第2章 边缘计算系统架构

边缘计算——概念、技术与架构

第2章边缘计算系统架构方娟、陆帅冰北京工业大学计算机学院概述（Outline）2.1边缘计算基本概念2.2

整体架构2.3

卸载技术2.4

资源管理2.5

安全与隐私保护2.1

边缘计算基本概念太平洋西北国家实验室（PacificNorthwestNationalLaboratory，PNINL）定义为：一种把应用、数据和服务从中心节点向网络边缘拓展的方法，可以在数据源端进行分析和知识生成。云计算和分布式平台分技术委员会（ISOIECJTCI/SC38）定义为：一种将主要处理和数据存储放在网络的边缘节点的分布式计算形式。边缘计算产业联盟（EdgeComputingConsortium，ECC）给出的定义为：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、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字在敏捷联接、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需求。美国卡内基梅陇大学的MahadevSatyanarayanan教授把边缘计算描述为：边缘计算是一种新的计算模式，这种模式将计算与存储资源（例如：Cloudlet、微型数据中心或雾节点等）部署在更贴近移动设备或传感器的网络边缘。美国韦恩州立大学的施巍松教授把边缘计算定义为：边缘计算是指在网络边缘执行计算的一种新型计算模式，边缘计算中边缘的下行数据表示云服务，上行数据表示万物互联服务，而边缘计算的边缘是指从数据源到云计算中心路径之间的任意计算和网络资源。边缘计算是一种新的计算模式，将地理距离或网络距离上与用户临近的资源统一起来，为应用提供计算、存储和网络服务。2.1

边缘计算基本概念伴随行业数字化转型进程的不断深入，在技术与商业的双重驱动下，边缘计算产业将持续走向纵深。总体上，边缘计算产业可以分为联接、智能、自治三个发展阶段：联接智能自治边缘计算是继分布式计算、网格计算、云计算之后的又一新型计算模型，以云计算为核心，以现代通信网络为途径，以海量智能终端为前沿，通过优化资源配置，使得计算、存储、传输、应用等服务更具智能，具备优势互补、深度协同的资源调度能力，是集云、网、端、智四位一体的新型计算模型，其概念蕴含丰富。2.1

边缘计算基本概念内涵解析1边缘计算是一种全局性的计算模型，涵盖中心和边缘；内涵解析2边缘计算需要全局协同，以便得到高效的计算性能；内涵解析3边缘计算是一种智能化的计算模型，会动态根据需求提供动态服务；内涵解析4边缘计算具有物理边界、逻辑边界、网关节点、边缘节点、边缘侧、云侧等概念；内涵解析5边缘计算使得中心智能向前端智能扩展，智能协同将是未来发展趋势；2.1

边缘计算基本概念2.2

整体架构1.边缘计算模型及基本架构边缘计算是指在网络边缘执行计算的一种新型计算模型，具体对数据的计算包括两部分：下行的云服务和上行的万物互联服务。边缘计算中的“边缘”是指从数据源到云计算中心路径之间的任意计算、存储和网络资源。2.2

整体架构从功能角度讲，边缘计算模型是一种分布式计算系统，并且具有弹性管理，协同执行、环境异构以及实时处理等特点。边缘计算模型自身还包括以下关键内容：应用程序/服务功能可分割：可以应用到边缘计算模型的应用程序或服务需要满足可分割性，即对于一个任务可以分成若干个子任务并且任务功能可以迁移到边缘端去执行。数据可分布：数据可分布性既是边缘计算的特征也是边缘计算模型对待处理数据集合的要求，边缘数据的可分布性是针对不同数据源而言的，不同数据源来自于产生大量数据的数据生产者。资源可分布：边缘计算模型中的数据具有一定的分布性，因此，执行边缘数据所需要的计算、存储和通信资源也需具有可分布性。2.2

整体架构边缘计算基本架构系统分为云、边缘和终端三层，边缘计算位于云和终端层之间，边缘层向下支持各种现场设备的接入，向上可以与云端对接。边缘层包括边缘节点和边缘管理器两个主要部分。边缘节点是硬件实体，是承载边缘计算业务的核心。边缘管理器的呈现核心是软件，主要功能是对边缘节点进行统一的管理。2.2

整体架构边缘计算节点一般具有计算、网络和存储资源，边缘计算系统对资源的使用有两种方式：第一，直接将计算、网络和存储资源进行封装，提供调用接口，边缘管理器以代码下载、网络策略配置和数据库操作等方式使用边缘节点资源；第二，进一步将边缘节点的资源按功能领域封装成功能模块，边缘管理器通过模型驱动的业务编排的方式组合和调用功能模块，实现边缘计算业务的一体化开发和敏捷部署。2.2

整体架构2.多层级边缘架构——CloudPath边缘架构CloudPath是一种沿着用户终端层到云数据中心的路径提供了各种资源，包括计算资源和存储资源的多层边缘计算架构，同时该架构支持按需分配和动态部署。CloudPath的主要思想是实现所谓的“路径计算”，与传统的云计算相比，它可以减少响应时间并提高带宽利用率。2.2

整体架构2.多层级边缘架构——HetMECHetMEC（Heterogeneousmulti-layerMEC，HetMEC）架构通过考虑将异构多层边缘服务器用于上行链路通信，以减少边缘服务器与云数据中心之间的总计算和传输时间。在HetMEC架构中，终端设备将计算密集型任务划分并卸载到多层边缘服务器和云数据中心，从而提高延迟性能。2.2

整体架构2.多层级边缘架构——SpanEdgeSpanEdge架构主要包含两个层次，第一个层次为云数据中心，第二个层次为边缘数据中心，这里边缘数据中心包括云供应商、Cloudlet，雾节点等。SpanEdge将部分流处理任务放在边缘中央节点上运行，以减少延迟并提高性能SpanEdge使用主从架构。SpanEdge的核心思想是通过统一云数据中心节点和近边缘中心节点，降低了万维网连接中的网络延迟，并提供了允许程序在数据源附近运行的编程环境。2.2

整体架构3.边缘协作架构——基于边缘调度器的协作架构基于边缘调度器的协作架构由四部分构成，边缘设备、边缘服务器、云数据中心和边缘调度器。在该架构下，边缘设备可以选择将任务卸载至本地执行或是卸载至边缘调度器，边缘调度器收到任务请求后，结合计算资源、存储资源以及网络带宽特点，将任务分发至其他边缘服务器或上传至云数据中心。基于边缘调度器的协作架构能够有效的整合边缘、边云以及边缘设备资源。2.2

整体架构3.边缘协作架构——面向区块链技术的边缘协作架构面向区块链技术的边缘协作架构结合区块链技术需求，在数据可信存储、可信计算、可信传输以及可信管理四个方面出发，设计多资源融合的三层架构。该架自顶向下依次为云端区块链层、边缘区块链层和终端层。2.3卸载技术随着移动通信技术的发展和智能终端的普及，各种网络服务和应用不断涌现，用户对网络服务质量、请求时延等网络性能的要求越来越高。尽管现有用户设备（UserEquipment，UE）的处理能力越来越强大，但依然无法在短时间内处理计算密集型或时延敏感型计算任务。此外，在UE本地处理这些任务还面临电量快速消耗和自身硬件损耗等问题。这些问题严重影响了应用程序在用户设备上的运行效率和用户体验。为了解决上述问题，业界提出了边缘计算卸载技术。边缘计算中的计算卸载可以应用于移动游戏、视频服务、精确定位、自动驾驶和物联网等多个应用场景，从而将高要求的计算任务卸载到边缘计算服务器上，以便应对应用在时延上的严格要求，并且降低UE处的能量消耗。2.3卸载技术边缘计算中的计算卸载是将UE端的一部分计算任务迁移到边缘网络执行，如何权衡本地执行的计算成本和迁移到边缘网络的通信成本，对计算任务进行卸载决策和任务分割，是边缘计算中计算卸载技术的关键研究点。目前，针对边缘计算卸载技术的相关研究已取得了丰硕的成果，根据不同的指标可以划分为以下几种不同的类型。（1）静态卸载和动态卸载（2）全部卸载和部分卸载（3）单节点卸载和多节点卸载边缘计算的卸载主要研究3个问题；第一，计算卸载在边缘网络中的执行框架，包括卸载的方式与流程；第二，计算卸载的决策，即是否进行计算卸载以及何时进行计算卸载；第三，计算卸载资源分配问题，即卸载任务如何分割并将其卸载到哪个云端服务器。2.3卸载技术边缘计算中的计算卸载技术主要涉及执行框架，卸载决策，资源分配等。计算卸载在边缘计算网络中的执行框架可以按照划分粒度进行分类，主要分为基于进程或功能函数划分的细粒度计算卸载和基于应用程序与虚拟机划分的粗粒度计算卸载。一、计算卸载执行框架2.3卸载技术时间延迟和能量消耗的计算具体分为以下两种情况二、卸载决策时间延迟卸载数据到边缘服务器计算节点的传输时间、在边缘服务器计算节点处的执行处理时间、接收来自边缘服务器计算节点处理的数据结果的传输时间三者之和；能量消耗卸载数据到边缘服务器计算节点的传输耗能、接收来自边缘服务器计算节点处理的数据结果的传输耗能两部分之和。一般来说，关于计算卸载的决策有以下三种方案。本地执行（LocalExccution，LE）：整个计算在UE本地完成；完全卸载（FullOfmoading，FO）：整个计算由边缘服务器卸载和处理；部分卸载（PartialOffoading，PO）：计算的一部分在本地处理，而另一部分则卸载到边缘服务器处理。2.4

资源管理资源管理技术主要解决边缘计算系统中计算、存储和网络资源的管理和优化问题。2.4

资源管理资源管理技术主要解决边缘计算系统中计算、存储和网络资源的管理和优化问题。一、单用户边缘计算系统单用户边缘计算系统有3种常用的任务模型：二元确定性任务模型卸载、部分卸载的确定性任务模型和随机任务模型。1）二进制确定性任务模型：需要考虑二进制卸载任务是在边缘执行还是在本地计算。2）部分卸载的确定性任务模型：允许灵活的数据分割，运算相对复杂的移动应用程序可以分解成一组较小的子任务，耗时或耗能大的子任务可以卸载到边缘服务器进行计算。3）随机任务模型：资源管理策略也可以用于随机任务模型的边缘计算系统中，将已经到达但尚未执行的任务加入缓冲区队列。对于随机任务模型，任务到达和信道的时间相关性可以用来设计自适应动态计算卸载策略。2.4

资源管理二、多用户边缘计算系统多用户边缘计算系统由共享一个边缘服务器的多个移动设备组成1）联合无线和计算资源分配：用户MEC系统中无线资源和计算资源有限，所以系统的设计关键是如何分配有限的无线和计算资源给多个移动设备以实现系统级目标（比如最低总量的移动能耗）；2）边缘服务器调度：为了有效降低多用户的能耗和计算延迟，服务器的调度设计将更高的优先级分配给延迟要求更严格、计算负载更重的用户；3）多用户合作边缘计算：通过点对点移动协同边缘计算可以清除大量的分布式计算资源，缓解网络拥塞，提高资源利用率，实现无所不在的计算。2.4

资源管理二、多用户边缘计算系统多用户边缘计算系统由共享一个边缘服务器的多个移动设备组成1）联合无线和计算资源分配：用户MEC系统中无线资源和计算资源有限，所以系统的设计关键是如何分配有限的无线和计算资源给多个移动设备以实现系统级目标（比如最低总量的移动能耗）；2）边缘服务器调度：为了有效降低多用户的能耗和计算延迟，服务器的调度设计将更高的优先级分配给延迟要求更严格、计算负载更重的用户；3）多用户合作边缘计算：通过点对点移动协同边缘计算可以清除大量的分布式计算资源，缓解网络拥塞，提高资源利用率，实现无所不在的计算。2.4

资源管理三、有异构服务器的边缘计算系统为了实现无处不在的边缘计算，提出了异构的边缘计算系统，包括一个中央云和多个边缘服务器。多层云/边缘云之间的协调和交互作用引入了许多有趣的新研究挑战。最新的研究主要集中在服务器选择、合作和计算迁移方面。1）在服务器选择上，考虑具有多个计算任务和异构服务器的系统；2）服务器协作可以显著提高服务器的计算效率和资源利用率；3）计算迁移是MEC中移动管理的一种有效方法。2.5安全与隐私保护作为一种新的计算模式，边缘计算在安全问题上具有自己的特殊性，也会产生新的安全问题。边缘计算是一种分布式架构，由于边缘设备更靠近万物互联的终端设备，网答环境更加复杂，并且边缘设备对于终端具有较高的控制权限，因此更容易存在安全漏洞，受到攻