要約：エッジがアプリケーションシナリオの広い範囲で、すべてのもののインターネット時代にキーなどの技術を計算します。物品は、最初のプロモーションのエッジコンピューティングプラットフォームが直面する問題を分析し、次いで、コンピューティングプラットフォームの縁からの典型的なアーキテクチャを解析し、アプリケーションシナリオを計算リストエッジパラメータを求め、最終的にコンピューティングプラットフォーム分類モデルエッジを提案します。
2022年に、[1]シスコネットワーキングインデックス予測によると、観光アプリケーション開発指数関数的増加の端末装置をもたらす、ネットワーク接続装置は、ネットワーク端末を占めた500億は、51％に到達する到達します。その後、すべてのデータのクラウド統一プロセスの中心部とは、ターミナルに戻り、端末転送が、それはネットワークとデータセンターへの大きなリンクをもたらすにバインドされている場合により、端末物事のリソースの制約のため、多くの場合、ユーザーにサービスを提供するために、リモートのクラウドリソースの助けが必要圧力、また、簡単にサービスの過負荷とクラウドセンター妨害（DoS）につながるが、エンドユーザーエクスペリエンスに影響を与えます。
したがって、研究者は、概念や実用化の階層的な分類に基づいて算出し、徐々にモデルを計算するエッジを上げ、効果的にリソースセンターの圧力を計算するネットワーククラウドを低減する、隣接する領域内のユーザによってコンピューティングサービスを提供します。エッジクラウドコンピューティングは、コンピューティングプラットフォーム良く提供するために、物事のインターネットを交換するのではなく、クラウドコンピューティングの拡大を意図したものではありません。アーキテクチャを計算するエッジである「 - エッジ - エンドデバイスクラウド」三層モデル、3つのアプリケーションは、図1に示す構造リソースやサービスを提供する利用可能です。
1つの計算図エッジの論理構造
Liuら[2]の定義の数で定義された算出されたエッジは、エッジが注目方向エッジを計算し、アプリケーションとモバイルアプリケーションの利点をネットワークで算出されたいくつかの応用例のエッジを分析することによって、計算することが記載されて記載されています。Luら[3]は、標準化エッジ・コンピューティングの進歩を研究エッジ計算アプリケーションいくつかのケースを分析しました。[4] WENは、適応エッジコンピューティングプラットフォームを強化エッジコンピューティングプラットフォーム、モバイルコンピューティングおよびCloudletエッジ統合のための改良されたアーキテクチャの現在の複数を研究しました。ただし、アプリケーションシナリオの多様性は、エッジコンピューティングアプリケーションを制限し、計算、プラットフォームの多様性への統一基準の欠如の端につながりました。これに基づいて、この紙提示エッジアプリケーションパラメータのセット、分類モデルエッジ・コンピューティングを構築します。
1
典型的なエッジ・コンピューティング・プラットフォーム
統合されたコンピューティングエッジは、エッジを介してコンピューティングプラットフォームは素早くアプリケーションを公開し、展開することができ、サービスをユーザに提供するために、ネットワーク・リンクと、広く分散ストレージリソースの多数を計算します。現時点では、プラットフォームのエッジ、モバイルコンピューティングのエッジを計算する多数（MECであろう）、算出した霧、EdgeX鋳造および代表インターネットであるCloudletコンピュー（CC）。
1.1モバイル・コンピューティング・エッジ
2014年、欧州電気通信標準化機構は、（モバイルエッジコンピューティング、MEC）の概念を計算する[5]をモバイルエッジを提案し、MECは、ネットワークを制御するコンピューティングとストレージ機能、ネットワークエッジに、利用者の待ち時間を削減し、クラウド・コンピューティングの環境意識を拡大していきます。典型的には、大規模な無線ネットワーク制御装置に位置MEC基地局またはノード、同じ無線エリアネットワーク（無線エリアネットワーク、RAN）内のユーザー。図に示すように3層構造で、モバイルコンピューティング内部フレームエッジ「システムNET - - ホスト」。
図枠の図モバイル・コンピューティング・プラットフォームのエッジ2
モバイル支持エッジ、モバイル・セルラ・ネットワーク、ローカルネットワークと外部ネットワーク関連ハードウェアのネットワーク層接続の代わりの計算。モバイルエッジモバイルエッジホスト層は、内側エッジモバイルホストプラットフォームはさらにME、MEアプリケーションと仮想インフラストラクチャに分けることができ、ホストデバイス管理とモバイルエッジ層を含んでいます。システム層は、ME MEホストによって、MECの最も重要な層であり、オペレータのネットワークでアプリケーションを管理タスクの割り当てとシステム操作の管理および制御のためのMECは責任を、必要なMEの形成を構成しています。
1.2計算霧
霧がシスコの研究アメリカン計算され、「霧のコンピューティングはなく、通常、ネットワークエッジで、端末装置と、伝統的なクラウドコンピューティングの間、ストレージ、ネットワーク、データセンターのコンピューティングサービスを提供し、高度に仮想化されたプラットフォームです。」[6]霧計算は、異なる通信プロトコルとは異なる通信層プロトコルデバイスとの間の通信を可能にします。従って、含むが、ルータ、スイッチ、ワイヤレスコントローラ、ゲートウェイおよびその他の機器に限定されるものではないフォグ・コンピューティング・インフラストラクチャの様々なタイプをサポートします。ただし、サポートリードに機器の富は、輸送平和維持の展開の難易度が高く、管理プラットフォームコンピューティング霧します。
図3の霧計算ソフトウェア構造。
如图 3 所示，雾计算软件栈分为三层：抽象层、编排层、服务层。抽象层向上层输出标准的抽象层 API，隐藏不同设备的异构性，降低应用开发难度。编排层利用抽象层 API 构建雾计算资源池，提供虚拟化基础设施，接收服务层的资源请求。服务层是虚拟机实例，用户请求的服务均在虚拟机中运行，兼容用户的可执行环境。
1.3 EdgeX Foundry
EdgeX Foundry 是一个由 Linux 基金会主持的开源项目[7]，其目的是为边缘计算的开发构建一个通用开放的平台，已获得 Dell、百度、Intel 等 50 余家企业的支持，EdgeX Foundry 兼容多种操作系统，支持多种硬件架构，支持不同协议设备间的通信。如图 4 所示，EdgeX Foundry 基于微服务架构设计有效提高应用与服务开发效率，其微服务被划分为四个服务层和两个基础系统服务，EdgeX Foundry 的四个服务层包含核心服务层、支持服务层、导出服务层和设备服务层；系统服务包含安全服务和管理服务。基于微服务可裁剪特性，从而实现在低性能设备运行 EdgeX Foundry 服务。因此，EdgeX Foundry 支持嵌入式 PC，集线器，网关，路由器和本地服务器等异构设备。EdgeX Foundry 支持容器化部署，有效提高了平台运行效率。
图 4 EdgeX Foundry 微服务架构图
1.4 Cloudlet Computing 平台
Cloudlet 于 2009 年由卡内基梅隆大学教授 Satyanarayanan M 提出[8]，Cloudlet 是一个位于边缘设备附近，与互联网保持高速连接，且资源丰富的微型数据中心（Data Center in a box），向直接连接的局域网用户提供计算服务。Cloudlet 将用户数据直接保存在云端，用户即使移动到其他 Cloudlet 局域网中，也能通过云端备份数据快速为该用户重建应用服务。Cloudlet 通过高带宽的一跳网络向用户提供服务，最大程度降低延迟。
图 5 Cloudlet 平台结构图
如图 5 所示，Cloudlet 软件架构分为三层：第一层由用户数据缓存器组成，主要用于接收用户云端数据；第二层由 Cloudlet 边缘计算平台组成，实现主机资源虚拟化和编排管理应用虚拟机；第三层由虚拟机组成，运行用户卸载至边缘节点的应用，通过虚拟机弥补与用户可执行环境的差异。
2
边缘计算应用场景分析
边缘计算系统对众多边缘设备和边缘应用提供支持，但是不同的边缘计算系统具有不同的需求和均衡，决定了适合该应用场景的最佳边缘计算系统。本节根据边缘计算应用场景需求提出了一组参数，并分析了典型边缘计算平台在这组参数下的特点和性能（见表 1）。
邻近度：边缘层与设备层之间的邻近度包含有两层含义。第一，逻辑上的邻近度，代表边缘层基础设施与终端设备之间的路由跳数，跳数越多代表路由中遭遇拥塞的机会越大，延迟增加的可能性也越大。第二，指物理上的邻近度，物理上的邻近度取决于终端设备与边缘层的物理距离和边缘计算设备的性能。如果在单个边缘计算节点的一跳服务范围内，存在大量终端设备且已超过单个边缘计算节点的服务容量，将导致边缘计算设备拒绝服务，带来大量服务延迟。
接入方式：设备层到边缘层的连接方式有多种选择，如：Wi-Fi、蓝牙、蜂窝网络和有线连接等。接入方式在很多方面都占有重要地位，接入方式决定了终端设备到边缘计算层的带宽、延迟、连接范围以及对连接的设备类型。
环境感知：环境感知是将网络的参数和周围设备的位置信息暴露给附近的边缘节点，这是物联网应用的一个关键参数。移动边缘计算服务器通过放置在无线网络控制器附近，实现检测网络的链路状况、负载以及网络带宽，接收终端设备的位置信息，因此移动边缘计算的感知能力极强。
功耗：如果终端设备处于资源受限的环境中，能耗将是边缘计算的一个重要参数。蜂窝网络带来的能量消耗远高于 Wi-Fi 的能量消耗。因此，移动边缘计算的能量消耗高于 Cloudlet。雾计算和 EdgeX Foundry 均拥有多种接入方式，可以根据需求灵活选择，实现最优的能耗表现。
计算时延和服务能力：计算时延和服务能力直接取决边缘计算节点的计算能力和资源调度策略。在这一方面，移动边缘计算和 Cloudlet 采用资源丰富的专用主机作为服务节点，具有显著优势；而雾计算节点主要由传统设备组成，因此计算性能较差 。EdgeX Foundry 通过容器和 GO 语言的轻量级特性，兼容不同性能设备，并按需提供计算服务。
部署与运维：在边缘计算平台的管理和监督中，每个平台均遵循分层管理方法，通常监督节点作为代理，负责与底层节点通信并收集底层节点可提供的资源和状态。然而，不同边缘计算平台在代理设置和分层的界定均有不同。雾计算平台中由于节点的异构和多样性，需要设计多个调度层；EdgeX Foundry 通过容器技术实现异构节点的统一管理；后两者通过构建统一的编排层即可实现对于设备和任务的监督和管理。
表1 边缘计算平台对比表
3
边缘计算选择模型
在本小节中，我们基于前一节中定义的多元应用场景参数提出了一个边缘计算选择模型图，如图 6 所示，直观反应不同参数与边缘计算系统间的耦合关系。在实际用中，分析目标应用场景需求，将其对应到分类模型参数中，帮助用户快速选择目标应用场景的最佳边缘计算系统。
图 6 边缘计算分类模型图
例如，选取适用于远程医疗监护的边缘计算平台，分析在远程医疗监护应用中的需求，远程医疗监护主要便于医护人员即使掌握患者的生理状况，应对患者的突发状况，并实现远程诊疗服务。对于此应用场景，我们可以将其分为三个部分：患者数据采集端，数据中心，监护中心。患者数据采集端是该应用场景的主要部分，其包含了以下功能：第一，采集和存储不同患者的生理状况数据；第二，对采集到的数据预处理，检测关键生理状况数据即时向患者家属和监护中心报警，并将处理后的数据传输到数据中心；第三，提供流媒体服务能力。数据中心用于长期存储患者数据，并即时推送到监护中心。监护中心具有管理所有患者数据和提供视频服务能力。
分析该应用的需求，首先采集数据将面临多种不同设备的接入，因此对于接入方式和对于非 IP 设备的支持应当作为第一选择，其次需要具有良好的网络环境感知能力，第三需要对患者的生理状况数据在边缘端预处理和长期存储；第四，对于流媒体传输服务需要良好的计算性能和较低的延迟需求；最后，在实现应用的功能需求时，降低功耗和部署运维难度也必不可少。根据边缘计算平台的特点和应用场景需求分析：
第一，在接入方式与非 IP 设备接入需求中，EdgeX Foundry和雾计算均支持多种接入方式和非 IP 设备的通信能力，但 Cloudlet 和移动边缘计算平台接入方式较少，不符合改应用场景需求，因此暂不考虑 Cloudlet 和移动边缘计算平台；
第二，在网络环境感知中，移动边缘计算 感 知 能 力 最 强 ，EdgeX Foundry 和 雾 计 算 略 低，Cloudlet 环境感知能力最差，移动边缘计算平台为最佳选择，而EdgeX Foundry 和雾计算作为备选平台；
第三，数据预处理、存储和应用延时需求与计算延时和服务能力相关，其中雾计算计算和存储能力差，与其他平台存在较大差距，因此优先考虑 EdgeX Foundry；
第四，在功耗方面，雾计算和 EdgeX Foundry 平台均可以调整设备实现最优的功耗，而移动边缘计算和Cloudlet 平台属于高功耗平台；
最后，在部署运维和邻近度方面，EdgeX Foundry 均优于雾计算平台，需求对比见表2。综合上述分析，EdgeX Foundry 相较于雾计算、移动边缘计算和 Cloudlet 更加契合远程医疗应用场景。
表 2 远程医疗监护需求表
4
结束语
雾计算，移动边缘计算，Cloudlet computing 和EdgeX Foundry 是目前广受关注的四种边缘计算平台，这四种计算平台都具有自己的适用范围，本文通过研究物联网应用的特点，提出了不同的分类特性，对边缘计算的特征予以区别，利于边缘计算系统的推广。然而，边缘计算还在不断发展，未来边缘计算的特征和应用场景将更加复杂，因此边缘计算的分类势必更加复杂。
作者简介
林博（1996-），男，四川资中人，硕士研究生，主要研究方向：边缘计算；
张惠民（1973-），男，福建上杭人，教授，博士，主要研究方向：云计算、大数据、深度学习、物联网。
（陆军装甲兵学院 信息通信系）
参考文献
[1] Cisco，思科移动产业 VNI 预测报告[R].2018.
[2] 赵梓铭，刘芳，蔡志平，等.边缘计算：平台、应用与挑战[J].计算机研究与发展，2018，55(2)：327-337.
[3] 吕华章，陈丹，范斌，等. 边缘计算标准化进展与案例分析[J].计算机研究与发展，2018，55(3)：487-3351.
[4] 温华斌. 基于 Cloudlet 三层结构模型的移动协同计算平台的研究与实现[D]. 哈尔滨工业大学, 2015.
[5]Garcia Lopez,P.,Montresor,A.,Epema,D.,Datta,A.,Higashino,T.,Iamnitchi,A.,Barcellos,M., Felber,P.,Riviere, E.: Edge-centric computing: vision and challenges. ACM SIGCOMM Comput.Commun. Rev. 45(5), 37-42 (2015)
[6] Y. Jararweh, A. Doulat, O. AlQudah, E. Ahmed, M. Al-Ayyoub, and E. Benkhelifa, “The futureof mobile cloud computing:in-tegrating cloudlets and mobile edge computing,”in Telecom-munications (ICT),2016 23rd International Conference on.IEEE, 2016, pp. 1-5.
[7] P.J. Escamilla-Ambrosio, A. Rodríguez-Mota, et al.Distributing Computing in the Internet of Things: Cloud, Fog and Edge Computing Overview, Studies in Computational Intelligence,2018,87-115
[8] Satyanarayanan M, Lewis G, Morris E, et al.The role of cloudlets in hostile environments [J]. Pervasive Computing, IEEE, 2013,12(4): 40-49.
本文首发于《电脑与信息技术》期刊第27卷第4期。
转发扩散
一起促进边缘计算领域知识传播
