概念
Edge Computing: Vision and Challenges
摘要
文章提出了邊緣計算概念，介紹了其定義，並說明了幾個商業用例，包括從雲卸載到邊緣進行協同計算。文章總結了邊緣計算目前存在的問題，和能夠產生的作用，屬於一篇嚴謹度很高的科普論文。
邊緣計算定義
Edge computing refers to the enabling technologies allowing computation to be performed at the edge of the network,on downstream data on behalf of cloud services and upstream data on behalf of IoT services. Here we define “edge” as any computing and network resources along the path between data sources and cloud data centers.
邊緣計算是指允許計算在網絡邊緣，代表雲服務的下游數據和代表物聯網服務的上游數據上執行的使能技術。 在這裏，我們將“邊緣”定義爲沿着數據源和雲數據中心之間的路徑的任何計算和網絡資源。
- 雲卸載
即將元數據在產生單位到雲之間的節點進行預處理，減輕網絡負擔。
傳統網絡都是服務器產生數據，網絡邊緣一般作爲數據消耗。但是，現在隨着智能設備的增加，邊緣設備產生大量的數據，因此網絡邊緣不應該只對數據進行緩存，還應該緩存應用，更好處理邊緣數據，減輕中心壓力。
在傳統的內容交付網絡中，只有數據緩存在邊緣服務器上。這是基於內容提供商在互聯網上提供數據的事實，這在過去幾十年中是正確的。在物聯網中，數據在邊緣產生和消耗。因此，在邊緣計算範式中，不僅應該在邊緣緩存數據，還應該緩存應用於數據上的操作。
例如，用戶更改購物車，可以在邊緣平臺緩存數據和應用（增刪改等），生成界面，並同步到雲臺（在後臺）。
這就涉及到另一個問題，當用戶從一個邊緣點移動到另一個邊緣點時，多個邊緣點協作與同步的問題。
同時可以在邊緣點對數據進行分析/聚合，減少傳輸量。
挑戰與機遇
- 計算流概念
相與於雲平臺，平臺固定，用戶只需要用一種語言編寫，且不需要考慮硬件設備。
但是將計算卸載，就需要在將計算部署在異構平臺。針對這個問題，提出計算流概念，
該概念定義爲沿數據傳播路徑應用於數據的一系列函數/計算。功能/計算可以是應用程序的全部或部分功能，只要應用程序定義了計算應該在哪裏進行，計算就可以在路徑上的任何地方發生。計算流形式由軟件規定，因此可以在不同平臺進行計算。
在計算流中，函數可以被重新分配，數據和狀態連同函數也應該被重新分配。此外，協作問題（如同步、數據/狀態遷移等）必須在邊緣計算範式的多個層中解決。
- 命名方案
命名方案實質上是一個設備的標識問題，即如何定位到一個特定的設備進行傳輸和控制。邊緣計算中的命名方案對於編程、尋址、事物識別和數據通信都非常重要。
傳統的命名機制（如DNS和統一資源標識符）非常適合當前大多數網絡。然而，它們的靈活性不足以服務於動態邊緣網絡，因爲有時邊緣的大部分內容可能具有高度的移動性和資源限制。此外，對於網絡邊緣的一些資源受限的事物，基於IP的命名方案由於其複雜性和開銷可能過於繁重而無法支持。
針對移動設備和相對固定信息聚合的設備羣，又有不同的命名方案，
例如：對於相對較小且固定的邊緣（如家庭環境），讓edgeOS爲每件事分配網絡地址可能是一個解決方案。而針對於高動態性環境，還需要繼續研究。
- 數據提取
作者針對實際案例中的數據傳輸，提出一種計算模式，即邊緣節點處理所有數據並主動與用戶交互。
在這種情況下，數據應該在網關級別進行預處理，例如噪聲/低質量刪除、事件檢測和隱私保護等。
在這種處理模式下，提出了幾個需要解決的問題，
- 首先，來自不同事物的報告數據具有不同的格式，
- 其次，有時很難確定數據抽象的程度。
- 最後，由於傳感器精度低、危險環境和無線連接不可靠，EDGE報告的數據有時可能不可靠。在這種情況下，如何從不可靠的數據源中提取有用的信息仍然是物聯網應用程序和系統開發人員面臨的挑戰。
- 數據抽象的另一個問題是對事物的適用操作。結合數據表示和操作，數據抽象層將作爲連接到Edgeos的所有事物的公共接口。此外，由於事物的異質性，數據表示和允許的操作可能會有很大的差異，這也增加了通用數據抽象的障礙。
- 服務管理
在網絡邊緣的服務管理方面，我們認爲應該支持以下四個基本特性來保證一個可靠的系統，包括區分性、可擴展性、隔離性和可靠性。
- 擴展性
如何隨意添加設備會刪除設備，替換設備時能否被輕鬆解決。 - 隔離性
在移動操作系統中，如果應用程序發生故障或崩潰，整個系統通常會崩潰並重新啓動。在智能邊緣系統中，一個應用崩潰，用戶應還可以繼續控制其它設備。 - 可靠性
- 優化指標
在邊緣計算中，我們有多個具有不同計算能力的層。工作量分配成爲一個大問題。我們需要決定處理工作負載的層，或者在每個部分分配多少任務。爲了選擇一個最優的分配策略，我們在本節中討論了幾個優化指標，包括延遲、帶寬、能量和成本。
- Latency
延遲是評估性能最重要的指標之一，特別是在交互應用程序/服務中。
雲計算中的服務器提供高計算能力。它們可以在相對較短的時間內處理複雜的工作負載，如圖像處理、語音識別等。然而，延遲不僅由計算時間決定。長廣域網延遲會顯著影響實時/交互密集型應用程序的行爲。爲了減少延遲，工作負載最好在最近的層完成，該層具有足夠的計算能力，能夠處理網絡邊緣的事務。
- 帶寬
從延遲的角度來看，高帶寬可以減少傳輸時間，特別是對於大數據（如視頻等）
因此，我們需要評估是否需要高帶寬連接，以及哪種速度適合邊緣。另外，爲了正確確定每一層的工作負載分配，我們需要考慮計算能力和各層的帶寬使用信息，以避免競爭和延遲。
- 能源
電池是網絡邊緣最寶貴的資源。對於端點層，將工作負載卸載到邊緣可以被視爲一種無能量方法。
因此，對於一個給定的工作負載，將整個工作負載（或部分工作負載）卸載到邊緣而不是本地計算是否高效？關鍵是計算能耗和傳輸能耗之間的權衡。一般來說，我們首先需要考慮工作負載的功率特性。
總結
論文介紹了邊緣計算的概念，是爲了緩解雲中心數據處理壓力，減少延遲。
介紹了目前邊緣計算的發展程度和所面臨的各種問題和解決方法。