随着万物互联时代的到来，物联网设备数量呈爆发式增长。在传统的云计算模式下，需要将终端设备产生的海量数据传输到云端。计算中心服务器，海量数据传输带来的时延无法满足当前很多实时业务的时延要求。在此背景下，边缘计算的出现创造了一种新的计算模型，可以在网络边缘采集和处理数据，为解决传统云计算模型中的延迟、带宽和负载等问题带来了极大的便利。边缘计算将部分云中心的功能延伸到网络边缘，为终端设备提供有效的数据访问、计算、处理、存储、控制等服务，实现云与物的无缝连接，被认为是万物的实现。互联互通的基础。许多早期的物联网设备只能收集和发送数据进行分析，然而，如今设备日益增长的计算能力允许在现场进行复杂的计算，得益于单芯片嵌入式系统的发展，越来越多的商业设备已经足够资源运行更成熟的操作系统，使其成为智能终端。同时，计算机技术和网络通信技术的发展，可以实现物与物之间数据信息的实时共享，实现智能化的实时数据采集、传输、处理和执行，使得物联网（IoT)潜力巨大。潜在的。随着物联网的快速发展和4G/5G通信技术的普及，终端设备可以获得环境感知和处理能力的增强。这种趋势使人类社会进入万物互联（IoE）时代。[1]当人、物和数据融合在一起时，将获得一个庞大的网络，使数据共享和网络连接比以往任何时候都更具相关性和价值，并为个人、企业、国家和社会创造前所未有的机会。发展机会。以万物互联为背景，大数据处理正在从以云计算为中心的集中处理时代，走向以万物互联为中心的边缘计算时代。从云计算到边缘计算云计算在过去十年中一直是一个非常热门的研究领域。它具有可靠性高、成本低、信息按需分发等特点。一条新路。云计算是由计算资源（网络、服务器、存储）集合组成的服务池。它通过多租户模型为多个消费者提供服务。服务池中的资源可以通过网络访问获取，实现服务的动态提供。并重新配置。云计算模型有不同的部署模型和服务模型，从向任何消费者提供云计算服务的公有云模型到部署自己的私有云计算平台，从基础设施即服务（InfrastructureasaService，提供基础计算资源）IaaS）模型到应用即能力软件即服务（SoftwareasaService，SaaS）模型。云计算具有管理成本最低、方便灵活、按需付费、普适性等诸多优势，得到广泛应用。[2]这个大型商业模型计算数据中心拥有足够的资源来服务于海量的用户。然而，这种资源集中显示了终端用户设备和服务云之间的平均距离很大，这反过来又增加了平均网络延迟和抖动。[3]除此之外，集中式云计算模型还表现出许多其他固有问题。（1）云计算线性增长的算力无法满足网络边缘海量多源数据处理需求；[4](2)由于用户访问量大，网络带宽和传输速度已经达到瓶颈。中心间的长距离传输会导致服务延迟高，计算资源浪费；(3)网络边缘的大部分终端用户一般是资源受限的移动设备，存储、计算能力低，电池供电周期有限，因此需要将部分计算任务卸载到传输距离相对较短的边缘与云数据中心相比；(4)在外包过程中，边缘设备的用户隐私数据容易泄露。例如，精确的用户位置甚至运动轨迹。因此，传统的云计算无法有效支撑基于万物互联的应用服务。在过去的几年里，出现了很多新的模式，比如雾计算、移动边缘计算、微云计算等。这些边缘模型的共同特点是将计算资源部署在网络边缘。2012年，思科提出了雾计算（FogComputing）的概念。其最初的定义是“随着云计算模型的扩展，在终端设备与传统云服务器之间提供计算、存储和网络服务”，是针对云计算的迁移。一个高度虚拟化的计算平台，执行从计算中心到网络边缘设备的任务；2013年，移动边缘计算（MobileEdgeComputing，MEC）一词首次被提出来描述网络边缘的服务执行，指的是在靠近移动用户的无线接入网络范围内提供信息技术服务和云计算能力的网络结构;微云计算更侧重于“移动”的概念，介于移动终端和云平台之间。部署在网络边缘，具有移动性的小型数据中心。同样，有许多计算范式旨在使云服务和资源更接近用户，以有效地处理边缘的大数据问题。研究者把从数据源到云计算中心路径的任何计算、存储和网络资源视为一个“连续体”，[5]而边缘可以是一个或多个资源节点的计算模式，统称为“边缘计算”。由于具有处理大数据的能力，网络边缘的设备从数据消费者变为数据生产者。例如，数据采集、模式识别和数据挖掘。同时，这些终端设备提供丰富的服务接口，以边缘计算模型为核心，结合云计算中心为用户提供协同计算服务。计算服务不足的问题。显然，与云计算相比，边缘计算并不是要取代云计算，而是对云计算进行补充和延伸，为移动计算和万物互联提供更好的平台。边缘计算模式需要云计算中心强大的计算能力和海量存储的支持，而云计算也需要边缘设备在边缘计算中对海量数据和隐私数据进行处理，以满足实时需求。时间、隐私保护和功耗降低。.边缘计算特点边缘计算的架构如图1所示，是“终端设备-边缘-云中心”的三层模型，三层都可以为应用提供资源和服务。在这种架构中，边缘设备可以连接到边缘服务器、相互连接或直接连接到云端。这样的计算结构表明边缘计算的执行可以发生在不同的层次，例如在核心云、边缘服务器和端节点上。虽然边缘计算的目的是执行应用程序中计算密集和延迟敏感的部分，但边缘服务器上的一些应用程序仍然需要与云中心通信以同步全局应用程序的数据。值得注意的是，分层代表了边缘计算中各个组件的不同特性和计算能力。最底层是计算能力较小的终端设备，主要订阅边缘服务。中间节点提供更接近最终用户的边缘计算服务。边缘服务器有时连接到远离端节点的云中心。图1终端设备-边缘-云中心三层模型架构数据分层结构方便了云中心与边缘的交互。在许多应用场景中，边缘节点收集传感器和设备产生的数据，并对其进行适当处理，并向执行器发出控制命令。过滤掉本地执行所需的数据后，将剩余的数据进行抽象和虚拟化，按照地域和时间的不同，送到云端的更高层进行全局处理。这个过程的处理时间从秒到分钟甚至以天为计量单位。因此，边缘计算必须支持多种类型的数据存储，从低级别的临时存储到更高级别的半永久或永久存储。边缘侧可以通过隔离需要存储在边缘的用户数据来扩展云端的功能，管理者可以直接在他的模型中进行定向分析、安全防护或其他个性化定制服务。边缘计算不能取代云计算，它是一个高度虚拟化的平台，在终端设备和传统的云计算数据中心之间提供计算、存储和网络服务。[6]边缘计算的诸多特点决定了它是云计算的重要延伸。(1)边缘分布、位置感知、低延迟。边缘计算由许多分布式终端节点组成边缘网络。边缘节点为网络边缘的终端设备提供丰富的服务，实现低时延和环境感知。(2)层级组织结构。分层代表了边缘计算不同组件的不同特性和计算能力。云中心集中提供海量资源，全局全局决策。边缘节点使数据处理和服务更靠近终端设备，以减少时间消耗和功耗。(3)地域分布密集。随着万物互联的进一步发展，移动终端设备数量达到前所未有的水平，边缘服务和应用分布式部署，以应对地域密集的服务请求。(4)实时交互。在边缘计算的很多应用场景中，必须要实现毫秒级的响应和交互，应用批处理必不可少。例如，车联网中的路侧单元实时监控路况，必须实现多因素综合检测，及时与行人、车辆互动。(5)高度异构。边缘节点可能属于不同地理上分离的服务提供商，形成一个大规模的异构计算网络。边缘节点在网络架构的不同层中是高度动态和异构的。(6)安全。通过减少信息需要传播的距离，窃听的机会大大减少。使用基于接近度的身份验证技术增强了身份验证。边缘计算的其他特性自然会增强其安全性。边缘计算实施背后的驱动力是由于不同类型的技术。蓬勃发展的网络技术是实现延迟敏感应用的基础，例如4G/5G、[7]认知无线电。边缘计算中的这些通信技术用于设备与设备之间、设备与边缘服务器之间；软件开发工具箱，具有友好的应用编程界面，辅助开发和集成新的兼容应用，支持个性化定制应用和服务；云计算利用集中式强大的服务器来处理计算密集型数据，而边缘计算则将云端部分的能力带到边缘终端设备上，最大限度地减少延迟，因此服务器也可以帮助小型资源受限的移动设备卸载计算任务。为了处理边缘计算生态系统中边缘节点的高度异构特性，需要一个通用的编排平台来提供互操作性、软件可编程性和虚拟化。[8]互操作性允许异构边缘节点在同一架构下运行；软件可编程性允许应用开发者基于通用虚拟化硬件进行编程，屏蔽边缘节点底层硬件实现细节；虚拟化技术将资源划分为资源单元，如基于内核的虚拟机（VirtualMachines，VMs）和容器，允许逻辑上分离的资源与相同的物理资源生成，允许多个物联网应用共享资源，互不干扰其他。边缘计算的应用目前，很多业务都应用了边缘计算，如视频分析、智能交通、智能家居、电子医疗、智能电网等视频分析。视频监控和分析在过去几年得到了广泛的应用。与传统的将视频数据上传到云端的方法相比，边缘视频分析是指在边缘设备上进行部分或全部视频分析负载，如实时、高性能要求不同的人工智能检测算法，在公共安全领域显示出显着优势。反恐：一是数据传输开销低，二是响应延迟低，三是实现各种前所未有的应用。[10]因此，可以提取视频中有价值的信息并将其传输到云端进行集中处理和决策。录像机和视频传感器捕获和共享不同的视频内容，这些内容可以存储和有效管理以备后用。不同的安全应用程序可以自动从视频内容档案中提取所需的数据。智能交通。随着万物互联软件、硬件和通信技术的快速发展，车辆配备了传感器、车载电脑等设备。这些设备具有冗余的存储和计算资源，允许车辆与周围车辆和路边基础设施以分布式方式交换信息并执行一些复杂的计算任务。通过车对车、车对边缘接入点、边缘接入点对边缘接入点的互联互通，大大丰富了车联网的应用场景。边缘移动性、低时延、支持实时交互成为智能交通的理想平台。例如，智能交通信号灯的边缘节点可以在本地与传感器进行交互。根据传感器检测到的信息，智能灯向接近的车辆发出警告信号，以防止交通事故的发生。智能家居。智能家居是以住宅为平台，利用综合布线技术、网络通信技术、安防技术、自动控制技术、音视频技术，将与家居生活相关的设施进行整合，构建高效的住宅设施和家庭管理系统。时间表，提高家居安全性、便利性、舒适性、艺术性，实现环保节能的居住环境。[11]智能家居配备了大量新兴的万物互联无线设备，用于检测温度、湿度、天然气剩余水平等。[12]建筑物中的所有传感器都可以相互交换信息，并读取它们的读数可以组合形成有效的测量数据。传感器将利用边缘设备的分布式决策和激活状态来反馈和响应测量数据。系统组件协同工作以冷却房间、注入新鲜空气或打开窗户。空调可以除湿或增加空气中的湿度。传感器还可以响应人类活动（例如，当人进入或离开时打开或关闭灯）。低级别边缘设备可以部署在建筑物的每一层，在更高级别的执行上进行协作。通过该场景的边缘计算，智能家居可以感知其组织结构、内部和外部环境，以节省能源、水和其他资源。电子医疗。边缘计算在过去几年已经成功应用到各个方面，在医疗领域也经常被使用。在万物互联中，电子医疗服务往往是对延迟敏感的应用。实时数据处理和极短的交易响应时间在医疗保健中至关重要。边缘计算使最终用户和医务人员能够实时监控来自不同传感器的数据。生成的健康相关数据，如体温、心率、血压、脉搏等，如果患者情况紧急，可立即实施相关救治措施或通知附近医护人员，大大提高有效抢救时间的利用率，提高了患者康复的可能性，降低了不可逆损伤的概率，甚至挽救了急诊患者的生命。最初，云计算也被用于电子医疗应用，但因为延迟的问题并没有取得很大的成功，而边缘计算模型的出现为解决这一问题带来了新的希望。例如，边缘计算可用于检测、预测和预防中风患者跌倒，跌倒检测算法可动态部署在边缘设备和云端资源中。[13]中的实验表明，边缘-云中心系统比单一使用云计算方法的结论具有更短的反应时间和更少的能量消耗。边缘节点可能会收集到很多患者的隐私信息，可以独立做出辅助治疗的决策，而无需传输到云中心或通知医生。总的来说，基于边缘计算的电子医疗系统带来了更低的时延、移动支持和位置感知，能够在一定程度上解决患者的隐私顾虑。智能电网。智能电网是电网的智能（智能电力），又称“电网2.0”，它以一体化、高速双向通信网络为基础，通过先进的传感测量技术、先进的装备技术，先进的控制方法和先进的决策支持系统技术的应用。[14]作为边缘计算在万物互联中的典型应用场景，智能电表和微电网作为网络边缘设备上的能源负载均衡应用。根据可用性和能源需求，设备可以自动切换到太阳能和风能等替代能源。边缘节点可以自动观察能源消耗和分布模式。在大规模能源网络部署的情况下，云计算中心可以作为集中策略处理海量数据的工具，使应用程序具有健壮性和动态性。边缘与云中心协同，可实现可靠、安全、经济、高效、环保、环保的电网。使用安全和其他目标。边缘计算的挑战和机遇边缘计算面临的挑战范围很广，从异构和资源受限节点上的计算任务分解到云-边缘接口的定义；弹性存储；从经济激励价格到可扩展的安全对策。这些问题的基础是寻找“本地”和“全球”之间的内在平衡，因为我们在云和边缘之间进行权衡，以决定在何处分配功能以及如何重新组合它们。例如，边缘计算在异构节点（终端用户、网关、本地服务器或数据中心）和一系列基础软件上执行复杂的应用程序。考虑到高度动态环境的复杂性、终端用户设备上安装的不同边缘应用程序以及支持不同管理域以适应基础设施的极端异构性和复杂的外部环境的必要性，此应用程序的编排绝对是一个重大挑战.在万物互联场景下，由于边缘计算的特点，不同服务级别的应用落地有特定的要求和挑战。(1)延迟最小化。高时延已经成为基于万物互联的智能应用亟待解决的严峻问题。边缘计算使数据分析可以在网络边缘进行，并且可以支持时间敏感的功能。这对于许多商业应用程序都是必需的，例如具有毫秒级响应时间的嵌入式人工智能(AI)应用程序。作为解决方案平台，边缘计算必须保证服务质量和任务的及时交付，以满足对延迟敏感的应用程序的需求。(2)动态和自主。由于万物互联应用的启停转换和边缘节点的移动性，边缘网络的状态是动态变化的。同时，也会有一些不可靠的边缘节点连接到网络中。边缘计算必须能够自主处理这些动态情况。支持边缘计算的架构需要具有动态可扩展性，能够兼顾个人喜好，满足定制化需求。（三）服务质量。IoE应用程序可以指定其服务质量(QoS)要求，例如延迟、吞吐量和数据位置，以满足关系感知卸载处理。边缘计算需要能够决定在一个共享边缘网络中同时部署多少应用程序，并满足用户所要求的服务质量参数。(4)网络管理。在万物互联场景下，由于海量设备的接入，会出现很多常见的网络现象。[15]例如，不适当的虚拟化支持、缺乏无缝连接和低效的拥塞控制会降低整体网络性能。在边缘计算中有效利用网络资源是万物互联的基础。(5)成本优化。应用合适的平台来部署边缘计算所需的可扩展基础设施涉及大量的前期资本和运营费用。[16]这些成本大部分与网络节点的布局有关，因此，为了最大限度地降低总体成本，需要仔细规划和优化边缘节点的放置。在合适的位置部署最佳数量的节点可以大大降低资本支出，而边缘节点的最佳布局可以最大限度地降低运营成本。(6)能源消耗管理。边缘计算需要在终端和云端之间分配计算、存储和控制功能，使这个“连续体”的可用资源得到充分利用，从而优化整个系统的效率和性能。能源管理是基于万物互联场景的重要目标，边缘计算需要节能的万物互联设备和应用。数以亿计的IoE节点需要一个智能传感平台来收集能量，以确保可扩展性、降低成本并避免频繁更换电池以支持不同的应用程序。(7)资源管理。在实施应用程序级服务时，优化资源管理也很重要。适当的资源管理包括资源协调、可用资源估计和适当的负载分配。[17](8)数据管理。目前，大量的IoE设备会产生海量数据，需要实时管理。在边缘计算中，需要有效的数据管理机制。IoE设备产生的数据的收集和传输也是数据管理的挑战。(9)安全和隐私。万物互联场景下的安全不同于其他环境，主要是因为万物互联设备的资源属性有限。边缘计算由于其分层结构，自然可以为资源受限的设备提供一定的安全保障，而由于这一特性，边缘计算收集的数据更接近用户端，可能涉及隐私问题。在这种情况下，万物互联的安全漏洞更具破坏性，边缘节点监控和操纵物理设备的能力可能会危及生命。解决安全和隐私问题是实现万物互联和边缘计算的基础。边缘计算将带来许多新的商机，并赋能云迄今未能有效解决的问题。[18]例如，充当云中心的代理为许多无法直接有效地连接到云的终端设备提供云服务。基于边缘的服务范围正在逐步扩大。云和边缘将融合为一个统一的端到端平台，提供集成的服务和应用，为突破现有的云计算商业模式创造机会。边缘计算商业模式涉及多方参与或者，网络服务提供商拥有边缘服务器和网络设备，终端设备和用户可能既是客户端又是服务器。为了构建一个完整的商业模型，需要决定如何计算和监控资源。对于众多边缘参与者而言，如何基于冗余资源获得激励奖励，也是边缘计算商业化需要解决的重要问题。
