邊緣計算技術的研究與應用探討

盧文進

摘要：邊緣計算將網絡、計算、存儲、應用等技術部署在邊緣計算節點以提升網絡性能和網絡控制能力，適用于工業互聯網、固聯網、移動通信網等多種場景。邊緣計算作為解決大規模多源異構數據處理問題的新興技術手段，為眾多新型業務的開展奠定了基礎。

關鍵詞：邊緣計算;計算架構;應用

中圖分類號：TP393.09?? 文獻標識碼：A?? 文章編號：1672-9129（2020）16-0024-01

1 邊緣計算的概念

數據的爆炸式增長成為數據存儲、傳輸、處理等技術領域的新難題，也對相關服務的性能提出了更高要求。邊緣計算，是將傳統網絡中由中心節點完成計算處理的大型服務分解成更小的部分，分散到網絡邏輯的邊緣節點上進行處理[1]。典型模型有數據庫模型、P2P模型、CDN模型、霧計算模型等。作為一種分散式運算架構，邊緣計算能夠降低網絡帶寬壓力，避免中心節點負載過高，提高數據的傳輸、處理速度，增強服務響應能力，在智能家居、智能零售、智慧城市等領域均有應用。

2 邊緣計算架構

2.1基本架構。邊緣服務器是計算架構的核心，物聯網、AI技術的應用使數據處理的復雜程度直線上升，因此要求邊緣服務器要能完成高密度計算、數據存儲、聯網等功能，還要考慮能耗、成本等問題。高密度組件的使用能克服邊緣服務器工作空間較小的缺點，所以邊緣服務器一般采用多核CPU作為處理器，同時搭載大容量固態存儲器、主流網絡模塊（如WIFI）、ECC內存等。

異構計算同樣在計算架構中占有重要地位，通過將不同指令集的計算單元進行協同[2]，異構計算可以有針對性的采用相關計算單元完成對結構化、非結構化數據的處理。

虛擬機和容器的主要作用是整合、管理計算架構中的各項服務。虛擬機可以提供更強的安全隔離;容器則具備輕量化、高性能的特點，更節省資源;實際應用時使用虛擬機還是使用容器可根據架構的不同需求進行選擇。

2.2通信網絡。邊緣計算架構需要借助通信網絡進行相關業務的傳輸，所選網絡要滿足傳輸時間確定性和數據完整性的要求，為業務的靈活配置提供保障。目前邊緣計算的主要搭載網絡是5G移動網和部分固網，一些迅速發展的網絡技術也逐步應用到邊緣計算中來，最熱門的SDN就是其中之一，此外還有NFV、VMDq、SR-IOV等。

SDN由網絡基礎設施層、控制層、應用層構成，通過將控制面與數據面分離簡化網絡復雜度，獲得更好的擴展性，提高效率，降低成本[3]。NFV即網絡功能虛擬化，是通過軟件在通用處理器上實現原本搭載在專用硬件設備上的網絡功能，可以靈活配置資源，降低專用網絡設備成本。VMDq和SR-IOV技術都是為實現I/O設備的虛擬化而誕生的，VMDq技術使用網絡適配器進行數據包分類，降低CPU占用率，提高訪問性能。SR-IOV技術可以實現虛擬機之間PCIe的高效共享，獲得接近物理宿主機的性能。

2.3邊緣存儲。邊緣存儲的實質是分布式存儲，在這種存儲架構下，數據不再傳輸到中心服務器，而是直接存儲在邊緣計算節點中。邊緣存儲具有時延較低，占用帶寬較小等優點，由于邊緣節點是獨立的，對數據進行操作不會影響其他網絡，也能將數據合并傳送，減少網絡中的冗余數據;而且當邊緣設備在不同網絡中移動時，數據的同步和完整性不會受到影響。

邊緣存儲的介質主要有機械硬盤和固態硬盤兩類，常見機械硬盤有SATA和SAS，由于機械硬盤使用磁頭尋址，因此性能相比固態硬盤較差。固態硬盤由Flash/DRAM+控制器構成，常見的有SATA SSD、SAS SSD和NVMe SSD等。對于需要進行高級分析的非持久性數據，一般使用DRAM進行存儲;對于持久性數據，則根據不同需求選取不同介質。

3 邊緣計算應用

3.1智能家居。智能家居賦予傳統家庭生活更高的便捷性和娛樂性，隨著各類智能設備的開發使用，邊緣計算也逐漸遷移到智能家居領域中來。針對智能家居的邊緣計算架構可以實現不同網絡協議的互聯，解決不同智能設備接口不統一的問題;再通過對傳感數據、語音數據、視頻數據等進行轉換、分析，進行自主決策和演進，不斷提高智能化程度;同時架構也能統一交互界面，使智能家居可用性、用戶友好性更強。

3.2智能零售。智能零售的顯著特點是將線下、線上服務進行結合，以無人零售、無界零售等新形式推動消費流程的數字化、智能化，阿里無人店和京東7FRESH的成功運營證明了智能零售的無限可能。智能零售中的邊緣計算結構是利用邊緣側節點承載容器服務，將計算能力擴展到貨架、攝像頭、電子秤、打印機等本地設備，提供商品跟蹤、人臉支付、自動盤貨、預測供應等服務。

3.3智慧城市。智慧城市的目標是整合電信、交通、網絡等社會資源的感知數據，識別事件，并根據數據相關性對重大或關聯性事件進行智能研判和高效處置。其邊緣計算架構采用三層模型，底層為采集層，包含監控、傳感器、GPS終端等設備，各類數據由采集層傳輸到就近的邊緣計算節點;各節點共同構成感知層，感知層通過內置的推理模型對原始數據進行匯聚和計算，提取特征信息，再上傳至應用層;應用層完成最終的統籌規劃，形成決策，完成事件處理。

3.4自動駕駛。自動駕駛集中了傳感、通信、自動控制和人工智能等技術，是目前公認的汽車技術發展方向。自動駕駛的邊緣計算架構要對計算單元、環境感知設備、數字化車載應用等負載進行整合，使其能夠運行在同一個硬件平臺上;同時采用異構計算滿足定位、路徑規劃、目標識別跟蹤等任務的運算需求;此外還要根據自動駕駛對實時性、安全性的特殊要求部署不同規則。

4 結論

物聯網和5G技術的涌現、發展推進了邊緣計算的商業化落地，目前邊緣計算架構已經在多個領域取得了部署成果，也會作為未來的研究熱點得到不斷改進。本文對邊緣計算中的基本架構、網絡、存儲進行了詳細介紹，列舉了其在不同領域的具體應用，幫助讀者更好理解邊緣計算。

參考文獻：

[1]蔣林濤.云計算、邊緣計算和算力網絡[J].信息通信技術，2020，14（4）：4-8.

[2]鄭逢斌，朱東偉，臧文乾， 等.邊緣計算：新型計算范式綜述與應用研究[J].計算機科學與探索，2020，14（4）：541-553.

[3]穆琙博，柴瑤琳，宋平， 等.邊緣計算發展現狀及標準體系研究[J].信息通信技術，2020，14（4）：23-30.