边缘计算

//=====================By xiaowei
/*
本文主要记录与边缘计算相关的概念，文献综述，以及对文献的理解。
*/
//=====================

概念

边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。

雾计算

雾计算（Fog Computing），在该模式中数据、（数据）处理和应用程序集中在网络边缘的设备中，而不是几乎全部保存在云中，是云计算（Cloud Computing）的延伸概念，由思科（Cisco）提出的。这个因“云”而“雾”的命名源自“雾是更贴近地面的云”这一名句。
首先，它是云计算的延伸概念，但不用将数据传到云端，而是集中在边缘设备中；

其次，雾计算由性能较弱、分散的各类功能计算机组成，是一种分布式的数据处理方式，具有去中心化的特点；
所以，也可以将雾计算理解为本地化的云计算，总之，是为用户提供数据资源服务的。

云计算

边缘计算

职责：

边缘计算分布式以及靠近设备端的特性注定它实时处理的优势，所以它能够更好的支撑本地业务实时处理与执行。
家门口的事情就不麻烦远在天边的云计算了，边缘计算直接对终端设备的数据进行过滤和分析，节能省时效率还高。
边缘计算减缓数据爆炸和网络流量的压力，用过边缘节点进行数据处理，减少从设备到云端的数据流量。
AI+边缘计算组合的边缘计算不止于计算，智能化特点明显，另外云计算+边缘计算组合出击，成本只有单独使用云计算的39%。

换而言之，有些终端会把计算任务卸载(Offloading)到边缘计算的设备上，通过边缘设备分配的资源进行计算任务。

无线网关

一个网络连接到另一个网络的接口；复杂的网络连接设备，可以支持不同协议之间的转换，实现不同协议网络之间的互联。

个人理解，例如底层设备使用蓝牙网络，设备产生信息通过蓝牙传输到无线网关，网关将信息解码后，通过HTTP协议传输到服务器。

二者关系

云计算是一个统筹者，它负责长周期数据的大数据分析，能够在周期性维护、业务决策等领域运行。
边缘计算着眼于实时、短周期数据的分析，更好地支撑本地业务及时处理执行。
边缘计算靠近设备端，也为云端数据采集做出贡献，支撑云端应用的大数据分析，云计算也通过大数据分析输出业务规则下发到边缘处，以便执行和优化处理。

云计算作为物联网的“大脑中枢”，将大量边缘计算无法处理的数据进行存储、处理、整理和分析，而与此同时边缘计算被认为是物联网的“神经末梢”，实现对小数据直接在边缘设备或者边缘服务器中进行数据的处理，同时也能够很好的缓解云数据中心的压力。
边缘计算和云计算互相协同，准确的说它们是彼此优化补充的存在。

边缘计算应用

阿里云

阿里云边缘计算产品Link Edge已经问世。据说通过这款产品，开发者能够轻松将阿里云的边缘计算能力部署在各种智能设备和计算节点上，比如车载中控、工业流水线控制台、路由器等。
另外基于生物识别技术的智能云锁利用本地家庭网关的计算能力，可实现无延时体验，断网了还能开锁，避免“被关在自己家门外”的尴尬。
云与边缘的协同计算，还能实现场景化联动，一推开门，客厅的灯就自动打开迎接你回家。

总结：
利用局域网网关的处理能力，处理较为实时性的信息。

车联网

当下伴随着智能驾驶、自动驾驶等新势力车企的的蓬勃发展，联网汽车数量越来越大，针对车联网用户的功能越来越多，随之车联网的数据量传输不断增加，对其延迟/时延的需求也越来越苛刻，尤其是汽车在高速行驶中，通信延迟应在几ms以内，而网络的可靠性对安全驾驶又至关重要。
那么，在这个过程中如何满足车联网对传输速率的高要求？传统中央云计算由于经过多层级计算处理，延迟高、效率低，现在已不再能满足车联网的传输需求。而基于边缘计算解决方案，在近点边缘层已经完成对数据的过滤、筛癣分析和处理，传输距离短、延迟低、效率更高。相较云计算，车联网显然更加需要边缘计算来护航！

（1）通过节点“下沉”的方式，可以在距离车辆最近的基站进行计算，缩短计算距离
（2）车内边缘计算可实时提供实时车辆位置，利用低延迟效果与附近基站，提高可靠性。
（3）单一车量通过数据分析后得出结论，以极低延迟传送给临近区域内的其他联网车辆，可在区域范围内快速完成传递，驾驶员及时做出决策

论文

边缘计算网关设备的构建和部署问题的研究

作者：赵佶
学科、专业： 计算机科学与技术
学校：大连理工大学
时间：2018 年 5 月

名词介绍

CSV是一种通用的、相对简单的文件格式，被用户、商业和科学广泛应用。最广泛的应用是在程序之间转移表格数据，而这些程序本身是在不兼容的格式上进行操作的（往往是私有的和/或无规范的格式）。因为大量程序都支持某种CSV变体，至少是作为一种可选择的输入/输出格式。

高斯混合模型：高斯混合模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，它是一个将事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。

总结：
文章介绍了如何构建一种提供边缘计算服务的网关设备方法，结合树莓派自身的特性，将树莓派构建成一个网关设备。通过给树莓派建立无线路由模块、数据分析模块、设备管理模块，从而完成对提供边缘计算服务的网关设备的单个独立的建立。
其中无线模块，使用树莓派自带无线网卡；
数据分析模块，使用pandas库采集信号，通过Tensorflow对数据进行处理；
使用高斯混合模型对网关部署进行研究；
通过树莓派处理结果与服务器处理结果对比，验证在响应时间上有明显优势。

但是文章并没有具体介绍案例，逻辑不清晰。对边缘计算概念不清晰，在树莓派上建立分析模型；
没有云平台支持，没有大量数据和传感器支持，使用温湿度传感器采集数据并处理，不能说明边缘计算特性。

车载边缘计算环境中的任务卸载决策和优化

李波，黄鑫，牛力，等．车载边缘计算 环 境 中 的 任 务 卸 载 决 策 和 优 化 ［Ｊ］．微 电 子 学 与 计 算 机，２０１９，３６（２）：７８－８２．

名词介绍

• 车载网IoV

根据中国物联网校企联盟的定义，车联网（Internet of Vehicles）是由车辆位置、速度和路线等信息构成的巨大交互网络。通过GPS、RFID、传感器、摄像头图像处理等装置，车辆可以完成自身环境和状态信息的采集；通过互联网技术，所有的车辆可以将自身的各种信息传输汇聚到中央处理器；通过计算机技术，这些大量车辆的信息可以被分析和处理，从而计算出不同车辆的最佳路线、及时汇报路况和安排信号灯周期。

车联网群智感知与服务关键技术研究

作者：袁泉
学科、专业： 计算机科学与技术
学校：北京邮电
时间：2018 年 3 月

1、名词解析

• 群智感值

群智感知：群智感知计算（Mobile Crowd Sensing and Computing，MCSC）是一种“人在回路”的感知和计算模式，系统架构包括服务器平台、数据使用者和任务参与者(数据提供者)这 3 部分，分为感知层、网络层和应用层。在云端的服务器接受来自数据使用者的服务请求，将感知任务分配给参与者，处理收集的感知数据，并进行其他的管理功能。参与者接收到感知任务后，进行所需数据的感知，然后将数据返回给服务器，服务器将数据处理后返回给数据使用者。通过整个流程实现数据感知、数据收集和信息服务提供等功能，群智感知是 一种分布式的、移动的、基层的、自主的服务模式。

• MEC

MEC：移动边缘计算（Mobile Edge Computing）

• 车联网

• 蜂窝移动通信

蜂窝移动通信（Cellular Mobile Communication）是采用蜂窝无线组网方式，在终端和网络设备之间通过无线通道连接起来，进而实现用户在活动中可相互通信。其主要特征是终端的移动性，并具有越区切换和跨本地网自动漫游功能。蜂窝移动通信业务是指经过由基站子系统和移动交换子系统等设备组成蜂窝移动通信网提供的话音、数据、视频图像等业务。

• 回程网络

回程网络，顾名思义，就是线路的返回线路，一般的终端用户都是下载业务比较大，上行数据量比较校一般所说的回程网络是无线回程网络，主要是无线GSM，3G网络或者是wimax网络，WLAN里面也有回程网络概念！

• 缓存系统

1. 概述
   缓存是分布式系统中的重要组件，主要解决高并发，大数据场景下，热点数据访问的性能问题。提供高性能的数据快速访问。
2. 原理
   将数据写入/读取速度更快的存储（设备）；
   将数据缓存到离应用最近的位置；
   将数据缓存到离用户最近的位置;
3. 缓存设计需要解决以下几个问题：
   3.1.缓存什么？哪些数据需要缓存：1.热点数据；2.静态资源。
   3.2 缓存的位置？CDN，反向代理，分布式缓存服务器，本机（内存，硬盘）

• 分发

• 异构网络

异构网络(Heterogeneous Network）是一种类型的网络，其是由不同制造商生产的计算机，网络设备和系统组成的，大部分情况下运行在不同的协议上支持不同的功能或应用。
为了可以同时接入到多个网络，移动终端应当具备可以接入多个网络的接口，这种移动终端被称为多模终端。由于多模终端可以接入到多个网络中，因此肯定会涉及到不同网络之间的切换，与同构网络（Homogeneous Wireless Networks）中的水平切换（Horizontal Handoff, HHO）不同，这里称不同通信系统之间的切换为垂直切换（Vertical Handoff，VHO）。在此后的十几年中，异构网络在无线通信领域引起了普遍的关注，也成为下一代无线网络的发展方向。

2、摘要：

通过利用车与车，车与云端，车与边缘协作，数据的收集和共享是群智感知计算的主要任务。参与者收集并贡献大量的数据，这些数据可包含丰富的信息以适合于各种应用，如灾害管理国污染监测、事件报告等。
但是，这些信息并不能直接从群体贡献的数据中获取，还需要对这些数据进行智能分析和处理。群体贡献的数据往往具有以下特点：

1. 杂乱性。用户贡献的数据质量和可靠性参差不齐。
   1.1 不提供准确的数据;
   1.2 群体贡献的数据常常是冗余的，如人们可能发表类似的帖子，在某一地点附近拍摄的照片也可能是相似的。
2. 异质性。群体贡献的数据通常包含丰富的异构信息，如文本、图像和音频/视频等。
3. 碎片化。对于所关注的物体或者主题（地点、事件、产品和人），群体贡献的数据往往碎片化但相互关联。

度量和使用群体行为模式的聚合效应，并融合机器智能进行群体贡献数据的分析和理解，被称之为“群智融合计算”。

成果：

1. 针对局部数据冗余，提出针对原始数据进行动态融合。具体为车辆间通过链式协商，达成全局一致描述，提出基于动能的信息时空有效性模型。
2. 针对感知资源时空分布不均匀，利用感知数据的时空相关性，同时根据感知资源的动态分布，仅在某些特定区间收集数据，并推导出未知区间状态。
3. 针对车联网的严格时空约束，提出边缘辅助的数据缓存和分发方法。
   具体为在基站部署计算和存储能力，根据服务数据请求规律进行数据缓存，根据车辆数据需求和动态分布，协调数据分发。
   3.1 数据缓存方法具体为，自回归方法学习历史请求数据规律，预测未来缓存。
   3.2. 数据分发方法具体为，根据时空约束动态维护概率联络图以表示车辆通信机会，并设计评估方法评估车辆影响力，利用启发式算法选择最优车辆，作为种子启动分享。

3、相关综述

4、具体内容

1. 车联网中局部群智感知与信息有效传播
   此章考虑车联网数据的传播范围，设计了一种动能的信息时空有效性模型，对车辆产生数据进行相关性衰减。
2. 资源高效利用的全局群智感知
   针对全局数据资源时空分布不均匀，使用主动稀疏感知。

基于移动边缘计算的任务迁移策略研究

作者：邓茂菲
学科、专业： 信息与通讯工程
学校：北京邮电
时间：2017 年 3 月

摘要

ＭＥＣ技术为无线接入网提供Ｈ服务和云计算的能力，并将业务平台下沉到网络边缘，很大程度上减少了服务交付的时延。
利用ＭＥＣ服务器在移动网络中近距离部署的条件，移动边缘计算可以为用户提供便捷的计算服务和随时随地都能接入的超高速网络，从而令任务迁移的传输路径更短、消耗更校

名词解析

• 博弈论