边缘计算综述：关键技术与应用方向

刘子杰 张成伟 许萌萌 张一帆 栾天宇

摘要：未来的万物互联的应用服务程序需要一种新的计算模型替代传统云计算模型，边缘计算是一种在网络边缘执行计算任务的新型计算模型，因而较好地解决这些问题。首先介绍了边缘计算的产生原因，其次阐述了边缘计算的定义、参考构架，随后基于边缘计算的参考架构总结了边缘计算的四类关键技术。最后对边缘计算的应用方向与未来发展阶段进行了介绍。

关键词：边缘计算;云计算;架构

中图分类号：TP391    文献标识码：A

文章编号：1009-3044（2019）28-0278-04

Abstract： The traditional cloud computing model will not be able to efficiently support the application service program based on the Internet of Everything. Edge computing is a new computing model that performs computing tasks at the edge of the network， thus better solving these problems. Firstly， the causes of edge calculation are introduced. Secondly， the definition of edge calculation and reference architecture are expounded. Then summarizes four key technologies of edge calculation. Finally， the application direction and future development stage of edge calculation are introduced... .

Key words： Edge computing; cloud computing; architecture

1 引言

未来的智能社会的发展方向是迈向万物感知、万物互联、万物智能，智能社会必然带来的一场遍及全社会各类行业的数字化转型，基于OT（运营技术）和ICT（信息通信技术）技术的持续发展，这场遍及各类行业的数字化转型将会将构建“物”与“物”之间的链接，行业自动化水平将达到新的高度，从而支持用户定制化产品及服务。数字化转型还带动商业模式转向全生命周期服务运营，并必将给各类行业价值链，供应链和商业架构带来一场变革[1]。

边缘设备以往仅仅使用消费各类数据，随着万物互联的飞速发展及广泛应用，为其增加了数据生产者这一新角色。引用思科全球云指数的预测，2019年，全球数据中心总数据流量能够将达到10. 4泽字节（Zettabyte，ZB），其中由物联网产生数据的45%将在网络边缘存储、处理、分析，到2020年，连接到网络的无线设备数量将达到500亿台[2]。在此情况下，未来的万物互联的应用服务程序需要一种新的计算模型替代传统云计算模型，因而较好地解决这些问题的边缘计算模型应运而生。

2 边缘计算产生的原因

2.1 数据处理需求

据统计，随着终端设备尤其是移动终端的普及，2020年后联网的终端与设备数量将有超过500亿个，在网络边缘侧进行分析、处理与储存至少达到总数据量的超过45%的数据，这一数据量已达到海量级别，已远远超过集中式云计算的能力。在这一背景下，通过利用网络边缘设备计算部分或全部工作，有效降低云计算负载，提高数据处理效率的边缘计算应运而生。

2.2 业务实时需求

随着边缘设备数据量的增加，大量网络边缘设备均需要将数据传输到云数据中心，数据量的非线性增长大大提高网络传输带宽的负载，导致数据传输延迟时间持续增加。根据现有的业务需求，在云端部署全部工作任务，例如数据分析和控制逻辑，将无法满足业务实时性需求;因而，将部分工作任务，例如数据分析直接在边缘设备上完成，降低数据传输量及传输带宽负载，满足业务实时性要求。

2.3 智能应用需求

智能化发展的大趋势使得业务流程、运行维护等逐步向智能化发展，例如设备预测性维护作为一种典型的智能化应用场景，正推动行业的服务模式与商业模式进行创新与变革。而边缘侧智能能够带来显著的效率与成本优势。

2.4 降低能耗需求

云数据中心能耗问题是与数据中心的一个关键问题，几年针对此问题的调查研究已有很多。根据Yevgenity的研究报告，美国所有数据中心的总能耗将达到730亿千瓦时，其增长率达到4% [3]。根据环境360报告，我国数据中心消耗电能也达到了一个惊人的数字，全国数据中心消耗的电能已超过匈牙利和希腊两国用电总和。而为了满足迅速发展着的智能化社会对云计算中心计算能力的需求，伴随着云计算用户应用程序数量的持续性增长，大规模数据中心的总能耗将达到一个无法满足的数字。

2.5 安全隐私需求

用户在日常生活中使用网络上各种应用程序时，各种应用程序均会获取用户的各种数据，包括隐私数据。这些数据大都被上传至云中心进行保存，在数据传输与保存过程，均增加了泄露用户隐私数据的风险。

3 边缘计算定义

3.1 内涵

边缘计算指在直接在数据源头的物或者网络边缘一侧，拥有网络、计算、存储、应用核心能力的开放式平台。边缘计算提供在快速连接、业务实时、数据融合、智能应用、安全隐私保护等方面满足行业数字化转型所需要的智能服务。

3.2 架構

边缘计算是基于网络边缘侧的各种嵌入式终端的计算、存储、网络通信能力，构建开放的网络化计算与泛在化感知与控制应用服务平台，面向分布式的感知、决策与控制，满足快速连接、业务实时、数据融合、智能应用、安全隐私保护等方面的关键需求，是一种互联、互通、互操作的开放生态环境[4]。边缘计算参考架构共包含四个功能域，如图1所示。

应用域： 基于其余三个功能域支持的接口类型及形式，结合行业业务需求，提供行业业务应用，支持行业业务的正常运行;

数据域：通过融合各类数据信息，在数据传输、处理、保持全方位的安全与隐私保障基础上，在提供一系列数据行业全周期服务，支持对数据进行提取、聚合、互操作、语义化以及分析与呈现;

网络域：是系统的中心枢纽，支持不同系统及设备之间提供数据传输桥梁;

设备域：数据采集端与应用承载端，通过在设备嵌入或安装节点，提供行业所需的实时连接与智能应用功能。

3.3 与云计算的关系

边缘计算的发展与应用不意味着彻底抛弃云计算，云计算与边缘计算是一种協同融合的关系，两者协同是行业数字化转型的发展方向。云计算的特点是注重非实时和长周期数据的大数据分析，在定期维护和业务决策支持等需要大量数据分析的领域能够发挥良好作用，而边缘计算的特点是注重于实时和短周期数据分析，能够满足本地业务的实时性需求。因此，未来两者之间的写作模式可以是由云计算基于大数据分析优化输出业务规则，并传递到边缘侧，再由边缘计算基于业务执行优化的新业务规则进行智能处理和执行。

4 关键技术

为实现边缘计算架构型式的四个功能域的各自功能，边缘计算关键技术包括应用域技术、数据域技术、网络域技术和设备域技术五大类。

4.1应用域技术

（1）应用程序可编程技术

边缘计算模型中边缘计算节点类型多样繁杂，每个节点上的运行环境均不完全相同，如果使用传统的编程方式无法满足边缘模型下部署应用程序的需求，因此应开发一种适用于边缘计算的新型编程方式，例如烟花模型（Firework）。

（2）负载分配技术

边缘计算模型一般分为多个层级，每个层级所需要处理的工作任务不同，因此为更合理的分配计算资源是边缘计算能够高效运行的重要前提。需要确定特定负载由哪层来确定或每层需要处理多少负载。可采用多种分配策略来完成一项工作负载，如将负载按照层次的数量平均分配到每个层上，或者在某一层次上分配最大可承受的负载数量，极端的情况是将任务全部分配到边缘终端或云端来完成。

4.2数据域技术

（1）数据聚合与互操作技术

为实现数据跨厂商的互操作并实现对数据的解析，首先要实现语义的统一。通过构建统一信息模型架构实现对多种现存模型的兼容，例如：

现场设备集成FDI（Field Device Integration），工厂内一般拥有的各种智能设备供应商并不完全相同，这就导致不同供应商的设备各自有不同的信息协议及信息描述格式，用为满足设备间不同协议集成需求，FDI通过建立一个跨协议的设备集成技术，完成了对EDDL和FDT/DTM技术的集成与整合，从而支持工厂能够高效地对现场设备进行全局管理[5]。

（2）数据分析与呈现技术

数据分析与呈现技术如图2所示。适配数据分析模型，实时执行数据清洗、数据分析并根据数据分析结果触发预定义的业务响应策略，同时为应用域提供数据计算结果，并支持灵活统一的数据呈现方式。例如数据预处理的关键就是如何保证在提供应用或服务程序正常运行所必要数据的同时，尽量过滤掉过多的可能会导致数据存储及管理问题的冗余数据。

4.3 网络域技术

（1）海量联接与自动化运维技术：

海量联接与自动化运维技术如图3所示。将网络的控制平面与数据转发平面进行分离，并实现可编程化控制。通过应用SDN（Software-Defined Networking），能够满足百万级边缘设备及终端的连接，并支持灵活接入与扩展。同时，降低自动化运维管理成本并提高其运行效率，融合网络与安全的策略，是海量联接与自动化运维技术的另一种需求，如图2所示[6]。

（2）实时联接技术

边缘计算对网络联接的实时性要求很高，不仅需要满足传输数据实时性，还需要保证时间的准确性和数据的完整性，因此需要定义一种统一的技术标准，例如，国际标准组织IEEE制定的TSN（Time-Sensitive Networking）就是一种能够支持实施优先级、时钟等关键服务的系列标准。

4.4 设备域技术

（1）操作系统技术

操作系统技术如图4所示。分为两类场景，轻量级、低功耗场景应具备零配置、自组网、跨平台能力;实时计算场景应具备多任务、优先级调度能力，支持确定时间内完成事件响应和任务处理。

（2）设备安全技术

设备域的操作系统、中间件及上层应用的具体设计与实现要满足安全防护需求，保护根秘钥、软件、固件及配置信息不被篡改。

5 应用方向

（1）云计算任务迁移

传统的云计算由于云计算中心承担了绝大部分工作计算任务，从而导致数据计算速度与传输数据都无法达到实时性需求。通过架构边缘计算软硬件框架，为系统提供具有预处理功能的平台，将部分工作计算任务迁移到边缘端，通过边缘端提供额外的计算能力与资源从而提高业务实时性。

（2）位置识别

在地图导航、设备管理等领域，需要准确的定位地理位置。位置识别技术本质上对基于地理位置的数据可进行实时处理、分析，通过应用边缘计算模型，可在边缘侧直接进行数据的实时处理和收集，从而节省了数据传输到云计算中心的时间，提高了位置识别业务的实时性。

（3）协同信息共享

传统的云计算模型基于隐私与数据传输成本两方面的考虑，并不允许边缘侧的设备之间直接进行数据交换与分享。通过在建立数据处理的微型数据分析中心，可支持同时连接多个边缘设备，从而使数据可以自由在边缘设备之间协同共享。

（4）预测性维护

预测性维护是通过设备上的传感器获取大量设备运行数据，通过故障机理及专家知识等状态评估算法，直接通过布置在设备侧的本地边缘计算融合网关对数据分析，从而能够在设备发生状态异常时报警，实现视情维护、事前保障的功能。

（5）多级可靠性

边缘侧可以存储一定量数据，控制计划和策略同步并存储在本地。与云端通讯断开情况下，边缘设备具有相对独立计算能力，边缘设备仍能保持部分功能，保证正常工作和管理，同时待通讯恢复后本地数据再上传云端，保证云端对所有设备形成完整视图;

（6）安全防护

通过边缘计算可以更好地对本地和云端数据进行防护与加密，提供覆盖终端、网关芯片、网关OS、网络、数据的多重安全保护。边缘计算模型可以在两方面降低隐私泄露风险：

一方面是在数据传输前，即在边缘侧先对数据进行预处理等工作;另一方面是保证边缘节点的连接唯一性，使边缘节点仅支持指定的信息请求。

（7）能效管理

利用智能算法感知监控场景内行为变化，通过边缘智能计算，实时控制能效，节省能源方面的开支;

（8）设备灵活替换

系统在底层通过工业服务适配器，将现场设备封装成web服务。通过建立统一定义的接口，并对现有的互操作工序进行重组，支持同型设备的互换，从而实现迅速替换故障设备;

（9）快速部署

建立一种新的web化的自适应工艺模型，大大减少甚至消除了重编程、断电重启、OPC变量修改重置的时间。

6 发展阶段

伴隨行业数字化转型进程的不断深入，边缘计算产业将持续走向纵深。总体上，边缘计算产业的发展阶段分为以下三个阶段。

（1）联接：实现终端和设备的大规模，异构和实时连接，自动网络部署和操作与维护，并确保连接的安全性，可靠性和互操作性;

（2）智能：边缘方面引入了数据分析和业务自动处理功能，支持大部分的数据分析与业务处理工作，并能够按照云计算中心下发的本地业务优化逻辑执行，显著提高了效率并降低了成本;

（3）自治：边缘计算能够在本地不而不是基于云计算中心，实现自我优化调整功能。

参考文献：

[1] 顾硕.深度协同 促进边缘计算产业健康与可持续发展[J].自动化博览， 2017（1）.

[2] 高永梅，程冠杰. 基于边缘计算的数据密集型服务部署[J].电信科学， 2019.

[3] 施巍松，张星洲，王一帆，等.边缘计算：现状与展望[J].计算机研究与发展， 2018.

[4] 凌捷;陈家辉;罗玉，等.边缘计算安全技术综述[J].大数据，2019.

[5] 李林哲，周佩雷，程鹏，等. 边缘计算的架构、挑战与应用[J].大数据，2019.

[6] Jakob Zietsch;;Lennart Büth;;Max Juraschek ，Identifying the potential of edge computing in factories through mixed reality[J] Procedia CIRP 2019-08.

【通联编辑：梁书】