|
随着物联网、5G通信等技术的快速发展，万物互联的智能时代正在加速到来，边缘计算作为一种在靠近物或数据源头的网络边缘提供智能服务的新型计算模型，它能够节省网络流量、提高响应速度和保护用户隐私，在物联网应用中显示出了优于云计算的性能，受到工业界、学术界的高度关注和一致认可。 边缘计算于2015 年进入快速发展期，并迅速在安防监控、智慧城市、智慧家居等行业实现了应用试点。边缘计算的快速发展得益于学术界的高度关注。近年来，计算机及通信等领域的知名国际学术会议中，关于边缘计算的文章数目和比例逐年上升，其中计算机领域顶级会议ICDCS在2015年、2016年和2017年收录的边缘计算方向的文章比例分别为6.7%、9.3%和12.7%，通信领域顶级会议INFOCOM每年约收录270篇文章，其中2016年和2017年收录边缘计算方向的文章分别为8篇和5篇，2018年收录边缘计算方向的文章高达29篇，可见学术界对边缘计算的热情。 此外，2016年ACM与IEEE共同创办了首个以边缘计算为主题的学术会议—IEEE/ACM Symposium on Edge Computing（SEC），以推进边缘计算关键技术的发展。下面，我们将会以一系列文章，来介绍边缘计算技术的发展情况。
一、边缘计算的兴起 近年来，随着万物互联时代的快速到来和无线网络的普及，网络边缘的设备数量和产生的数据都快速增长。根据IDC预测，到2020年全球数据总量将大于40泽字节(zettabyte，ZB)，而物联网产生数据的45%都将在网络边缘处理。在这种情形下，以云计算模型为核心的集中式处理模式将无法高效处理边缘设备产生的数据。集中式处理模型将所有数据通过网络传输到云计算中心，利用云计算中心超强的计算能力来集中式解决计算和存储问题，这使得云服务能够创造出较高的经济效益。 但是在万物互联的背景下，传统云计算有4个不足： 1) 实时性不够：万物互联场景下应用对于实时性的要求极高。传统云计算模型下，应用将数据传送到云计算中心，再请求数据处理结果，增大了系统延迟。以无人驾驶汽车应用为例，高速行驶的汽车需要毫秒级的反应时间，一旦由于网络问题而加大系统延迟，将会造成严重后果。 2) 带宽不足：边缘设备实时产生大量数据，将全部数据传输至云端造成了网络带宽的很大压力。例如，波音787每秒产生的数据超过5GB，但飞机与卫星之间的带宽不足以支持实时传输。 3) 能耗较大：数据中心消耗了极多的能源，根据Sverdlik的研究，到2020年美国所有数据中心能耗将增长4%，达到730亿千瓦时，我国数据中心所消耗的电能也已经超过了匈牙利和希腊两国用电总和。随着用户应用程序越来越多，处理的数据量越来越大，能耗将会成为限制云计算中心发展的瓶颈。 4) 不利于数据安全和隐私：万物互联中的数据与用户生活联系极为紧密，例如，许多家庭安装室内智能网络摄像头，视频数据传输到云端，会增加泄露用户隐私的风险。随着欧盟“通用数据保护条例”(GDPR)的生效，数据安全和隐私问题对于云计算公司来说变得更加重要。 为了解决以上问题，面向边缘设备所产生海量数据计算的边缘计算模型应运而生。边缘计算是在网络边缘执行计算的一种新型计算模型，边缘计算操作的对象包括来自于云服务的下行数据和来自于万物互联服务的上行数据，而边缘计算的边缘是指从数据源到云计算中心路径之间的任意计算和网络资源，是一个连续统(continuum)。 边缘计算模型和云计算模型并不是取代的关系，而是相辅相成的关系，边缘计算需要云计算中心强大的计算能力和海量存储的支持，而云计算中心也需要边缘计算中边缘设备对海量数据及隐私数据的处理。
二、边缘计算模型的优点 边缘计算模型具有3个明显的优点： 1) 在网络边缘处理大量临时数据，不再全部上传云端，这极大地减轻了网络带宽和数据中心功耗的压力； 2) 在靠近数据生产者处做数据处理，不需要通过网络请求云计算中心的响应，大大减少了系统延迟，增强了服务响应能力； 3) 边缘计算将用户隐私数据不再上传，而是存储在网络边缘设备上，减少了网络数据泄露的风险，保护了用户数据安全和隐私。 得益于这些优势，边缘计算近年来得到了迅速发展。 |
|
|
