边缘计算在物联网中的作用

边缘计算在物联网中的作用

摘要

片上嵌入式系统的显著进步极大地增加了具备足够资源以运行完整操作系统的商用设备数量。这一变化扩展了物联网的潜力。许多早期的物联网设备只能收集和发送数据以供分析，而如今设备不断增强的计算能力使其能够在现场执行复杂的计算任务，从而催生了边缘计算。边缘计算通过将服务推向网络边缘，扩展了云计算的能力，进而支持多种新型服务和应用程序。在本研究中，我们调查、强调并报告了边缘计算技术的最新进展，并评估其对物联网的影响。我们通过分类和整理现有文献，建立了边缘计算的分类法，揭示了不同边缘计算范式对物联网的显著且支持性的特征。此外，我们提出了在物联网中成功部署边缘计算的关键要求，并讨论了边缘计算在物联网中的几个不可或缺的场景。同时，我们也概述了一些开放研究挑战。

引言

数十亿台智能设备如今能够以物联网（Internet of Things, IoT）的形式连接到互联网，这得益于网络技术的进步[1]。根据思科的一份报告，这些设备到2019年将产生507.9泽字节的数据。物联网设备所产生的数据对于希望提高生产力和收入的组织至关重要。然而，对于依赖传统计算范式的组织而言，如此大量数据的管理和分析既繁琐又具有挑战性。在此背景下，边缘计算正变得越来越受欢迎，因为物联网在网络边缘进行数据处理的应用日益普遍[2]。

鉴于数据在网络边缘快速产生，在网络边缘处理这些数据将更为高效。一些方法，如云朵、雾计算和移动边缘计算（MEC），为云计算提供了补充解决方案，以减少在网络边缘的数据处理。简而言之，边缘计算是一个通用术语代表雾计算、多接入边缘计算、云朵和微云。将存储、计算和电源置于网络边缘，以提高可用性、降低延迟，并最终解决云计算问题[6]。边缘计算有助于在数据源附近处理延迟敏感型和高带宽需求应用[7]。

尽管已有许多研究针对不同的边缘计算范式（即雾、边缘和云朵）[8][9][3], ，但尚未有研究从物联网的角度全面考察上述所有边缘计算范式。由于边缘计算这一新兴范式的重要性及其在物联网成功中的作用，有必要开展该方向的研究。本研究重点阐述了边缘计算在物联网上下文中的作用。

这项工作的贡献是多方面的：
- 我们从物联网的角度探讨、强调并报告边缘计算领域的近期前沿进展。
- 我们通过设计一种分类法来对边缘计算文献进行分类和归类。
- 我们概述了物联网中边缘计算成功部署的关键要求。
- 我们介绍了物联网中边缘计算的一些不可或缺的场景。
- 我们识别并详细阐述了若干开放研究挑战。

这些贡献将在接下来的各个章节中分别讨论，最后在最后一节提供结论性评述。

基于物联网的边缘计算分类法

图2展示了基于物联网的边缘计算的分类法，该分类法考虑了特定特征，如无线网络技术、计算节点、计算范式、服务级别目标、主要推动因素、数据类型、应用程序和属性。

网络技术

物联网设备将收集到的数据发送到本地可用的边缘服务器进行处理。这些设备通过无线网络技术（如无线网络和蜂窝网络（例如3G、4G和5G））或有线技术（如以太网）与边缘计算平台通信。这些网络技术在数据速率、传输范围和数量方面各不相同，支持的设备。无线网络为在边缘服务器上运行应用程序的用户提供了灵活性和移动性。然而，无线网络技术不如有线技术可靠。

计算节点

物联网设备的处理能力有限，因此不适合执行计算密集型任务。然而，资源受限的物联网设备可以通过利用边缘服务器的资源来增强其能力。边缘计算范式依赖于不同的计算设备，为物联网用户提供服务。这些计算设备是基于物联网的边缘计算的核心要素。计算节点包括服务器、基站（BS）、路由器和车辆，它们可以向物联网设备提供资源和各种服务。这些设备的使用取决于具体的计算范式。

计算范式

物联网中使用了多种计算范式，以根据不同的应用需求提供各类服务。这些范式可分为云计算、边缘计算（即MEC、雾和云朵）、移动自组织云（MAC）以及混合平台。云计算是一种集中式计算基础设施，旨在提供对强大云服务器的无中断访问。这些服务器能够快速处理从远程物联网设备接收的大量数据，并将结果返回。然而，实时延迟敏感型应用无法承受广域网带来的长延迟。

通过不可靠无线链路持续传输大量原始数据也可能效率低下。相比之下，边缘计算是一种去中心化计算平台，它将云计算能力带到物联网设备附近，即网络边缘。一种重要的边缘计算平台是 MEC，它将云计算能力带到了蜂窝网络的边缘[10]。计算和存储服务在基站（BS）处提供。与 MEC不同，雾计算利用有限地理区域内可用的本地雾节点（例如路由器或交换机等本地网络设备）来提供计算服务。随着物联网的成功，雾计算被视为一项领先技术。云朵是边缘计算的另一种形式，其中来自物联网设备的延迟敏感型和计算密集型任务在局域网中部署的服务器上执行。与依赖基础设施部署的云计算和边缘计算平台不同，移动边缘计算（MAC）利用本地邻近范围内可用的移动设备的共享资源来处理计算密集型任务。

云计算和边缘计算结合用于混合计算。当需要云计算的大规模计算资源但无法容忍云的延迟时，通常会采用此类基础设施。可在这些应用中采用边缘计算变体以克服云计算的延迟问题。

服务级别目标

物联网上下文中的边缘计算不同的服务级别目标如下：

延迟最小化 ：高延迟已成为基于物联网的智能应用程序的关键问题。需要一种替代平台（如边缘计算），以确保服务的及时交付，满足对延迟敏感的物联网应用程序（如智能交通和在线游戏）的服务质量（QoS）要求。

网络管理 ：一些现象，例如虚拟化支持不足、缺乏无缝连接以及拥塞控制效率低下，会降低整体网络性能。因此，在物联网中高效利用边缘计算的网络资源至关重要。

成本优化 ：实现边缘计算需要使用适当的平台，这necessitates大规模的基础设施部署，涉及大量的前期投资和运营成本。这些成本大多与网络节点部署相关，需要精心规划和优化，以最大程度地降低总体成本。在合适的位置部署最佳数量的节点可以显著减少资本支出，而边缘节点的最优布局可以最大限度地降低运营成本。

能源管理 ：能源管理也是基于物联网的边缘计算的重要目标。用户需要对电源管理进行严格控制。在边缘计算中，高能效物联网设备和应用程序是理想的。根据一项研究，一万亿个物联网节点需要支持多种应用的传感平台，通过能量采集来确保可扩展性、降低成本并避免频繁更换电池。

资源管理 ：计算资源的最佳管理对于实现服务级别目标至关重要。适当的资源管理包括资源协调、可用资源估算以及工作负载的合理分配。

数据管理 ：当前大量的物联网设备预计将产生大量需要及时管理的数据。在边缘计算中，期望有高效且有效的数据管理机制。物联网设备生成数据的传输和聚合是数据管理中的重要问题。

主要推动因素

推动边缘计算成功发展的动力来自多种不同类型的技术。新兴的网络技术，如第四代移动通信技术和认知无线电，在满足延迟敏感型应用的需求方面至关重要。这些通信技术被用于边缘计算中的设备到设备以及设备到边缘服务器通信。配备适当应用程序编程接口的软件开发工具包有助于开发和集成新的兼容应用程序，并定制现有的应用程序和服务。云计算利用功能强大的服务器处理计算密集型任务；同样的理念也被设想应用于网络的边缘设备，以将云能力带入边缘，从而最大限度地减少延迟。此类服务器可以帮助卸载计算任务，减轻资源有限的小型移动设备的计算负担。虚拟化是另一种新兴的使能技术，它允许使用相同的物理资源创建逻辑上隔离的资源。在网络边缘，不同的虚拟机利用虚拟化技术来实现多种云计算服务。

数据类型

边缘计算的主要原因之一是其前身（即云计算）无法满足处理各种数据类型的应用程序的某些需求。这些数据类型可以根据对延迟的敏感性进行broadly分类。硬实时数据完全不能容忍任何延迟，而软实时数据可以承受一定的有限延迟。延迟容忍型应用程序可归类为非实时。

应用程序

许多应用程序目前使用边缘计算。

智能家居 ：配备大量物联网设备的智能家居属于边缘计算的一个新兴应用领域。面向智能家居监测与计量的物联网应用程序将使用户能够自动、精确地获取各类仪表读数，并及时获取相应账单，无需延迟[11]。这些物联网应用程序旨在实现对水、电、燃气等各类公用设施的远程监控和计量。从物联网设备收集的数据可传输至边缘服务器进行处理，而非发送至云，从而实现实时数据分析。

医疗保健 : 近年来，边缘计算已成功实施，并现已被广泛应用于各种医疗设备中。边缘计算使终端用户能够监控并响应由各种服务器生成的健康相关数据。已提出多种结合云、雾和边缘计算的架构，以充分利用协同计算范式的优势。在物联网中，医疗保健应用程序通常被视为延迟敏感型应用。最初，云计算被用于医疗保健应用程序，但由于延迟问题而未能取得显著成功。边缘计算的引入解决了这些问题，使得云计算在医疗保健物联网应用中变得切实可行。

视频监控 ：目前，边缘计算已应用于生活各个领域的智能视频监控，包括家庭安全和反恐。通过不同的视频摄像头和视频传感器获取并共享各种视频内容。这些视频被存储并有效管理，以便进一步处理。不同的安全应用可从存储的视频内容档案中自动提取所需数据。视频监控通常通过边缘计算与云计算协同完成。

智能电网 ：边缘计算和物联网被应用于智能能源管理。此类应用程序可自动监测消费和分配模式。边缘计算利用贡献节点进行实时感知和处理。云计算也被用作协作工具，以在广域能源网络的部署中处理大量数据，使这些应用程序更加稳健和动态。

智慧城市 ：物联网中的边缘计算可以帮助设计智慧城市。边缘计算可以有效应用于街道和道路的照明控制系统、空气和水质监测、在灾难或事故情况下探索应急路线，以及城市不同花园的自动灌溉。

智能物流 ：物联网环境中的边缘计算有助于传统物流，并提供了新的迷人可能性，使物品的流程管理实现自动化和便捷化。该系统在成本和时间方面实现了产品制造商与最终消费者之间交易的顺畅流动。除了这些应用程序之外，感兴趣的读者可以参考潘杰和J·麦克埃尔哈农在[12]中提出的关于物联网应用的多个边缘云机会的研究。

环境监测 ：在物联网中，边缘计算与云计算的协同使用可以提升现有监测系统的质量。自动化系统将与传感器和执行器协同工作。已开发出用于监测对环境产生主要影响的关键要素的应用程序。这些要素包括空气中气体浓度、湖泊和地下水位、光照条件、土壤湿度以及土地位置变化的监测。环境监测在农业、林业和食品安全等多个领域至关重要。

属性

边缘计算具有某些属性，例如低延迟、接近性、位置感知、密集的地理分布和网络上下文信息。移动运营商、内容提供商和应用开发者可以在其相应的业务领域中利用这些有利属性，以提升移动宽带用户的体验质量。

物联网中边缘计算的关键要求

在物联网环境中成功部署边缘计算有一定要求。这些要求是任何边缘计算应用或服务顺利运行所期望具备的特性。当系统满足以下列出的要求时，被认为具有用户友好性和可行性。值得注意的是，其中一些要求相互冲突。因此，应用设计者必须结合环境，在所有要求之间保持良好平衡。

延迟 ：在延迟敏感型应用中，延迟是优先选择边缘计算而非云计算的基本原因之一。许多现代应用程序具有延迟敏感性，并对实时数据进行计算。将大量服务和应用程序从云迁移到网络边缘，可显著降低物联网应用的延迟。低延迟支持实时通信，从而提升基于物联网的边缘计算中的决策能力。

可靠性 ：边缘计算有望应用于生活的几乎所有领域。在所应用的关键领域中，边缘计算发挥着多种作用，例如医疗保健和银行业，这些领域需要可靠的系统。可靠性是边缘计算系统的关键要求，以使该系统成为智能计算在物联网实际应用中的实用选择。

移动性支持 ：在物联网中，不同类型的设备被用于不同的架构。移动性技术经常被应用于不同的云和边缘架构中，并在混合基础设施中的应用程序中越来越受欢迎。在具有移动设备的基础设施中，移动性控制始终是一个问题。同时，某些边缘应用必须具备移动性支持。提供移动性对于不同模块之间的直接通信以及不同移动设备之间的消息交换至关重要。

实时交互 ：实时应用在通信的各个领域中正变得越来越流行。在物联网中，某些边缘应用需要实时交互。虽然也可采用批处理等其他方式，但对于许多使用边缘计算的现代物联网应用（如医疗系统以及许多其他关键且对时间敏感的应用）而言，这些方式可能并不适用。

安全 ：安全是所有现代系统的核心要求之一。在物联网中使用边缘计算需要开发安全的系统和应用程序。在云计算中，安全要求几乎未被明确界定，因此云服务容易受到某些类型的攻击。由于其特定的结构，云计算服务容易成为安全威胁和数据泄露的目标。然而，在边缘计算中，安全必须被明确定义并清晰实施。因此，可以提供更优的数据安全，因为客户端数据在靠近终端用户的特定接入点处进行聚合。

互操作性 ：互操作性是信息技术和通信领域的关键要求。为基于物联网的边缘计算开发的应用程序和服务必须具备互操作性，以确保与其他应用程序和硬件组件的兼容性。上述若干关键要求是从物联网的角度提出的。该要求列表并非完整全面，不同应用中可能还需满足其他要求。

边缘计算在物联网中的作用

边缘计算有望成为物联网背后的战略大脑。识别边缘计算在物联网中的作用是当前的主要研究课题。边缘计算被用来减少发送到云的数据量并降低服务访问延迟。

在本节中，结合物联网场景示例讨论了边缘计算的几个主要作用。

数据采集 ：边缘设备（包括传感器或机器）可以捕获流数据以进行快速分析，并对数据执行即时操作或处理。根据Beck‐man的说法，我们正在将算法移向数据，而不是将数据移向算法。因此，我们可以提高生产力并防止产品高效且快速地检测缺陷。在智能交通场景中，交通灯摄像头不仅可以捕获数据，还可以分析所收集的数据并自主做出即时决策，以改善车辆的通行流量。

推断控制 ：推断控制是任何边缘设备的关键组成部分。它们指的是设备准确解释其所处环境中的事物的能力。这些控制还与由其他实体管理的基础设施进行通信。然而，将推断能力引入边缘设备是困难的，因为它依赖于上下文信息。在智能交通场景中，这种推断能力可以通过使用全球定位系统和前后摄像头为驾驶员提供高度智能的导航指令。

数据分析 ：边缘计算能够实现实时数据分析。在数据生成位置进行分析可以减少从采集数据到生成信息的延迟。因此，边缘设备可以收集并分析来自周边设备的数据，从而使决策者比以往更快地获得可操作的洞察。边缘设备还有助于降低网络带宽和成本，因为数据将在本地进行分析。这对于制造业、医疗保健、电信和金融等多个行业的众多组织都有帮助，也进一步推动了物联网概念的需求增长。例如，交通信号灯摄像头无需将数据发送至中心基础设施进行分析，而是可以自行分析流数据，与其他设备通信，并立即做出决策以完成所需任务。

决策 ：在本地分析数据后，边缘设备的下一步是做出关键的战略决策。在智能交通系统中，每辆汽车每秒都会产生大量数据，并且需要实时处理和正确决策。对于实时处理而言，数据不能发送到云进行处理和决策，因为这会带来延迟问题。在这种情况下，响应时间会过长。因此，数据应在任何边缘设备上进行本地分析。通过这种方式，汽车可以当场做出正确决策，以避免不利情况。

增强的数据安全 ：当数据被发送到国外进行数据处理时，数据安全性降低。在边缘计算中，数据的收集和分析在本地进行，不涉及广泛的路由，因此很容易识别任何可疑活动。在发生安全漏洞之前采取必要措施也变得更加容易。

开放研究挑战

以下讨论重点阐述了在物联网环境中部署边缘云所面临的开放研究挑战。

异构性 ：基于物联网的边缘计算环境中的异构性体现在计算和通信技术方面。计算平台可能具有不同的操作系统和硬件架构，而通信技术在数据速率、传输范围和带宽方面也可能存在异构性。边缘计算中的一个挑战是在软件空间中开发出可在不同环境中可移植的解决方案。这一挑战至关重要，因为各种应用程序被部署在边缘设备上。一些研究人员已经提出了软件解决方案来解决此问题，但这些解决方案均针对特定硬件，因此无法解决异构环境中的问题。为了解决这一问题，程序员应开发一种支持任务级和数据级并行性的边缘节点编程模型，以促进工作负载在多个硬件层级上的同时执行。第二个考虑因素是使用支持硬件异构性的语言。

标准协议和接口 ：边缘计算是物联网领域的一项新兴技术。在这种异构环境中，不同的设备和传感器通过通信协议与彼此以及边缘服务器进行连接和通信。这些设备拥有各自的接口，因此需要特定的通信协议。考虑到物联网环境中的不同设备由不同厂商制造，应开发标准协议和接口以实现这些异构设备之间的通信。由于新设备的快速发展，在物联网环境中开发标准协议和接口具有挑战性。

可用性 ：基于物联网的边缘计算环境中的可用性包括为已订阅的物联网设备随时随地提供硬件级和软件级的资源与服务。通常，可用性包含三个因素，即平均故障间隔时间、故障概率和平均恢复时间。确保不断增长的物联网设备对资源和服务的可用性是一个具有挑战性的研究视角。然而，通过最大化平均故障间隔时间，并最小化故障概率和平均恢复时间，可以优化可用性。

数据抽象 ：通过物联网，许多数据生成设备被连接在一起，所有这些数据生成器都会向边缘设备报告数量巨大的原始数据。对于边缘设备而言，分析此类大数据在计算上十分困难，同时还存在安全风险。因此，应在网关级别对数据进行预处理，例如噪声/低质量数据去除、事件检测和隐私保护。经过处理的数据将被发送至上层以支持未来服务提供。然而，这一过程可能面临诸多挑战。出于隐私和安全考虑，在边缘设备上运行的应用程序不应接触这些原始数据。因此，在数据预处理过程中应去除数据的详细信息。但隐藏感知数据的细节可能会影响数据可用性。确定原始数据应被过滤的程度也是一项挑战，因为一些应用程序无法从这类数据中获得准确结果。

安全与隐私 ：边缘计算对网络安全而言是一大优势，因为数据无需在网络中传输。然而，网络边缘的高度动态环境使得网络处于不设防状态。鉴于物联网中连接了多种不同设备，可能产生大量潜在安全威胁。许多应用程序在网络边缘运行，因此提供给这些应用程序的数据应以隐藏形式存在。否则，任何入侵者都可能将公开的数据用于非法目的。例如，如果家庭连接到物联网，则个人健康数据等私人数据可能会被盗取。在这种情况下，如何在不影响隐私的前提下支持服务成为一项挑战。在边缘设备上运行的应用程序应当无法访问原始数据。个人数据可在到达边缘设备之前被移除。研究人员已提出多种解决方案，用于标准化和存储健康数据[13]。孙旭等[14]提出了一种名为EdgeIoT的分层雾计算框架。该框架通过代理虚拟机来保护用户内容的隐私，并减少核心网络中的数据流量。然而，应在边缘节点上实现具有增强鲁棒性的安全功能。

结论

在本文中，我们研究、强调并报告了边缘计算技术（如雾计算、多接入边缘计算和云朵）在衡量其对物联网影响方面的前沿进展。随后，我们通过设计一种分类法对边缘计算相关文献进行了分类，并利用该分类法揭示了边缘计算中可惠及物联网范式的优质特性。我们概述了在物联网中部署边缘计算的若干关键要求，并讨论了边缘计算在物联网中的不可或缺的场景。此外，我们还识别并讨论了若干影响边缘计算在物联网中成功部署的开放研究挑战。我们得出结论：尽管在物联网中部署边缘计算带来了诸多优势，但这两种计算范式的融合也引发了未来需要解决的新问题。