邊緣計算--物聯網

邊緣計算

//=====================By xiaowei
/*
本文主要記錄與邊緣計算相關的概念，文獻綜述，以及對文獻的理解。
*/
//=====================

概念

邊緣計算是指在靠近物或數據源頭的一側，採用網絡、計算、存儲、應用核心能力爲一體的開放平臺，就近提供最近端服務。其應用程序在邊緣側發起，產生更快的網絡服務響應，滿足行業在實時業務、應用智能、安全與隱私保護等方面的基本需求。邊緣計算處於物理實體和工業連接之間，或處於物理實體的頂端。而云端計算，仍然可以訪問邊緣計算的歷史數據。

霧計算

霧計算（Fog Computing），在該模式中數據、（數據）處理和應用程序集中在網絡邊緣的設備中，而不是幾乎全部保存在雲中，是雲計算（Cloud Computing）的延伸概念，由思科（Cisco）提出的。這個因“雲”而“霧”的命名源自“霧是更貼近地面的雲”這一名句。
首先，它是雲計算的延伸概念，但不用將數據傳到雲端，而是集中在邊緣設備中；

其次，霧計算由性能較弱、分散的各類功能計算機組成，是一種分佈式的數據處理方式，具有去中心化的特點；
所以，也可以將霧計算理解爲本地化的雲計算，總之，是爲用戶提供數據資源服務的。

雲計算

邊緣計算

職責：

邊緣計算分佈式以及靠近設備端的特性註定它實時處理的優勢，所以它能夠更好的支撐本地業務實時處理與執行。
家門口的事情就不麻煩遠在天邊的雲計算了，邊緣計算直接對終端設備的數據進行過濾和分析，節能省時效率還高。
邊緣計算減緩數據爆炸和網絡流量的壓力，用過邊緣節點進行數據處理，減少從設備到雲端的數據流量。
AI+邊緣計算組合的邊緣計算不止於計算，智能化特點明顯，另外雲計算+邊緣計算組合出擊，成本只有單獨使用雲計算的39%。

換而言之，有些終端會把計算任務卸載(Offloading)到邊緣計算的設備上，通過邊緣設備分配的資源進行計算任務。

無線網關

一個網絡連接到另一個網絡的接口；複雜的網絡連接設備，可以支持不同協議之間的轉換，實現不同協議網絡之間的互聯。

個人理解，例如底層設備使用藍牙網絡，設備產生信息通過藍牙傳輸到無線網關，網關將信息解碼後，通過HTTP協議傳輸到服務器。

二者關係

雲計算是一個統籌者，它負責長週期數據的大數據分析，能夠在週期性維護、業務決策等領域運行。
邊緣計算着眼於實時、短週期數據的分析，更好地支撐本地業務及時處理執行。
邊緣計算靠近設備端，也爲雲端數據採集做出貢獻，支撐雲端應用的大數據分析，雲計算也通過大數據分析輸出業務規則下發到邊緣處，以便執行和優化處理。

雲計算作爲物聯網的“大腦中樞”，將大量邊緣計算無法處理的數據進行存儲、處理、整理和分析，而與此同時邊緣計算被認爲是物聯網的“神經末梢”，實現對小數據直接在邊緣設備或者邊緣服務器中進行數據的處理，同時也能夠很好的緩解雲數據中心的壓力。
邊緣計算和雲計算互相協同，準確的說它們是彼此優化補充的存在。

邊緣計算應用

阿里雲

阿里雲邊緣計算產品Link Edge已經問世。據說通過這款產品，開發者能夠輕鬆將阿里雲的邊緣計算能力部署在各種智能設備和計算節點上，比如車載中控、工業流水線控制檯、路由器等。
另外基於生物識別技術的智能雲鎖利用本地家庭網關的計算能力，可實現無延時體驗，斷網了還能開鎖，避免“被關在自己家門外”的尷尬。
雲與邊緣的協同計算，還能實現場景化聯動，一推開門，客廳的燈就自動打開迎接你回家。

總結：
利用局域網網關的處理能力，處理較爲實時性的信息。

車聯網

當下伴隨着智能駕駛、自動駕駛等新勢力車企的的蓬勃發展，聯網汽車數量越來越大，針對車聯網用戶的功能越來越多，隨之車聯網的數據量傳輸不斷增加，對其延遲/時延的需求也越來越苛刻，尤其是汽車在高速行駛中，通信延遲應在幾ms以內，而網絡的可靠性對安全駕駛又至關重要。
那麼，在這個過程中如何滿足車聯網對傳輸速率的高要求？傳統中央雲計算由於經過多層級計算處理，延遲高、效率低，現在已不再能滿足車聯網的傳輸需求。而基於邊緣計算解決方案，在近點邊緣層已經完成對數據的過濾、篩選、分析和處理，傳輸距離短、延遲低、效率更高。相較雲計算，車聯網顯然更加需要邊緣計算來護航！

（1）通過節點“下沉”的方式，可以在距離車輛最近的基站進行計算，縮短計算距離
（2）車內邊緣計算可實時提供實時車輛位置，利用低延遲效果與附近基站，提高可靠性。
（3）單一車量通過數據分析後得出結論，以極低延遲傳送給臨近區域內的其他聯網車輛，可在區域範圍內快速完成傳遞，駕駛員及時做出決策

論文

邊緣計算網關設備的構建和部署問題的研究

作者：趙佶
學科、專業：計算機科學與技術
學校：大連理工大學
時間：2018 年 5 月

名詞介紹

CSV是一種通用的、相對簡單的文件格式，被用戶、商業和科學廣泛應用。最廣泛的應用是在程序之間轉移表格數據，而這些程序本身是在不兼容的格式上進行操作的（往往是私有的和/或無規範的格式）。因爲大量程序都支持某種CSV變體，至少是作爲一種可選擇的輸入/輸出格式。

高斯混合模型：高斯混合模型就是用高斯概率密度函數（正態分佈曲線）精確地量化事物，它是一個將事物分解爲若干的基於高斯概率密度函數（正態分佈曲線）形成的模型。

總結：
文章介紹瞭如何構建一種提供邊緣計算服務的網關設備方法，結合樹莓派自身的特性，將樹莓派構建成一個網關設備。通過給樹莓派建立無線路由模塊、數據分析模塊、設備管理模塊，從而完成對提供邊緣計算服務的網關設備的單個獨立的建立。
其中無線模塊，使用樹莓派自帶無線網卡；
數據分析模塊，使用pandas庫採集信號，通過Tensorflow對數據進行處理；
使用高斯混合模型對網關部署進行研究；
通過樹莓派處理結果與服務器處理結果對比，驗證在響應時間上有明顯優勢。

但是文章並沒有具體介紹案例，邏輯不清晰。對邊緣計算概念不清晰，在樹莓派上建立分析模型；
沒有云平臺支持，沒有大量數據和傳感器支持，使用溫溼度傳感器採集數據並處理，不能說明邊緣計算特性。

車載邊緣計算環境中的任務卸載決策和優化

李波，黃鑫，牛力，等．車載邊緣計算環境中的任務卸載決策和優化［Ｊ］．微電子學與計算機，２０１９，３６（２）：７８－８２．

名詞介紹

車載網IoV

根據中國物聯網校企聯盟的定義，車聯網（Internet of Vehicles）是由車輛位置、速度和路線等信息構成的巨大交互網絡。通過GPS、RFID、傳感器、攝像頭圖像處理等裝置，車輛可以完成自身環境和狀態信息的採集；通過互聯網技術，所有的車輛可以將自身的各種信息傳輸匯聚到中央處理器；通過計算機技術，這些大量車輛的信息可以被分析和處理，從而計算出不同車輛的最佳路線、及時彙報路況和安排信號燈週期。

車聯網羣智感知與服務關鍵技術研究

作者：袁泉
學科、專業：計算機科學與技術
學校：北京郵電
時間：2018 年 3 月

1、名詞解析

羣智感值

羣智感知：羣智感知計算（Mobile Crowd Sensing and Computing，MCSC）是一種“人在迴路”的感知和計算模式，系統架構包括服務器平臺、數據使用者和任務參與者(數據提供者)這 3 部分，分爲感知層、網絡層和應用層。在雲端的服務器接受來自數據使用者的服務請求，將感知任務分配給參與者，處理收集的感知數據，並進行其他的管理功能。參與者接收到感知任務後，進行所需數據的感知，然後將數據返回給服務器，服務器將數據處理後返回給數據使用者。通過整個流程實現數據感知、數據收集和信息服務提供等功能，羣智感知是一種分佈式的、移動的、基層的、自主的服務模式。

MEC：移動邊緣計算（Mobile Edge Computing）

車聯網

蜂窩移動通信

蜂窩移動通信（Cellular Mobile Communication）是採用蜂窩無線組網方式，在終端和網絡設備之間通過無線通道連接起來，進而實現用戶在活動中可相互通信。其主要特徵是終端的移動性，並具有越區切換和跨本地網自動漫遊功能。蜂窩移動通信業務是指經過由基站子系統和移動交換子系統等設備組成蜂窩移動通信網提供的話音、數據、視頻圖像等業務。

回程網絡

回程網絡，顧名思義，就是線路的返回線路，一般的終端用戶都是下載業務比較大，上行數據量比較小。一般所說的回程網絡是無線回程網絡，主要是無線GSM，3G網絡或者是wimax網絡，WLAN裏面也有回程網絡概念！

緩存系統

概述
緩存是分佈式系統中的重要組件，主要解決高併發，大數據場景下，熱點數據訪問的性能問題。提供高性能的數據快速訪問。

原理
將數據寫入/讀取速度更快的存儲（設備）；
將數據緩存到離應用最近的位置；
將數據緩存到離用戶最近的位置;

緩存設計需要解決以下幾個問題：
3.1.緩存什麼？哪些數據需要緩存：1.熱點數據；2.靜態資源。
3.2 緩存的位置？CDN，反向代理，分佈式緩存服務器，本機（內存，硬盤）

分發

異構網絡

異構網絡(Heterogeneous Network）是一種類型的網絡，其是由不同製造商生產的計算機，網絡設備和系統組成的，大部分情況下運行在不同的協議上支持不同的功能或應用。
爲了可以同時接入到多個網絡，移動終端應當具備可以接入多個網絡的接口，這種移動終端被稱爲多模終端。由於多模終端可以接入到多個網絡中，因此肯定會涉及到不同網絡之間的切換，與同構網絡（Homogeneous Wireless Networks）中的水平切換（Horizontal Handoff, HHO）不同，這裏稱不同通信系統之間的切換爲垂直切換（Vertical Handoff，VHO）。在此後的十幾年中，異構網絡在無線通信領域引起了普遍的關注，也成爲下一代無線網絡的發展方向。

2、摘要：

通過利用車與車，車與雲端，車與邊緣協作，數據的收集和共享是羣智感知計算的主要任務。參與者收集並貢獻大量的數據，這些數據可包含豐富的信息以適合於各種應用，如災害管理國污染監測、事件報告等。
但是，這些信息並不能直接從羣體貢獻的數據中獲取，還需要對這些數據進行智能分析和處理。羣體貢獻的數據往往具有以下特點：

雜亂性。用戶貢獻的數據質量和可靠性參差不齊。
1.1 不提供準確的數據;
1.2 羣體貢獻的數據常常是冗餘的，如人們可能發表類似的帖子，在某一地點附近拍攝的照片也可能是相似的。
異質性。羣體貢獻的數據通常包含豐富的異構信息，如文本、圖像和音頻/視頻等。
碎片化。對於所關注的物體或者主題（地點、事件、產品和人），羣體貢獻的數據往往碎片化但相互關聯。

度量和使用羣體行爲模式的聚合效應，並融合機器智能進行羣體貢獻數據的分析和理解，被稱之爲“羣智融合計算”。

成果：

針對局部數據冗餘，提出針對原始數據進行動態融合。具體爲車輛間通過鏈式協商，達成全局一致描述，提出基於動能的信息時空有效性模型。

針對感知資源時空分佈不均勻，利用感知數據的時空相關性，同時根據感知資源的動態分佈，僅在某些特定區間收集數據，並推導出未知區間狀態。

針對車聯網的嚴格時空約束，提出邊緣輔助的數據緩存和分發方法。
具體爲在基站部署計算和存儲能力，根據服務數據請求規律進行數據緩存，根據車輛數據需求和動態分佈，協調數據分發。
3.1 數據緩存方法具體爲，自迴歸方法學習歷史請求數據規律，預測未來緩存。
3.2. 數據分發方法具體爲，根據時空約束動態維護概率聯絡圖以表示車輛通信機會，並設計評估方法評估車輛影響力，利用啓發式算法選擇最優車輛，作爲種子啓動分享。

3、相關綜述

4、具體內容

車聯網中局部羣智感知與信息有效傳播
此章考慮車聯網數據的傳播範圍，設計了一種動能的信息時空有效性模型，對車輛產生數據進行相關性衰減。
資源高效利用的全局羣智感知
針對全局數據資源時空分佈不均勻，使用主動稀疏感知。

基於移動邊緣計算的任務遷移策略研究

作者：鄧茂菲
學科、專業：信息與通訊工程
學校：北京郵電
時間：2017 年 3 月

摘要

ＭＥＣ技術爲無線接入網提供Ｈ服務和雲計算的能力，並將業務平臺下沉到網絡邊緣，很大程度上減少了服務交付的時延。
利用ＭＥＣ服務器在移動網絡中近距離部署的條件，移動邊緣計算可以爲用戶提供便捷的計算服務和隨時隨地都能接入的超高速網絡，從而令任務遷移的傳輸路徑更短、消耗更小。

名詞解析

博弈論