物联网工程导论 课件 第5章　边缘计算

第

5

章边缘计算5.1边缘计算概述5.2边缘计算参考架构5.3雾计算5.4典型边缘计算平台第5章本章内容边缘计算背景在物联网与智能化发展过程中，计算能力始终是发展的核心问题之一，它的作用类似于人类社会中的能源。由于物联网应用中存在的大量节点在分布位置、节点功能、性能、数据传输带宽、计算能力、响应时延等方面显著不同，有些任务在云计算中心（或数据中心）中执行可能无法满足要求，尤其是物联网中的智能化计算。5.1边缘计算概述

物联网计算资源需求离不开各类应用场景，因此当人们使用云计算技术对物联网资源进行集中式数据处理，虽然资源的高度集中使得计算变得更加通用，但面对终端设备数量暴增而带来的诸多问题，如计算服务的实时性、网络时延、资源消耗、数据安全保护等，云计算在计算能力上却始终存在先天不足。5.1边缘计算概述

物联网应用中，传感器数据的类型、精度、数据量具有显著差异，数据的异构性突出；尤其是在带宽有限的环境下，终端设备的数据传输将会严重影响网络传输的整体效率，而网络拓扑的复杂性又可以使传输时延变得更高，可能严重影响云计算的性能和效率。在通信环境恶劣的物联网特殊应用场景（如地下室、矿井、海岛等）下，数据传输的可靠性更加难以保障。5.1边缘计算概述此外，尽管云计算的计算能力、存储能力比较强大，但资源开销也非常巨大，能耗问题极其突出。而优化恰好可以完全解决不必要的计算或能耗问题。除上述问题外，物联网中的感知安全、隐私保护等问题也对云计算提出了挑战。为了解决上述系列问题，人们提出边缘计算的概念。5.1边缘计算概述

2016年11月，由华为、中国科学院、Intel等联合成立了边缘计算产业联盟（EdgeComputingConsortium，ECC），该联盟旨在集聚技术前沿力量，共同搭建边缘计算产业协作平台，促进边缘计算产业发展。5.1边缘计算概述边缘计算定义由于5G、物联网的应用及场景发展迅猛，大量的智能终端被连接到网络中，并且大部分任务产生在网络的边缘，大量数据向数据中心传输过程中时延过高。而大量计算任务放在数据中心完成也会增大计算量。因此，人们考虑将工作负载部署在物联网边缘上，形成一种特殊的计算模式，即边缘计算。5.1边缘计算概述

作为近几年的专业热词，边缘计算（EdgeComputing，EC）最早于2003年被提出，在2015年得到迅速发展并受到学术界广泛关注。此后，随着人们认识的不断深入，边缘计算的定义、规范也逐步形成，相关技术也被应用到智慧城市、智能家居等场景中。边缘计算中的“边缘”，在多数情况下是指从数据源（如传感器或智能终端）到云计算中心之间的任意资源。5.1边缘计算概述

所谓边缘计算，是指靠近用户并在网络边缘执行计算的一种计算模型或服务，也是一种能够在网络边缘、云计算下行传输数据和物联网上行传输数据中进行计算的技术。通俗理解，边缘计算是更靠近用户和智能终端，使用户近距离体验到高效率的计算。5.1边缘计算概述

边缘计算产业联盟（ECC）与工业互联网产业联盟（AII）联合发布的《边缘计算参考架构3.0（2018年）》中对边缘计算做出如下定义：“边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台（架构），就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键要求。”5.1边缘计算概述边缘计算发展现状目前，边缘计算的研究日益广泛，涉及领域较多，但比较集中地反映在移动边缘网络、雾计算、边缘云、体系结构等领域。5.1边缘计算概述通用边缘计算体系结构

目前研究以通用边缘计算体系结构为典型，多围绕基础设备层、统一接口层、应用服务层、动态智能层、安全保障、运维管控等方面进行。基础设备层主要为分布在网络边缘侧，且靠近用户的海量异构智能终端设备，它们是计算、存储、带宽、缓存等资源调配的资源池，能够为边缘用户提供服务的边缘基础设施。

5.1边缘计算概述

统一接口层能整合海量智能设备形成有效统一的接口，实现规范标准的通信方式，解决设备异构问题，有利于资源调度和提高资源利用效率。应用服务层靠近应用服务商，能够为用户提供应用和系统程序，协同调配资源来满足用户需求。动态智能层涵盖基础设备层、统一接口层、应用服务层，可以实现高效、智能、自动的计算管理。5.1边缘计算概述移动边缘计算

智能手机、平板电脑、笔记本电脑等移动设备的数量逐年剧增，移动计算地位不断上升，有学者提出移动边缘计算（MobileEdgeComputing，MEC）概念并对其开展研究。5.1边缘计算概述

截至目前，MEC得到快速发展，并将成为下一代移动通信网络的关键组成部分。业界一致认为MEC能够降低物联网中的时延和提高其可靠性，可被应用于多个行业。欧洲电信标准组织（ETSI）对MEC定义了计算框架，如图5-1所示。5.1边缘计算概述图5-1ETSI定义的MEC计算框架5.1边缘计算概述

在ETSI定义的MEC计算框架中，自下而上分为网络层、移动边缘主机层和边缘计算系统层，其中移动边缘主机层又被分为移动边缘主机及移动边缘主机级管理。移动边缘主机由虚拟基础设施（如网络功能虚拟化基础设施解决方案，即NFVI，实现虚拟资源统一分配、管理、配置和故障信息处理）、移动边缘平台（实现平台管理、规则设定等）及移动边缘应用（各应用的部署、实例化和标准化等）构成。5.1边缘计算概述

相比较，网络层与边缘计算系统层的结构划分更为简单。整个MEC计算框架结构简单，脉络清晰，易于理解。5.1边缘计算概述多种解决方案促进边缘计算发展

由边缘计算延伸出的诸多问题都激发业界的研究兴趣。例如，中国联通提出云与虚拟化、大容量服务器、启用应用程序和服务生态系统，旨在促进边缘计算成为下一代移动通信的关键技术。此外，针对边缘计算不同的应用场景设置不同的资源配置，使边缘计算终端节点的计算能力具有良好表现，也是业界关注的话题之一。5.1边缘计算概述

例如，以控制为目的的节点可以配置计算能力较弱的微控制单元（MCU），计算需求较大的应用则分配矢量或多核处理的计算资源，甚至可以分配智能芯片资源以满足庞大的计算需求。5.1边缘计算概述

2016年11月，边缘计算产业联盟正式发布了《边缘计算参考架构2.0》，该框架重点阐述边缘计算的概念、特点等，从概念、功能、部署三类视图对边缘计算进行框架介绍，并提出智能分布式开放架构。5.2边缘计算参考架构边缘计算参考架构3.0根据物理世界与数字世界的协作、跨产业生态协作、跨平台移植性及有效支撑系统全生命周期活动四大理念，边缘计算产业联盟与工业互联网产业联盟联合发布《边缘计算参考架构3.0（2018年）》，边缘计算参考架构3.0如图5-2所示。5.2边缘计算参考架构图5-2边缘计算参考架构3.05.2边缘计算参考架构

该架构自下而上分为3层：现场设备层、边缘层和云层。现场设备层将设备通过接口与边缘层连接，云层向边缘层提供云服务，而边缘计算将负责整合所有边缘资源。5.2边缘计算参考架构现场设备层

现场设备层也叫作现场层，它可以利用网络连接各类传感器、执行器、设备、控制系统和资产等现场中的设备节点。现场中的节点通过网络、工业总线和边缘层中的边缘网关等实现网络连接，达到现场设备层和边缘层之间的数据流与控制流双向传输的目的。5.2边缘计算参考架构边缘层

边缘层是边缘计算的核心层，负责接收、转发和处理现场设备层传输来的数据，并提供智能感知、信息安全、数据计算与分析、优化与控制等业务。边缘层包括边缘节点和边缘管理器两个子层。5.2边缘计算参考架构

边缘节点是计算业务的核心，根据业务及硬件的不同，边缘节点包括边缘网关、边缘控制器、边缘云、边缘传感器等。边缘管理器主要对边缘节点进行统一管理。5.2边缘计算参考架构边缘节点一般具备计算资源、网络资源和存储资源，而边缘计算系统则通过对资源进行封装，对外提供API接口对边缘管理器进行调用。此外，通过建立控制领域功能模块、分析领域功能模块和优化领域功能模块，可以实现边缘计算业务开发和部署，能够大大提高工作效率。5.2边缘计算参考架构云层云层也叫作云计算层，主要负责实现智能决策、智能处理、智能服务、智能管理和个性化定制等功能。云层接收从边缘层传输来的数据流，经过智能化处理与决策后向边缘层发送控制信息，控制信息再经过边缘层向现场设备层传输，以此实现对现场设备的控制。5.2边缘计算参考架构现场设备层、边缘层和云层之间的部署视图可以充分体现三者之间的协作关系，如图5-3所示5.2边缘计算参考架构图5-3边缘计算参考架构3.0中的边缘计算部署视图5.2边缘计算参考架构由图5-3可以看出，现场设备层与边缘层涉及内容较多，既涉及工业以太网（一种结合以太网和TCP/IP技术的工业网络）、现场总线，又涉及数据流和控制流。现场设备层包括各类传感器、机器人、机床、AGV等。而边缘层不仅包括各类网络设备、边缘网关、边缘传感器等，还涉及多种智能计算，无形中增加了复杂度。5.2边缘计算参考架构云层作为计算机科学技术，通过网络技术与边缘层交互，传输数据流。注意，虽然由云层发出控制信息，但这些信息在没有传输到边缘层时仍然可被理解为数据。5.2边缘计算参考架构边缘计算关键技术在边缘计算环境中，边缘节点对数据进行计算和处理，然后将处理过的数据传输到云层。由于处理过的数据较原始数据更精准、数据量更小，所以传输时自然降低网络延迟和带宽需求。边缘计算量的大小取决于不同系统需求。理论上终端节点数量越多，计算量越大，功耗也越大。5.2边缘计算参考架构此外，系统不同，优化值也不同。尤其是当边缘节点自身安全无法得到保障时，该节点上计算的数据安全问题更加突出。因此，边缘计算主要涉及以下关键技术问题。5.2边缘计算参考架构边缘计算体系结构边缘计算涉及面广泛，涵盖了物联网、互联网、移动网等众多应用领域，最终目的是寻求如何优化和配置终端设备、网络设施、软件、存储、计算等资源。这个过程不仅涉及算法改进、算力优化和数据调配，还涉及不同应用场景和模式对边缘计算体系结构设计的严重影响。5.2边缘计算参考架构终端设备配置及计算能力在不同应用场景中，终端设备在功能、性能、功耗、计算能力、数据格式、精度、控制、网络延迟等方面始终无法统一有的终端节点之间的差异很大。如智慧园区高清视频监控与温湿度监测、智慧农业中数据采集与智能轨道交通数据等，它们对数据要求、采集频率、计算能力要求完全不同，因此需要对不同边缘计算应用场景配备不同配置、计算能力的终端处理器。5.2边缘计算参考架构边缘计算算法边缘计算涉及设备算力不同、配置不同、场景中的应用需求不同，因此，即使是同样的功能，涉及的算法也不同。例如，在对视频数据的加密过程中，如果算力满足不了需求，则应该选择简单的加密算法。再比如，有些边缘计算要求高实时响应，则研究者要在节点计算、算法及延迟方面进行综合考虑。5.2边缘计算参考架构边缘计算的任务调度机制理论上讲，当边缘计算环境复杂性越高时，建立高效的任务调试机制的难度就越高，这甚至成为一个需要重点突破的问题。在边缘计算系统中，由于计算设备、存储设备、网络设备等资源在种类、性质、效能上存在显著不同，边缘计算执行任务时需调用不同的加速计算资源；5.2边缘计算参考架构而为减轻执行时的负担，甚至需要计算功能分布在多个边缘节点上。研究人员试图通过多种技术（如机器学习、博弈论、线性规划、图论等方法）来优化任务多样性和数据存储方式，解决边缘节点的异构性，降低边缘计算对任务调度的难度。5.2边缘计算参考架构边缘计算安全边缘计算涉及各类设备，同时联接物联网、互联网、移动通信网等网络，必然存在各类安全问题。而边缘节点的计算能力往往较弱，无法执行传统上多功能、多层次、多机制的安全保障措施。尤其是当边缘计算直接应用于控制系统时，潜在的安全问题更为突出，因此边缘计算安全成为研究人员关注的重要问题。此外，边缘计算与云计算之间的协同调度、有无中心化、负载均衡等问题也需要研究和解决。5.2边缘计算参考架构尽管云计算具有低成本、高可靠性、易用性和高可扩展性等优点，其中心化服务模式及接入带宽对其的限制却使得云计算具有高延时、低带宽、网络拥堵和故障规模影响大等弊端。为解决该问题，思科BonomiF等人曾于2011年提出一种网络计算范式，并定义为雾计算（FogComputing，FC）。该技术以半虚拟化架构的分布式计算为范式，融合了计算、网络、存储、应用等资源与服务。5.3雾计算雾计算概念实际是基于云计算提出的，思科之所以将它描述为“雾”，是因为雾气可在空中飘浮，千变万化，却又离人们很近。与云计算相比，雾计算可以将地理位置更为分散、计算功能更弱的边缘计算设备组合起来共同发挥计算功能。5.3雾计算在雾计算环境中，数据可以在本地智能终端上处理，计算后的数据再向云端发送，这在无形中减少了数据传输量，降低了网络传输压力，因此雾计算适用于物联网环境。在雾计算体系结构的研究领域中存在多种技术。例如，将雾计算分成用户层、雾层和云层。5.3雾计算再如，根据雾计算结构特征可以将雾计算分为物理资源层、监控层、预处理层、临时存储层、安全层和传输层6层结构。此外，还有人将雾计算分成物理环境层、终端用户层、接入网络层、雾层、核心网络层和云层，如图5-4所示。5.3雾计算图5-4雾计算的系统架构5.3雾计算

（1）物理环境层为底层，主要功能是支持雾计算基础设施及物理设备。

（2）终端用户层主要为终端用户的智能手机、平板电脑、笔记本电脑、智能手环、智能传感器等设备，它们能够感知物理世界，产生、接收和利用数据。5.3雾计算

（3）接入网络层以无线网络设备为主，如无线路由器、无线热点。同时，一些有线网络设备也属于接入网络层。这些设备能够按照事前规则，转发终端用户数据或任务到对应的雾节点上。

（4）雾层主要由雾边缘节点、微雾、雾服务器组成，能够提供计算服务、数据存储和网络通信。5.3雾计算

（5）核心网络层以核心级网络设备为主，将雾层计算能力、存储能力无法满足的任务转交给云层的数据中心来完成，适用于执行计算量较大的任务。

（6）云层以云数据中心服务器为主，主要完成海量数据的备份、存储，以及大计算量任务的处理。复杂度较高的计算往往在云数据中心完成。5.3雾计算KubeEdge

KubeEdge是一个提供容器化的开源边缘计算平台，包含云端和边缘端，能够将本机容器化的应用程序编排和管理扩展到边缘端设备上。KubeEdge是基于K8s原生边缘计算框架构建的，能够为网络及应用程序提供核心基础架构支持，并在云端与边缘端之间进行部署和同步元数据，从而实现云边协同、计算下沉、海量边缘设备管理、边缘自治等能力，具有固有的可扩展性。KubeEdge框架如图5-5所示。5.4典型边缘计算平台图5-5KubeEdge框架5.4典型边缘计算平台KubeEdge不仅使用了Apache2.0许可协议，可以免费用于个人或商业用途，还具有模块化、轻量化（66MB足迹和30MB运行内存）等优点，可以部署在资源不多的设备上。甚至，KubeEdge允许各边缘节点的硬件架构及配置存在不同，在连接方面支持标准MQTT等多种协议，有利于有效连接新的边缘节点和边缘设备来扩展形成边缘集群，解决当前智能边缘领域面临的挑战。5.4典型边缘计算平台程序员可以通过编写常规的基于HTTP或MQTT的应用程序，将程序放在云端和边缘端上运行，这既能简化程序开发过程，也能减轻开发人员的负担。KubeEdgev1.4.0版本在边缘监控与设备管理方面进行了重大改进，如设备管理的增强，支持Metrics-Server从云端收集边缘监控数据及边缘节点证书轮转等。KubeEdgev1.4.0下载页面如图5-6所示。5.4典型边缘计算平台图5-6KubeEdgev1.4.0下载页面5.4典型边缘计算平台腾讯云物联网边缘计算平台腾讯云物联网边缘计算平台（IoTEdgeComputingPlatform，IECP）功能比较强大，能够快速地将腾讯云中的数据存储、AI、安全等云端计算能力扩展到距离物联网数据源头最近的边缘节点上，使用户能够远程管控物联网设备，转发、存储、分析设备上的数据，甚至利用云端视频汇聚、流式计算实现设备数据的本地化视频处理、AI推理、流式分析。5.4典型边缘计算平台IECP对用户提供了低时延、安全、灵活、便捷的边缘计算服务，可在运维、开发、网络带宽等方面为用户节约成本，同时与腾讯云物联网一起为用户提供统一、可靠、弹性、联动、协同的物联网服务，IECP架构如图5-7所示。5.4典型边缘计算平台图5-7IECP架构5.4典型边缘计算平台部署IECP具有如下优势。实时响应IECP能够将物联网设备连接到本地边缘节点上，然后利用本地边缘计算服务实现对物联网设备的数据实时采集、数据预处理、数据分析功能，从而满足边缘智能硬件对低时延的响应处理需求。5.4典型边缘计算平台离线处理通过部署IECP，可以将腾讯云的大数据分析、机器学习、图像识别等智能数据分析能力无缝集成到本地边缘节点上。这样，当网络受限（如权限控制）或间隙断网时，系统依然能够实现本地数据分析的自治运行，待网络恢复后再自动连接云端，并根据预先设定的策略保存物联网设备中的数据和使用云端计算服务。5.4典型边缘计算平台简化部署通过部署IECP，可以在云端控制台选择和编排将要部署到本地的云计算服务。在边缘节点和云物联网中心网络连通后，可以通过简单的脚本和控制按钮快速地完成边缘网关的连接云端、数据分析及机器学习计算等服务本地部署，