边缘计算的机遇和挑战，不可不知！

本文将重点介绍边缘计算的机遇和挑战。

在云计算平台编程是非常便捷的，因为云有特定的编译平台，大部分程序都可以在云上跑。但是边缘计算下的编程就会面临一个问题，平台异构问题，每一个网络的边缘都是不一样的，有可能是安卓系统或者linux等，不同平台下的编程又是不同的。

因此我们提出了计算流的概念，计算流是数据传播路径上的函数序列/计算序列，可以通过应用程序指定计算发生在数据传播路径中的哪个节点。计算流可以帮助用户确定应该完成哪些功能/计算，以及在计算发生在边缘之后如何传播数据。通过部署计算流，可以让计算尽可能的接近数据源。

命名方案对于编程、寻址、事物识别和数据通信非常重要，但是在边缘计算中还没有行之有效的数据处理方式。边缘计算中事物的通信是多样的，可以依靠wifi、蓝牙、2.4g等通信技术，因此，仅仅依靠tcp/ip协议栈并不能满足这些异构的事物之间进行通信。边缘计算的命名方案需要处理事物的移动性，动态的网络拓扑结构，隐私和安全保护，以事物的可伸缩性。

传统的命名机制如DNS(域名解析服务)、URI(统一资源标志符)都不能很好的解决动态的边缘网络的命名问题。目前正在提出的NDN(命名分发网络)解决此类问题也有一定的局限性。在一个相对较小的网络环境中，我们提出一种解决方案，如下图所示，我们描述一个事物的时间、地点以及正在做的事情，这种统一的命名机制使得管理变得非常容易。当然，当环境上升到城市的高度的时候，这种命名机制可能就不是很合适了，还可以进行进一步的讨论。

图 命名机制

在物联网环境中会有大量的数据生成，并且由于物联网网络的异构环境，生成的数据是各种格式的，把各种各样的数据格式化对边缘计算来说是一个挑战。同时，网络边缘的大部分事物只是周期性的收集数据，定期把收集到的数据发送给网关，而网关中的存储是有限的，他只能存储最新的数据，因此边缘结点的数据会被经常刷新。利用集成的数据表来存储感兴趣的数据，表内部的结构可以如图所示，用id、时间、名称、数据等来表示数据。

图 相应表结构

边缘结点的服务管理我们认为应该有以下四个特征，包括差异化、可扩展性、隔离性和可靠性，进而保证一个高效可靠的系统。

差异化：随着物联网的发展，会有这种各样的服务，不同的服务应该有差异化的优先级。比如，有关事物判断和故障警报这样的关键服务就应该高于其它一般服务，有关人类身体健康比如心跳检测相关的服务就要比娱乐相关服务的优先级要高一些。

可扩展性：物联网中的物品都是动态的，向物联网中添加或删除一件物品都不是那么容易的，服务缺少或者增加一个新的结点能否适应都是待解决的问题，这些问题可以通过对边缘os的高扩展和灵活的设计来解决。

隔离性：所谓隔离性是指，不同的操作之间互不干扰。举例而言，有多个应用程序可以控制家庭里面的灯光，有关控制灯光的数据是共享的，当有某个应用程序不能响应时，使用其他的应用程序依然能够控制灯光。也就是说这些应用程序之间是相互独立的，互相并没有影响；隔离性还要求用户数据和第三方应用是隔离的，也就是说应用不应该能够跟踪用户的数据并记录下来，为了解决该问题，应当添加一种全新的应用访问用户数据的方式。

可靠性：可靠性可以从服务、系统和数据三方面来谈论。

从服务方面来说，网络拓扑中任意节点的丢失都有可能导致服务的不可用，如果边缘系统能够提前检测到具有高风险的节点那么就可以避免这种风险。较好的一种实现方式是使用无线传感器网络来实时监测服务器集群。

从系统角度来看，边缘操作系统是维护整个网络拓扑的重要一部分内容。节点之间能够互通状态和诊断信息。这种特征使得在系统层面部署故障检测、节点替换、数据检测等十分的方便。

从数据角度来看，可靠性指的是数据在传感和通信方面是可靠的。边缘网络中的节点有可能会在不可靠的时候报告信息，比如当传感器处于电量不足的时候就极有可能导致传输的数据不可靠。为解决此类问题可能要提出新的协议来保证物联网在传输数据时的可靠性。

现存的提供服务的方法是手机终端用户的数据并上传到云端，然后利用云端强大的处理能力去处理任务，在数据上传的过程中，数据很容易被别有用心的人收集到。为了保证数据的私密性，我们可以从以下这些方面入手。

1，在网络的边缘处理用户数据，这样数据就只会在本地被存储、分析和处理。

2，对于不同的应用设置权限，对私密数据的访问加以限制。

3，边缘的网络是高度动态化的网络，需要有效的工具保护数据在网络中的传输。

在边缘计算当中，由于节点众多并且不同节点的处理能力是不同的，因此，在不同的节点当中选择合适的调度策略是非常重要的。接下来从延迟、带宽、能耗和花费这四个方面来讨论最优化的指标。

延迟：很明显云中心具有强大的处理能力，但是网络延迟并不单单是处理能力决定的，也会结合数据在网路中传输的时间。拿智慧城市距离来说，如果要寻找丢失的小孩信息，在本地的手机处理，然后把处理结果返回给云明显能加快响应速度。当然，这种事情也是相对而言的，我们需要放一个逻辑判断层，来判断把任务交给哪一个节点处理合适，如果此时手机正在打游戏或者处理其他非常重要的事情，那么手机就不是很适合处理这种任务，把这种任务交给其他层次来处理会更好些。

带宽：高带宽传输数据意味着低延迟，但是高带宽也意味着大量的资源浪费。数据在边缘处理有两种可能，一种是数据在边缘完全处理结束，然后边缘结点上传处理结果到云端；另外一种结果是数据处理了一部分，然后剩下的一部分内容将会交给云来处理。以上两种方式的任意一种，都能极大的改善网路带宽的现状，减少数据在网络中的传输，进而增强用户体验。

能耗：对于给定的任务，需要判定放在本地运算节省资源还是传输给其他节点计算节省资源。如果本地空闲，那么当然在本地计算是最省资源的，如果本地正在忙碌状态，那么把计算任务分给其他节点会更合适一些。权衡好计算消耗的能源和网络传输消耗的能源是一件非常重要的事情。一般当网络传输消耗的资源远小于在本地计算消耗的能源时，我们会考虑使用边缘计算把计算任务卸载到其他空闲的节点上，帮助实现负载均衡，保证每一个结点的高性能。

花费：目前在边缘计算上的花费包括但不限于边缘结点的构建和维护、新型模型的开发等。利用边缘计算的模型，大型的服务提供商在处理相同工作的情况下能够获取到更大的利润。

Stratus旗下解决方案ztC Edge是一种零接触、完全虚拟化的自我保护计算平台，专门用于工业边缘环境。凭借内置的远程管理以及不到1小时的用户安装时间，ztC Edge大幅减轻了IT人员在边缘处的虚拟化计算负担。它的自我保护和自监控功能有助于缩短意外停机时间，确保关键业务工业应用程序的可用性。专为运营技术(OT)构建的ztC Edge易于设置、配置和管理，具有用户可轻松使用的工具和可热交换冗余节点，这些节点能够自动验证兼容性以及进行自我同步。

物联网的发展和云计算的推动使得边缘计算的模型出现在社区之中。在边缘结点处理数据能够提高响应速度，减少带宽，保证用户数据的私密性。这篇文章当中，我们提到了边缘计算以后发展的展望和挑战。