边缘计算在物联网领域的应用及展望

楚俊生 张博山 林兆骥

1 中兴通讯南京研究所 南京 210012

2 中兴通讯上海研究所 上海 201203

引言

众所周知，物联网是新一代信息技术的重要组成部分，是以互联网、电信网为信息载体，进行物和物之间信息交换和通信，实现对物的智能化识别、定位、跟踪、监控和管理。基于物联网的行业应用很广泛，遍及智能交通、智能家居、智能楼宇、智慧城市、环境监测、公共安全、车联网、工业制造等众多行业和领域。这些基于物联网的行业应用有各种各样的业务要求，比如传输时延、传输带宽、数据安全、数据聚合、数据处理、数据分析和智能决策等。其中对实时性、高带宽和安全性等有着非常高要求的应用都迫切需要尽可能在靠近网络的边缘侧提供集中的智能管理控制功能。边缘计算除了在本地提供类似于云计算集中的计算存储力、按需自助、快速弹性等基本特征外，还可提供当前云计算技术无法保证的低时延、高可靠、高带宽和隐私安全等业务保障能力。边缘计算这些能力非常适合解决物联网行业应用面临的各种挑战。

1 边缘计算使能物联网发展

物联网是实现行业数字化转型的重要手段，并将催生新的产业生态和商业模式。而借助于边缘计算和人工智能等新技术将更能提升物联网的智能化，促使物联网在各个垂直行业落地生根。图1示例了应用于物联网中的边缘计算的设备形态和所处的位置。

图1 边缘计算应用于物联网

由于互联网和电信网本身能够支持和提供的网络带宽和传输时延有限，以及物联网终端本身处理能力的限制，目前物联网应用的发展面临诸多挑战。

1)网络能力限制。

物联网终端设备的超速增长和多种多样的业务应用将带来数据爆炸式增长，这些海量数据在为我们提供商业价值的同时，也对数据处理提出挑战，海量数据的传输和处理将带来更大的网络流量压力并需要更多的云/数据中心。

2)数据时效性。

车联网、工业控制和视频游戏等业务应用的实时性要求很高，一般都要求在10ms级别或以内，云计算带来的过高时延难以满足业务的要求或造成很差的用户体验。另外有些物联网应用要求数据能够结合本地的运行环境，也不适合传递到远端云/数据中心进行分析处理。

3)终端资源限制。

物联网终端由于自身的计算、存储能力以及供电方式的限制，难以应对实时产生的大量数据处理和分析要求，而将数据发送到云端进行处理又难以满足物联网终端在时延性、可靠性或隐私安全等方面的要求。

4)异构系统互联。

在物联网环境下，终端类型和采用的连接协议多种多样，物联网应用难以对联接的终端在数据收集、数据分析、终端控制等方面进行适配操作。

5)安全和隐私挑战。

物联网领域面临窃听、跟踪、攻击、欺骗、重放、克隆、物理破解、篡改信息、DDoS、病毒等安全和隐私威胁，很容易引发个人信息泄露、财产损失、法律风险、生产停顿、人身安全或生产事故。

边缘计算在靠近物或数据源头的网络边缘侧就近提供智能服务，可满足物联网应用在业务实时、业务智能、数据聚合与互操作、安全与隐私保护等方面的关键需求。

边缘计算特征可以概括为如下几个方面。

1)分布式和低延迟保障。

边缘计算可采用边缘网关的方式在网络边缘侧进行分布式部署，就近进行数据收集、数据预处理、协议转换和数据分析等功能，确保低时延的业务需求得到保障，减轻物联网终端与云/数据中心之间的网络流量压力，屏蔽不同终端类型和异构网络协议的影响。

2)增强的计算和电力供应。

边缘节点设备基本上是采用高性能的通用CPU或专用GPU、DSP芯片实现，在网络传输、安全和AI算法、数据存储等方面有一定的综合运算能力，非常适合把物联网终端的数据处理和分析任务放在边缘节点上执行。

3)边缘智能化。

嵌入的机器学习/深度学习和人工智能技术也将增强边缘计算智能服务的提供能力。边缘计算/雾计算采用分层处理机制，只把复杂的、时延不敏感和需要集中控制的任务放在云/数据中心，提升云/数据中心的处理效率和降低成本。

4)安全和隐私保护。

边缘计算将物联网的敏感数据保存在本地设备上，从而有助于改进安全和隐私性。对于必须要传递到云/数据中心的隐私数据，则通过加密、脱敏和认证等技术手段，确保安全和隐私。

总体上，物联网应用面临的诸多挑战在边缘计算功能实现上都得到了对应的解决方案。借助于边缘计算，物联网应用将发展得更快、更强大，也势必加速行业数字化转型的力度和深度。

2 边缘计算标准体系架构

目前研究边缘计算标准体系架构的组织包括欧洲电信标准协会(ETSI)的多接入边缘计算(MEC)、国内的边缘计算联盟(ECC)、美国的开放雾计算联盟(OpenFog)、美国的工业互联网联盟(IIC)、CCSA的ST8工业互联网特设任务组以及Linux Foundation下的开源项目EdgeX Foundry等。总体上，边缘计算研究形成以产业联盟为主，标准组织和开源活动为辅的格局。

2.1 ETSI多接入边缘计算架构

2014年， ETSI成立移动边缘计算(Mobile Edge Computing，MEC)产业规范工作组(Industry Specification Group，ISG)，开始推动移动网边缘计算相关标准化工作。2016年，ETSI把此概念扩展为多接入边缘计算(Multi-Access Edge Computing)，将边缘计算能力从电信网进一步延伸至其他无线接入网络(如Wi-Fi等)。

ETSI MEC ISG基本思想是把云平台迁移到接入网边缘，实现传统电信网与互联网业务深度融合，借助无线网络提供的信息服务、位置服务、标识服务和宽带管理服务能力，减少业务交付端到端时延，提升业务部署的灵活性和用户体验，从而给电信运营商的运营模式带来全新变革，并建立新型的产业链及生态圈[1]。

如图2所示，MEC系统位于无线接入网和移动核心网/有线网络之间，由MEC服务器和边缘云设施构成。其中MEC服务器负责对部署于无线基站内部或无线接入网边缘的边缘云设施进行管理。边缘云提供本地化的公有云服务，并可连接其它企业云实现混合云服务。MEC系统提供基于云平台的虚拟化环境，支持第三方应用在边缘云内部署运行。

2.2 AII/ECC边缘计算架构

2017年11月份，工业互联网产业联盟(AII)和边缘计算联盟(ECC)联合发布了边缘计算参考架构2.0白皮书[2]。图3是该白皮书提出的边缘计算通用参考架构，该参考架构包含边缘计算节点、边缘云、业务编排和智能服务共四个横向层次，及服务管理、安全服务和数据全生命周期管理等纵向管理功能。该参考架构还在每层之间提供了模型化的开放接口，实现架构的全层次开放。

白皮书还从产业价值链整合角度出发，提出了CROSS五大价值，即在敏捷联接(Connection)的基础上，实现实时业务(Real-time)、数据优化(Data Optimization)、应用智能(Smart)、安全与隐私保护(Security)，为用户在网络边缘侧带来价值和机会。AII/ECC通过联盟运作方式，支撑边缘计算在重点行业的应用创新与示范推广，并通过与业界的广泛生态合作，进一步助力更多行业的数字化转型，实现价值延伸。

2.3 OpenFog雾计算架构

雾计算概念由思科在2014年提出，是云计算概念的延伸，基本理念是分层次、分区域提供计算能力，满足物联网在安全(Security)、认知(Cognition)、灵活性(Agility)、时延(Latency)和效率(Efficiency)等方面日益增长的要求，助力物联网的发展。

图2 多接入边缘计算(MEC)架构

图3 边缘计算参考架构

2017年OpenFog联盟发布如图4所示的雾计算参考架构[3]，该架构是一个系统级架构，实现在数据源附近提供计算、存储、控制和网络连接功能。

雾计算参考架构包含安全(Security)、可扩展性(Scalability)、开放(Open)、自治(Autonomy)、RAS(Reliability，Availability，Serviceability)、灵活性(Agility)、层次化(Hierarchy)和可编程性(Programmability)等8个核心支柱性(Pillar)技术特性，有效契合物联网应用发展的需求。

2.4 IIC边缘计算架构

美国工业互联网联盟(Industrial Internet Consortium，IIC)在2017年成立边缘计算任务组，主要研究针对工业互联网边缘计算的标准、实践、特征和GAP分析，以及部署模型。

IIC在2018年6月正式发布了《工业互联网中的边缘计算介绍》白皮书[4]，图5所示的是该白皮书中的工业互联网架构剖面图中的边缘计算功能。根据商业模式和待实现的关键目标，边缘计算可以作为边缘控制器嵌入到边缘设备中，或者作为边缘网关集成到路由器、网关设备里，以及作为边缘云的方式存在于企业云、私有云或公有云里。

图4 雾计算参考架构

2.5 EdgeX边缘计算框架

EdgeX Foundry是Linux基金组织下的一个开源项目，旨在开发一个标准化的物联网边缘计算框架，如图6所示。通过EdgeX可创建一个支持互操作性、组件即插即用的物联网边缘计算生态系统，协调各种传感器网络协议和多种云及分析平台，实现横跨边缘计算、安全、系统管理和服务等模块的互操作性框架。

EdgeX Foundry拥有4层架构[5]，从上到下依次如下所示。

1)输出服务层(Export Services)：实现边缘数据和智能分析输出到云平台。

2)支持服务层(Supporting Services)：包含大量的微服务，提供边缘分析和智能功能。

3)核心服务层(Core Services)：具体的组成部分包括核心数据、服务指令、元数据，以及注册表和相关配置。

4)设备服务层(Device Services)：实现与物联网终端设备交互。

EdgeX将进一步推动“智能”向边缘的渗透，以便解决响应延迟、带宽和存储，以及远程操作问题。

图5 工业互联网切面视图

3 边缘计算在物联网中应用分析

边缘计算在物联网中应用的领域非常广泛，特别适合具有低时延、高带宽、高可靠、海量连接、异构汇聚和本地安全隐私保护等特殊业务要求的应用场景。

图7示例了边缘计算在智能制造、智能交通、智慧城市和智能家居等行业或领域的应用情况，下面将对这些场景进行相关的介绍和分析。

3.1 智能制造

智能制造是边缘计算在物联网中非常典型的应用领域，借助于边缘计算将促进IT和OT系统的深度融合。工业机器人是实现智能制造的基础，最近几年工业机器人在中国市场呈现蓬勃发展的趋势。据统计，2016年中国市场工业机器人消费总量达87000台，接近世界销量的近三分之一，是世界上最大的工业机器人市场。工业机器人的应用领域主要集中在汽车制造、3C行业、物流、金属加工、塑料和化工等行业，通过机器人完成搬运和上下料、装配和拆卸、焊接等工作环境恶劣、自动化/执行精度和安全程度要求非常高的工作场景。

工业机器人需要具备应对复杂的现场环境并结合当前工作流程进行综合分析和判断的能力，以及与其他机器人协作完成复杂工作任务的能力。这些都需要机器人配备智能控制器以执行复杂的计算任务，而对于工厂环境使用几十、上百台机器人的应用场景，如果每台机器人都配备复杂的智能控制器，这将增加机器人的成本。但是如果采用边缘技术，把工业机器人的智能控制器功能集中部署在生产车间的边缘节点，在保证时延的情况下还能实现集中控制，完成机器人之间的联动协同，可以大大降低工业机器人的开发、部署和维护成本。图8示例了把工厂车间里机器人的智能控制器集中部署在边缘计算节点(边缘网关)的场景。

图6 EdgeX公共开放平台

图7 边缘计算在物联网中应用示例

图8 边缘计算对工厂车间内机器人集中控制示例

3.2 智慧交通

在城市道路交通中，每个路口都会设置监控摄像头，每周甚至每天都会有海量的视频数据产生，如果这些监控设备产生的数据聚在一起，会是个天文数字。在云端进行实时的海量数据分析与储存对计算能力和网络带宽是一个巨大的挑战。如果借助边缘计算，在本地对海量视频数据进行存储和分析，仅识别和截取存在道路交通事故或违法行为的视频传递给云/数据中心做进一步分析和长久存储，这样可以大大减少到云端的数据传输，并且能够支持实时的智能交通控制。

图9示例了边缘计算在城市交通中的应用，通过边缘计算的实时数据处理和分析功能，可以支持无人驾驶、交通流量疏导和拥堵预测这类业务功能。另外也提供本地的监控数据存储，对数据进行处理和清洗后再把有效数据传递给云/数据中心做进一步分析的边云协同。

3.3 智慧城市

智慧城市是构建“宜居、舒适、安全”的城市生活环境，实现城市“感知、互联和智慧”。智慧城市建设是涉及诸多信息系统、综合集成技术的大型信息化工程。物联网技术将为城市基础设施的整体升级提供智能化的支撑，而边缘计算将丰富智慧城市的应用场景。

如图10所示，一般智慧城市具有家庭、小区、社区和城市4个层级。每个层级都有对应的应用和服务，比如家庭有智能家居、智能安防和家庭娱乐系统等；小区有门禁和视频监控、车辆人员管理和物业服务等；社区有社区商场、社区医疗和社区政务等；城市有交通、物流、医疗、金融和市政服务等。边缘计算将在智慧城市这4个层级之间提供层次化的管理和服务功能，并协同彼此之间的发展。

3.4 智能家居

在当前的智能家居中，智能家电设备基本上都是由智能单品构成的，比如密码锁、智能照明、智能空调、安防监控、智能卫浴、室内环境监控、家庭影院多媒体系统等，这些智能家电设备需要依赖于云平台才能实现手机端在外网的远程控制。这种基于云平台的智能家居在网络出现故障时将无法进行控制，特别是多个智能单品联动的场景将无法对多个设备进行协调。智能家电设备都是通过Wi-Fi模块连接到云/数据中心，用户对存放在云/数据中心的家庭数据也存在泄漏的担忧，另外大量的监控视频数据也会消耗智能家居设备到云/数据中心之间的通信带宽。

图9 边缘计算在智慧交通中的应用示例

图10 边缘计算在智慧城市中的应用示例

图11 边缘计算在智能家居中的应用示例

如图11所示，采用边缘计算技术，可以把家庭视频数据存放在本地边缘计算网关设备上，确保用户的隐私不被泄漏；多个智能单品之间的联动也可以通过本地边缘计算进行近实时的协调；边缘计算节点还能实现定期与云计算同步更新控制和设备状态信息。

4 边缘计算发展展望

4.1 边云协同

边缘计算和云计算在物联网应用中构成一个相辅相成的端到端系统，两者共同配合完成物联网应用的工作流，实现分布式最佳解决方案。为契合物联网应用的发展，未来的云将呈现以集中式的云/数据中心和分布式的智能边缘计算互相协同的格局。

在边云协同中，边缘计算侧重于针对实时性、系统异构、短周期数据、安全和隐私等要求比较高的业务需求，比如对源或现场数据实时处理、数据可视化、基本分析、数据缓存、数据过滤和优化、M2M通讯等；而云计算侧重于非实时、长周期数据的业务需求，如大数据分析、数据仓储、业务逻辑、机器推理、预测维护、日志存储等业务需求。为了减少对传输带宽的压力和传输成本，边缘计算需要把原始数据过滤和清洗后再传送到云/数据中心完成进一步的处理，形成“基于云计算的全局优化+基于边缘计算的局部优化”的协同方式。

AII在边云协同研讨中，按照边缘计算和云计算提供的IaaS、PaaS和SaaS对等层之间的交互原则，共识别有6类协同，即：IaaS资源&安全协同、数据协同、智能协同、应用协同、业务协同、服务协同。边云协同相关的标准协议、接口技术需要围绕边云协同的典型应用场景所识别出的需求进行制订。

4.2 使能5G

随着信息技术向物联网领域的延伸，支持物联网在网络吞吐量、时延、连接数量和可靠性等方面业务需求的新一代5G通信技术将让万物互联在各个垂直行业应用落地成为可能。边缘计算可以将5G无线网络能力信息抽象成各种类型的服务并开放给第三方应用和垂直行业，并借此在5G无线网络中提供多样化的业务场景。边缘计算为电信运营商实现灵活的网络功能部署与固移融合提供基础设施支撑，同时服务托管与基础服务能力也可以帮助第三方应用提高用户体验。

通过边缘计算的使能，将促进5G技术延伸到交通运输、智能驾驶、车联网、工业互联网等各个垂直行业。

4.3 边缘切片

网络切片和边缘计算技术是5G的两大关键技术，一直被业界普遍认为是以低成本和方便快捷的方式为用户提供个性化物联网业务应用部署的使能技术。在不同的商业模式下，物联网应用在网络吞吐量、时延、连接数目和可靠性等方面的性能指标都不尽相同，而且物联网应用在基础资源需求和业务负荷等方面都存在很大的动态性。网络切片可将网络资源按照物联网应用进行灵活地划分和管理，为垂直行业提供物理/逻辑相互隔离的专网，满足物联网应用对各类业务性能指标的需求，提高服务质量保证能力。应用于物联网的边缘切片对网络进行定制化裁剪，可以实现灵活的网元组网和最优的网络资源分配，满足物联网业务应用的实时性和动态性方面的需求。

边缘切片的实现将有助于与接入网切片和核心网切片一起构成端到端的网络切片，满足大规模物联网应用部署的业务需求，并保证物联网应用的快速发布和安全隔离。

4.4 边缘智能

物联网终端数量庞大、终端类型和网络连接协议繁多，存在很大的异构性，另外在生命周期管理、个性化需求、位置分布等方面都不相同，如何采用自治的方式进行资源/设备自动发现、网络/应用自动部署和运维、服务/业务自动提供也是边缘计算有待进一步研究的领域。

机器学习/深度学习和人工智能技术与边缘计算的结合将使能边缘计算在敏捷联接、实时响应、应用智能、数据优化、安全和隐私等各个层面的智能化，并保证在脱离云计算的情况下，物联网应用也能够独立地、灵活地运行，比如电梯的预测性维护、无人工厂实时动态自我优化。

边缘智能有助于促进各行业数字化转型的智能化。智能化是以提供的智能化工具和策略为基础，对数据进行智能化分析，从而实现智能决策和智能操作，以及业务流程的持续智能优化。随着物联网智能化需求分布到网络边缘侧，也将促进边缘计算的智能化发展，并进一步实现物的自主化和协作化。

4.5 开源实现

为方便边缘计算产品功能的快速开发，以及加速边缘计算在垂直行业的落地，建立边缘计算平台的开源社区也是实现边缘计算生态培育的重要促进手段之一。EdgeX Foundry旨在打造一个物联网边缘计算开放框架，简化物联网边缘平台构建，降低边缘计算平台准入门槛；OpenStack社区(2018年2月，OpenStack发布《云边缘计算-跨越传统数据中心》白皮书，该白皮书提倡创建一个跨行业联盟，来监督边缘计算所需工具的打造和相关技术标准的制定)也成立了专门的边缘计算工作组来关注云计算向边缘演化的趋势；Linux基金会即将开源致力于边缘计算的Akraino Edge Stack项目，以支持针对边缘计算系统和应用进行优化的高可用性云服务，为5G和物联网应用提供新的生态系统。

4.6 产业协同

目前边缘计算在物联网中的应用尚处于探索和测试验证阶段，为加速边缘计算在各行业的数字化创新和行业应用落地，还需要全面促进边缘计算与产业深度协同。边缘计算创新应用于物联网各个行业，需要针对行业需求，解决行业痛点，支持多种类型联接管理，提供多种协议&接口适配、开放的API接口，以及针对不同行业提供定制化开发等技术和能力。

5 结束语

边缘计算是连接物理世界和数字世界的桥梁，是信息技术向物理世界的延伸。边缘计算根据应用场景的需求将云计算的网络、计算、存储和应用部署等能力下沉到靠近物和数据的源头侧，为低时延、安全可靠的连接、数据转换、消息分发和智能控制等功能提供了保障，从而实现物的控制管理的自动化和信息化。

边缘计算的协同性、自主化以及与机器/深度学习、人工智能和5G等新技术的融合将促进智能边缘计算的到来，并将继续扩展物联网的边界。