以万物互联为核心的边缘计算时代开始了
发布时间：2020-06-09 点击数：1126
许多早期的物联网设备只能收集和发送数据进行分析。但是，当今设备的计算能力不断提高，因此可以在现场执行复杂的计算。这是由于单芯片嵌入式系统的发展，使得越来越多的商用设备拥有足够的资源来运行更成熟的操作系统，从而使其成为智能终端。同时，计算机技术和网络通信技术的发展，可以实现物与物之间数据信息的实时共享，实现智能化的实时数据采集，传输，处理和执行，使物联网（Internet of物联网（IoT）具有巨大的潜力。
从云计算到边缘计算
在过去的十年中，云计算一直是非常受欢迎的研究领域。具有可靠性高，成本低，按需分配信息的特点。它为人们解决大规模计算和资源存储问题开辟了一条新途径。云计算是由一组计算资源（网络，服务器，存储）组成的服务池。它通过多租户模型为多个消费者提供服务。服务池中的资源可以通过访问网络获得，并且可以动态提供服务。并重新配置。云计算模型具有不同的部署模型和服务模型，从向任何消费者提供云计算服务的公共云模型到部署自己的私有云计算平台，以及从基础设施即提供基本计算资源的服务。 IaaS）模型到具有服务功能的软件即服务（SaaS）模型。云计算具有许多优势，例如最小化管理成本，便利性，灵活性，按次付费和通用性，使其得到广泛使用。 [2]这个大型商业模型计算数据中心拥有足够的资源来服务于大量用户。但是，资源的这种集中显示了最终用户设备与服务云之间的巨大平均距离，这反过来又增加了平均网络延迟和抖动。 [3]此外，集中式云计算模型还显示出许多其他固有问题。
（1）云计算的线性增长的计算能力无法满足网络边缘庞大的多源数据处理需求； [4]
（2）由于大规模的用户访问，网络带宽和传输速度已达到瓶颈。同时，用户与云中心之间的长距离传输将导致较高的服务延迟和计算资源的浪费；
（3）大多数处于网络边缘的最终用户通常是资源受限的移动设备，它们具有低存储，计算能力和有限的电池供电周期，因此需要将其分流到相对于短距离传输的边缘。云数据中心。计算任务
（4）在外包过程中，边缘设备的用户隐私数据容易泄露。例如，精确的用户位置甚至运动轨迹。
因此，传统的云计算无法有效地支持基于万物互联的应用服务。在过去的几年中，出现了许多新模型，例如雾计算，移动边缘计算和微云计算。这些边缘模型的共同特征是将计算资源部署在网络边缘。 2012年，思科提出了雾计算的概念，该概念最初被定义为“在扩展云计算模型时在终端设备和传统云服务器之间提供计算，存储和网络服务”。由计算中心任务执行的高度虚拟化的计算平台，用于网络边缘设备；
2013年，首次提出了“移动边缘计算（MEC）”一词来描述网络边缘的服务执行。它是指在靠近移动用户的无线接入网络范围内提供信息技术服务和服务。云计算能力的网络结构；微云计算更专注于“移动”概念，该概念位于移动终端和云平台之间，是一个小型移动数据中心，部署在网络边缘并具有移动性。
同样，许多计算模型的目标是使云服务和资源更接近用户，并在边缘有效地处理大数据问题。研究人员将这种从数据源到云计算中心路径的任意计算，存储和网络资源视为“连续体”，[5]并且沿该路径的边缘可以是一个或多个。资源节点模式的计算是集体的称为“边缘计算”。由于网络边缘设备具有处理大数据的能力，因此它们已从数据使用者转变为数据生产者。例如，数据采集，模式识别和数据挖掘。同时，这些终端设备以边缘计算模型为核心，提供了丰富的服务接口，结合云计算中心为用户提供协同计算服务，两者相辅相成，适用于云中心和边缘结束大数据处理，解决了万物互联的计算服务不足的问题。
显然，与云计算相比，边缘计算并不是要取代云计算，而是要补充和扩展云计算，并为移动计算，万物互联等提供更好的平台。
边缘计算模型需要云计算中心的强大计算能力和海量存储的支持，而云计算还需要边缘设备在边缘计算中处理海量数据和隐私数据，从而满足实际的需求。时间，隐私保护和功耗降低。 。
边缘计算特性
边缘计算的体系结构是“终端设备-边缘-云中心”的三层模型，如图1所示。所有这三层都可以为应用程序提供资源和服务。在此体系结构中，边缘设备可以连接到边缘服务器，可以彼此连接，或者可以直接连接到云。这种计算结构表明，边缘计算的执行可以发生在不同的层，例如核心云，边缘服务器和终端节点中。尽管边缘计算的目的是执行应用程序的计算密集型和时延敏感部分，但是边缘服务器的某些应用程序仍需要与云中心进行通信，以同步全局应用程序的数据。值得注意的是，分层代表了边缘计算中每个组件的不同特性和计算能力。最低层是具有较低计算能力的终端设备，主要订阅边缘服务。中间节点提供更接近最终用户的边缘计算服务。边缘服务器有时连接到远离终端节点的云中心。图1终端设备-边缘-云中心三层模型架构
数据分层结构促进了云中心与边缘之间的交互。在许多应用场景中，边缘节点收集由传感器和设备生成的数据，进行适当的处理，并向执行器发出控制命令。过滤掉本地执行所需的数据后，剩余的数据抽象虚拟化将发送到更高的层，以便在云中进行地理和时间范围的全局处理。此过程的处理时间从几秒到几分钟甚至几天不等。它是度量单位。因此，边缘计算必须支持多种类型的数据存储，从底层的临时存储到高层的半永久或永久存储。边缘可以通过隔离需要存储在边缘的用户数据来扩展云的功能。经理可以直接在其模型中直接分析，保护安全性或执行其他个性化定制服务。
边缘计算无法取代云计算。它是一个高度虚拟化的平台，可在终端设备与传统云计算数据中心之间提供计算，存储和网络服务。 [6]边缘计算的许多特征决定了它是云计算的重要扩展。
（1）边缘分布，位置感知和低延迟。边缘计算由许多分布式终端节点组成，以形成边缘网络。边缘节点为网络边缘的终端设备提供丰富的服务，因此它们可以实现低延迟和对环境的了解。
（2）层次组织结构。层次结构表示边缘计算的不同组件的不同特征和计算能力。云中心提供集中的海量资源，并根据整体情况做出整体决策。边缘节点使数据处理和服务更接近终端设备，以减少时间和功耗。 （3）地理分布密集。随着万物互联的进一步发展，移动终端设备的数量达到了前所未有的水平，并且分布在边缘的服务和应用程序可以响应地理密集型服务请求。
（4）实时交互。在边缘计算的许多应用场景中，必须实现毫秒级的响应和交互，并且应用批处理是必不可少的。例如，车联网中的路边单元监控实时路况，必须全面实现多因素检测，并及时与行人互动。 （5）高度异构。边缘节点可能属于分离在不同地理位置的服务提供商，从而形成了大规模的异构计算网络。边缘节点在网络体系结构的不同层中具有很高的动态性和异构性。
（6）安全性。通过缩短信息传输的距离，可以大大降低窃听的机会。使用基于接近度的身份验证技术，身份验证将得到增强。边缘计算的其他特征自然会增强其安全性。边缘计算背后的驱动力得益于不同类型的技术。蓬勃发展的网络技术是对延迟敏感的应用（例如4G / 5G，[7]认知无线电）的基础。边缘计算中的这些通信技术用于设备与设备之间以及设备与边缘服务器之间。具有友好的应用程序编程界面的软件开发工具箱，有助于开发和集成新的兼容应用程序，并支持个性化定制应用程序和服务；云计算利用集中且功能强大的服务器来处理计算密集型数据。边缘计算将云功能带到边缘终端设备，以最大程度地减少延迟，因此服务器还可以帮助资源受限的小型移动设备卸载计算任务。
为了处理边缘计算生态系统中边缘节点的高度异构属性，需要一个通用的编排平台来提供互操作性，软件可编程性和虚拟化。 [8]互操作性允许异构边缘节点在相同架构下运行；软件可编程性允许应用程序开发人员基于通用虚拟化硬件进行编程，并且边缘节点的底层硬件实现细节被屏蔽；虚拟化技术资源分为基于内核的虚拟机（Virtual Machines，VM）和容器之类的资源单元，这些资源单元允许从同一物理资源生成逻辑上分离的资源，从而允许多个互连的应用程序共享资源而不会互相干扰其他。
边缘计算的应用
目前，许多服务已应用于边缘计算，例如视频分析，智能交通，智能家居，电子医疗，智能电网等。视频分析。
视频监视和分析在过去几年中已被广泛使用。与传统的将视频数据上传到云端相比，边缘视频分析是指在边缘设备上执行部分或全部视频分析工作，例如实时。具有高性能要求的不同人工智能检测算法在公共安全方面显示出显着优势。与反恐：第一，低数据传输开销，第二，低响应延迟，第三，实现各种前所未有的应用。 [10]由此，可以提取视频中的有价值的信息，并将其传输到云中，以进行集中处理和决策。录像机和视频传感器获取并共享不同的视频内容，可以对其进行存储和有效管理以备后用。不同的安全应用程序可以自动从视频内容存档中提取所需的数据。
智能交通
随着万物互联中软件，硬件和通信技术的迅猛发展，车辆配备了传感器和车载计算机等设备。这些设备具有冗余的存储和计算资源，允许车辆与周围的车辆和路边基础设施协作以分布式的方式交换信息并执行复杂的计算任务。通过车辆到车辆，车辆到边缘接入点以及边缘到边缘接入点到边缘接入点的连通性和交互性，IoV的应用场景大大丰富了。边缘移动性，低延迟和实时交互支持已成为智能交通的理想平台。例如，智能交通信号灯的边缘节点可以在本地与传感器交互。根据传感器检测到的信息，智能灯会向正在行驶的车辆发送警告信号，以防止交通事故。智能家居
智能家居以房屋为基础，利用综合布线技术，网络通信技术，安全保护技术，自动控制技术，音频和视频技术，整合与家庭生活相关的设施，构建高效的住宅设施和家庭日程管理系统，以改善家庭安全，方便，舒适，艺术性，环保和节能的居住环境。 [11]智能家居配备了大量新兴的物联网无线设备，可检测温度，湿度，天然气等的剩余水平。[12]建筑物中的所有传感器都可以彼此交换信息，并且它们之间可以交换信息。读数可以合并以形成有效的测量数据。传感器将使用边缘设备的分布式决策和激活状态来响应和响应测量数据。系统组件协同工作以降低室内温度，注入新鲜空气或打开窗户。空调可以除湿或增加空气中的湿度。传感器还可以响应人们的活动（例如，当人们进入或离开时打开或关闭灯）。底部边缘设备可以部署在建筑物的每个楼层上，并在较高的层上执行协调处理。在这种情况下的边缘计算中，智能家居可以感知其组织结构，内部和外部环境，从而节省能源，水和其他资源。
电子医学。
边缘计算在过去几年中已成功应用于各个方面，并且也经常用于医学治疗中。在万物互联中，电子医疗服务通常是对延迟敏感的应用程序。数据的实时处理和极短的交易响应时间对于医疗保健至关重要。边缘计算使最终用户和医务人员能够实时监控不同的传感器。生成的与健康相关的数据，例如体温，心率，血压，脉搏等，如果患者处于紧急情况，可以立即执行相关的治疗措施或通知附近的医务人员，这大大改善了有效地利用抢救时间并增加其利用率，从而降低了患者康复的可能性，降低了造成不可逆转伤害的可能性，甚至挽救了急诊患者的生命。起初，云计算也被用于电子医疗应用中，但是由于延迟问题并未取得很大的成功，因此边缘计算模式的出现为解决该问题带来了新的希望。例如，边缘计算可用于检测，预测和预防中风患者跌倒。跌倒检测算法可以动态部署在边缘设备和云资源中。文献[13]中的实验可以得出结论，边缘云中心系统使用云计算方法的响应时间更短，能耗更低。边缘节点可以收集大量患者的私人信息，并且可以自主做出辅助治疗的决策，而无需将其传输到云中心或通知医生。通常，基于边缘计算的电子医疗系统带来较低的时间延迟，移动支持和位置感知，并可以在某种程度上解决患者的隐私问题。
智能电网
智能电网是电网（智能电源）的智能，也称为“电网2.0”，它是基于先进的传感和测量技术，先进的设备技术，在集成的高速双向通信网络的基础上构建的，先进的控制方法和先进的决策支持系统技术的应用。 [14]作为万物互联边缘计算的典型应用场景，智能电表和微电网被用作网络边缘设备上的能量负载平衡应用程序。根据可用性和能源需求，设备可以自动转换为替代能源，例如太阳能和风能。边缘节点可以自动观察能耗和分布模式。在大规模能源网络部署的情况下，云计算中心可以用作集中式策略工具来处理大量数据，从而使应用程序健壮且动态。边缘与云中心之间的协作可以实现电网的可靠性，安全性，经济性，效率，环境友好性。使用安全性和其他目标。
边缘计算的挑战与机遇
边缘计算面临的挑战涉及广泛，从异构节点和资源受限节点的计算任务分解到云边缘接口的定义。从分布式计算的状态一致性到易失性介质的弹性存储；从经济激励措施到可扩展的安全对策。这些问题的基础是找到“本地”和“全局”之间的内部平衡，权衡云和边缘之间的距离，以确定在哪里分配功能以及如何重新组合功能。例如，边缘计算在异构节点（最终用户，网关，本地服务器或数据中心）和一系列基本软件上执行复杂的应用程序。考虑到高度动态环境的复杂性，最终用户设备中安装的不同边缘应用程序以及支持不同管理域以适应极其异构的基础架构和复杂外部环境的需求，此应用程序的编排无疑是一项重大挑战。在万物互联场景中，由于边缘计算的特性，在实现不同的服务级别应用程序时，它显示出特定的需求和挑战。（1）最小化延迟。基于万物互联的智能应用，高延迟已成为亟待解决的严重问题。边缘计算允许在网络边缘执行数据分析，并可以支持对时间敏感的功能。这是许多商业应用程序所要求的，例如具有毫秒响应时间的嵌入式人工智能（AI）应用程序。作为解决方案平台，边缘计算必须确保满足服务质量并及时交付任务，以满足对延迟敏感的应用程序的需求。 （2）动态自主。由于万物互联应用程序的启动-关闭过渡以及边缘节点的移动性，边缘网络的状态会动态变化。同时，将有一些不可靠的边缘节点连接到网络，并且边缘计算必须能够自主处理这些动态情况。支持边缘计算的体系结构需要是可动态扩展的，并且能够考虑个人喜好并满足定制需求。 （3）服务质量。万物互联应用程序可以指定其服务质量（QoS）要求，例如等待时间，吞吐量和数据位置，以满足关系感知的卸载处理。边缘计算需求可以确定在共享边缘网络中同时部署多少应用程序，并满足用户所需的服务质量参数。 （4）网络管理。在万物互联的情况下，由于访问大量设备，会发生许多常见的网络现象。 [15]例如，虚拟化支持不当，缺乏无缝连接以及低效的拥塞控制会降低整体网络性能。在边缘计算中有效利用网络资源是万物互联的最基本基础。 （5）成本优化。应用合适的平台来实施边缘计算所需的可伸缩基础结构的部署会涉及大量的预投资和运营成本。 [16]这些成本中的大多数与网络节点的布局有关，因此，为了使总体成本降至最低，边缘节点的布局需要仔细计划和优化。在合适的位置部署优化数量的节点可以大大减少资本支出，边缘节点的优化布局可以使运营成本最小化。 （6）能耗管理。边缘计算需要在终端和云之间分配计算，存储和控制功能，以便充分利用此“连续体”的可用资源，从而优化整个系统的效率和性能。能耗管理是基于万物互联场景的重要目标。边缘计算需要节能的物联网设备和应用程序。数亿个互连的节点需要一个智能传感平台来获取能量，以确保可扩展性，降低成本并避免频繁更换电池以支持不同的应用。 （7）资源管理。在实施应用程序级服务时，优化资源管理也至关重要。正确的资源管理包括资源协调，可用资源估计和正确的负载分配。 [17]（8）数据管理。当前，大量的互连设备将产生大量的数据，需要进行实时管理。在边缘计算中，需要有效的数据管理机制。互连设备生成的数据的收集和传输也是数据管理中的挑战。 （9）安全和隐私。万物互联场景中的安全性与其他环境不同，主要是由于物联网设备的资源属性有限。边缘计算由于其分层结构而自然可以为资源受限的设备提供某些安全保证，并且由于此功能，边缘计算收集的数据更靠近用户端，这可能涉及隐私问题。在这种情况下，万物互联的安全漏洞将更具破坏性，边缘节点监视和操作物理设备的能力可能会危及生命。解决安全和隐私问题是实现万物互联和边缘计算的基础。
边缘计算将带来许多新的商机，而授权云的问题到目前为止还无法有效解决。 [18]例如，作为云中心代理，它为无法直接有效连接到云的许多终端设备提供云服务。基于边缘的服务范围正在逐渐扩大。云和边缘将合并为统一的端到端平台，并提供集成的服务和应用程序，从而为突破现有的云计算业务模型创造了机会。边缘计算的业务模型涉及多个方面。另外，网络服务提供商拥有边缘服务器和网络设备，而终端设备和用户可能既是客户端又是服务器。为了构建完整的业务模型，有必要决定如何计算和监视资源。对于许多边缘参与者来说，如何基于冗余资源获得激励奖励也是边缘计算商业化过程中需要解决的重要问题。
全网数据专注IDC多年，为广大用户提供专业化深圳服务器托管，深圳服务器租用，深圳主机托管，云服务器租用等服务器资源，详情可咨询客服了解。
