边缘计算平台及应用分析

边缘计算平台及应用分析作者：蒋守花舒晖任宇陈俊

来源：《软件导刊》2020年第10期

摘要：随着大数据、人工智能和物联网时代的到来，智能手机、智能手表等移动终端产生数据的增速已远远超过了网络带宽。同时，智能家居、无人驾驶等新应用对网络延迟提出了更高要求。边缘计算因在贴近数据源的网络边缘进行数据处理，绕过了网络带宽和延迟问题，迅速成为近几年的研究热点。首先提出边缘计算的定义，并对边缘计算、云计算、雾计算进行对比分析，给出边缘计算的优势，然后介绍边缘计算基本架构，列举了边缘计算较为经典的两个平台：移动边缘计算平台MEC和微云Cloudlet，最后对边缘计算在智能家居、车联网具体场景中的应用进行了分析。

关键词：边缘计算;云计算;雾计算;物联网;微数据中心

DOI：10. 11907/rjdk. 202073

中图分类号：TP399 文献标识码：A 文章编号：1672-7800（2020）010-0205-04

Abstract： With the advent of the era of big data， artificial intelligence and the Internet of Things， the growth rate of data generated by mobile terminals such as smart phones and smart watches has far exceeded the growth rate of network bandwidth. At the same time， new applications such as smart homes and driverless cars place higher demands on network latency. Because edge

computing performs data processing at the edge of the network close to the data source， it bypasses network bandwidth and latency issues， which has become a research hotspot in recent years. This paper proposes the definition of edge computing， compares and analyzes edge computing， cloud computing， and fog computing， and summarizes the advantages of edge computing. It introduces the basic framework of edge computing and edge computing data processing models. Moreover， it lists two classic edge computing platforms： mobile edge computing （MEC） and Cloudlet. Finally it analyzes the application of edge computing in smart home and car network scenarios.

Key Words：edge computing; cloud computing; fog computing; Internet of Things; micro data center

0 引言

近年来，大数据、云计算、雾计算等新兴技术的不断发展，为智能技术的发展带来了新的契机，同时也对计算模型提出了更高要求。大数据时代下各种终端每天产生的数据量激增，万物互联在给人们带来极大便利的同时，也存在数据地理位置分散等问题，给数据处理和数据安全技术带来了极大的挑战。虽然云计算为大数据处理提供了集中、高效的平台，但网络带宽增加的速度远不及数据增长速度，而提高网络带宽又会增加更多硬件成本，同时复杂的网络环境会导致数据处理延迟。因此，云计算在发展过程中有网络带宽和网络延迟两大瓶颈需要突破。

边缘计算（Edge Computing）模型在本质上与云计算模型相对，边缘计算中的边缘是指互联网络边缘的计算及存储资源，其更加贴近于人、物或数据源，在网络边缘就对数据进行处理，更加高效、快捷。云计算模型可进行集中式数据处理，所有产生的数据通过网络全部传输到云计算数据中心，通过云平台强大的计算能力对数据进行集中计算与存储。未来是万物联网的时代，思科预计2020年将有500亿设备接入互联网[1]，所有设备产生的数据将超过40泽字节（ZB）。面对如此大规模的待处理数据，相比传统云计算模型，边缘计算具有明显优势：

（1）提高数据处理的实时性。云计算可以解决移动设备在存储、电量等方面的固有缺陷问题，但云计算服务需要应用将数据上传至云计算数据中心，再请求数据中心进行处理，造成了数据处理的延时，同时复杂的网络环境存在链接和路由不稳定等问题，导致云计算模型中数据上传的延迟。边缘计算模型是在移动设备附近进行数据处理，而不需要将数据通过网络上传至数据中心，通过近距离服务大大降低了网络及系统延迟，提高了数据处理的实时性。

（2）极大地缓解网络带宽和云数据中心压力。边缘计算模型在網络边缘进行临时数据的处理，无须将大量临时数据通过网络传输至云端，极大地缓解了网络带宽和云数据中心的压力。

（3）增强移动终端隐私数据的安全性。得益于无线网络的普及，移动终端中各种微应用、微服务产生的隐私数据量激增，因此很多用户会担心自己的银行卡、支付信息等数据安全

问题。边缘计算模型很好地解决了这一问题，其将用户隐私数据存储在边缘设备中，不需上传至云端，规避了隐私数据通过网络上传至云端过程中存在的数据泄露风险，增强了数据安全性。

边缘计算由于具备以上优势，且能很好地满足物联网发展需求，近两年得到了许多国内外研究者的密切关注。ACM和IEEE从2016年开始联合举办边缘计算的顶级会议SEC，一些重要国际会议也开始举办边缘计算的Workshop，例如2017年的ICDCS、MiddleWare等[2]。

在国内，各大移动通信运营商将边缘计算模型应用于第五代通信（5G）中，建设了增强移动宽带、海量机器类通信和超可靠低时延通信[3]三大基础应用平台，边缘计算俨然已成为5G发展的关键技术。

本文总结边缘计算的概念，介绍边缘计算和边缘计算数据处理模型的基本架构，对边缘计算相关平台进行对比，最后对边缘计算的经典应用案例进行了分析。

1 边缘计算概念

1.1 边缘计算定义

边缘计算的定义最早是由美国卡耐基梅隆大学的Satyanarayanan教授[4]提出的，其认为边缘计算是一种新型计算模式，与传统集中式云运算不同，边缘计算将计算与存储资源部署在更贴近移动设备或传感器的网络边缘。我国学者对边缘计算的研究大都基于美国韦恩州立大学施巍松教授等[5]对边缘计算的定义：边缘计算是一种新的计算模型，边缘计算的下行数据来自云端，上行数据来自物联网，边缘计算的边缘是指数据源到云端数据中心路径之间的任意计算及网络资源。综上，边缘计算是一种新的计算模式，其执行的计算在靠近人、物或数据源头的网络边缘，数据处理不会受到网络带宽、链接、路由等问题影响，能更快速、高效地响应服务。

网络边缘资源包括个人电脑、手机、平板电脑等用户终端，路由器、交换机、运营商基站等硬件设施，电视、电梯、门禁系统等嵌入式设备，以及微型数据中心、Cloudlet等小型计算中心，这些设备相互独立且数量众多，分布在生活中的各个地方，因此称之为边缘节点。边缘计算就是将这些分散的边缘节点统一起来，为广大用户提供服务。

综上所述，本文将边缘计算定义为：“边缘计算是一种新的计算模式，根据地理距离或网络距离，将与用户临近的资源统一起来，为应用提供计算、存储与网络服务[6]。”

1.2 边缘计算、云计算、雾计算三者区别与联系