。这是基于内容提供商在互联网上提供数据的事实，这在过去几十年中是正确的。在物联网中，数据在边缘产生和消耗。因此，在边缘计算范式中，不仅应该在边缘缓存数据，还应该缓存应用于数据上的操作。
例如，用户更改购物车，可以在边缘平台缓存数据和应用（增删改等），生成界面，并同步到云台（在后台）。
这就涉及到另一个问题，当用户从一个边缘点移动到另一个边缘点时，多个边缘点协作与同步的问题。
同时可以在边缘点对数据进行分析/聚合，减少传输量。
挑战与机遇
- 计算流概念
相与于云平台，平台固定，用户只需要用一种语言编写，且不需要考虑硬件设备。
但是将计算卸载，就需要在将计算部署在异构平台。针对这个问题，提出计算流概念，
该概念定义为沿数据传播路径应用于数据的一系列函数/计算。功能/计算可以是应用程序的全部或部分功能，只要应用程序定义了计算应该在哪里进行，计算就可以在路径上的任何地方发生。计算流形式由软件规定，因此可以在不同平台进行计算。
在计算流中，函数可以被重新分配，数据和状态连同函数也应该被重新分配。此外，协作问题（如同步、数据/状态迁移等）必须在边缘计算范式的多个层中解决。
- 命名方案
命名方案实质上是一个设备的标识问题，即如何定位到一个特定的设备进行传输和控制。边缘计算中的命名方案对于编程、寻址、事物识别和数据通信都非常重要。
传统的命名机制（如DNS和统一资源标识符）非常适合当前大多数网络。然而，它们的灵活性不足以服务于动态边缘网络，因为有时边缘的大部分内容可能具有高度的移动性和资源限制。此外，对于网络边缘的一些资源受限的事物，基于IP的命名方案由于其复杂性和开销可能过于繁重而无法支持。
针对移动设备和相对固定信息聚合的设备群，又有不同的命名方案，
例如：对于相对较小且固定的边缘（如家庭环境），让edgeOS为每件事分配网络地址可能是一个解决方案。而针对于高动态性环境，还需要继续研究。
- 数据提取
作者针对实际案例中的数据传输，提出一种计算模式，即边缘节点处理所有数据并主动与用户交互。
在这种情况下，数据应该在网关级别进行预处理，例如噪声/低质量删除、事件检测和隐私保护等。
在这种处理模式下，提出了几个需要解决的问题，
- 首先，来自不同事物的报告数据具有不同的格式，
- 其次，有时很难确定数据抽象的程度。
- 最后，由于传感器精度低、危险环境和无线连接不可靠，EDGE报告的数据有时可能不可靠。在这种情况下，如何从不可靠的数据源中提取有用的信息仍然是物联网应用程序和系统开发人员面临的挑战。
- 数据抽象的另一个问题是对事物的适用操作。结合数据表示和操作，数据抽象层将作为连接到Edgeos的所有事物的公共接口。此外，由于事物的异质性，数据表示和允许的操作可能会有很大的差异，这也增加了通用数据抽象的障碍。
- 服务管理
在网络边缘的服务管理方面，我们认为应该支持以下四个基本特性来保证一个可靠的系统，包括区分性、可扩展性、隔离性和可靠性。
扫描二维码关注公众号，回复： 5800512 查看本文章
- 扩展性
如何随意添加设备会删除设备，替换设备时能否被轻松解决。 - 隔离性
在移动操作系统中，如果应用程序发生故障或崩溃，整个系统通常会崩溃并重新启动。在智能边缘系统中，一个应用崩溃，用户应还可以继续控制其它设备。 - 可靠性
- 优化指标
在边缘计算中，我们有多个具有不同计算能力的层。工作量分配成为一个大问题。我们需要决定处理工作负载的层，或者在每个部分分配多少任务。为了选择一个最优的分配策略，我们在本节中讨论了几个优化指标，包括延迟、带宽、能量和成本。
- Latency
延迟是评估性能最重要的指标之一，特别是在交互应用程序/服务中。
云计算中的服务器提供高计算能力。它们可以在相对较短的时间内处理复杂的工作负载，如图像处理、语音识别等。然而，延迟不仅由计算时间决定。长广域网延迟会显著影响实时/交互密集型应用程序的行为。为了减少延迟，工作负载最好在最近的层完成，该层具有足够的计算能力，能够处理网络边缘的事务。
- 带宽
从延迟的角度来看，高带宽可以减少传输时间，特别是对于大数据（如视频等）
因此，我们需要评估是否需要高带宽连接，以及哪种速度适合边缘。另外，为了正确确定每一层的工作负载分配，我们需要考虑计算能力和各层的带宽使用信息，以避免竞争和延迟。
- 能源
电池是网络边缘最宝贵的资源。对于端点层，将工作负载卸载到边缘可以被视为一种无能量方法。
因此，对于一个给定的工作负载，将整个工作负载（或部分工作负载）卸载到边缘而不是本地计算是否高效？关键是计算能耗和传输能耗之间的权衡。一般来说，我们首先需要考虑工作负载的功率特性。
总结
论文介绍了边缘计算的概念，是为了缓解云中心数据处理压力，减少延迟。
介绍了目前边缘计算的发展程度和所面临的各种问题和解决方法。