作者：张骏
出版社：电子工业出版社有限公司
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
边缘计算方法与工程实践试读：
前言
在过去的两年中，边缘计算在学术界和产业界受到广泛热议，成为占据业界各大技术峰会、媒体、技术博客、论坛热搜的关键词。这也可能正是你会关注到本书的原因之一。边缘计算概念最早可以追溯到2003年，AKAMAI与IBM公司合作，在WebSphere服务器上提供基于边缘的服务。历经10余年的迭代演进，产业界逐渐形成以互联网云服务企业、工业互联网企业、通信运营商和设备商的三大阵营，并领跑边缘计算规范制定和商业开发部署。互联网云服务企业以消费物联网为主要阵地，将公有云服务能力延伸到网络边缘侧，用于满足低时延、大带宽、多连接的新型业务需求；工业互联网企业发挥自身工业网络连接及其平台服务领域的优势，在网络边缘侧加强算力、储存、安全管理体系建设，实现IT技术与OT技术的深度融合；通信运营商和设备商以边缘计算为突破口，发力于网络架构和通信设备设计变革，开放接入侧网络能力，为万物互联数据提供新生产模式和消费模式的服务能力。
2018年7月，现任英特尔数据中心集团中国区总经理周翔，在百度AI开发者大会上与电子工业出版社宋亚东编辑就边缘计算发展机遇与挑战进行了交流，同时了解到当前系统介绍边缘计算设计方法和工程开发案例的书籍非常匮乏，国内中文资源的书籍或详细材料较为少见。为给边缘计算在国内加速发展添砖加瓦，在周翔总经理的引荐下，本书主编从此开启了撰写工作。为使内容尽可能达到学术理论全而广、工程案例精而深的目标，还成立了编写本书的专案小组。专案小组成员来自英特尔公司技术带头人和技术一线的软、硬件开发设计师，他们多年工作在工业互联网、通信网络和设备以及数据中心云服务架构设计领域，拥有丰富的理论和实践经验。小组成员利用工作之余熬夜编写，确保了本书顺利面世。
在本书编写过程中，部分国内学术界和产业界联盟在各自领域陆续发布了边缘计算框架规范或白皮书。专案小组对其进行了深入研究和探讨，将这些分散于工业互联网、通信网络、通信设备、互联网和物联网的技术内容进行系统梳理，帮助读者从全局的视角理解边缘计算架构。同时，本书中多数工程开发案例来自工作伙伴和客户的联合工程开发项目或客户开源工程项目的产出。案例内容按理论架构、设计方法以及业务测试验证三大部分进行描述，利于读者从理论学习迈向工程实践。在本书编写中后期，业界三大阵营的合作伙伴技术代表加入本书的编委会，对本书内容进行了精心的审校和修改。本书集边缘计算各阵营所成，以编委会提出的“云-边-端”完整方案思想为指导，内容融会贯通，希望为业界加速边缘计算商业化步伐有所启发和帮助。
考虑到有关边缘计算方面的中文书籍较少，编者希望能从理论和应用相结合的角度，对边缘计算相关知识进行较为全面的梳理。本书既可以作为初级读者的入门书籍，也适合中级读者加深理论知识的系统理解，对于从理论走向实践的边缘计算工程开发者也有较高的参考价值。本书共6章。第1章对边缘计算进行综述，涉及边缘计算的发展历史、契机、现状、定义和架构原理。第2章详细介绍边缘计算网络、存储、计算基础资源架构技术以及架构设计准则。总结了边缘计算与云、大数据、人工智能、5G等前沿技术的融合。第3章系统介绍边缘计算软件架构设计，内容涵盖云原生、微服务、容器化、虚拟化、管理编排技术、边缘操作系统和平台服务系统等。第4章介绍边缘计算安全管理架构、理论技术，并列举了基于区块链的边缘计算安全案例分析。同时，对边缘计算资源受限环境下的微处理器安全架构设计也进行了重点介绍。第5章分享了9个典型的边缘计算工程案例，包括智慧城市、无人零售和自动驾驶案例，智能家居和智慧医疗案例，工业互联网领域的智能工厂和智能电网案例，边缘CDN和Kata Container边缘安全案例以及通信领域uCPE通用客户端边缘设备案例。工程案例横跨边缘计算三大阵营，从理论架构深入工程设计、开发部署。第6章是边缘计算展望，对边缘计算大规模商业部署面临的挑战和机遇进行了分析，讨论了未来关键技术和应用场景的趋势和特点，并以百度边缘计算“OTE”平台为典型例子，探讨了未来边缘计算“云-边-端”整体方案架构的演进方向。
边缘计算在未来几年将进入高速发展阶段，很多更先进的理论技术和架构设计方法势必会不断涌现，本书无法包罗当前边缘计算的方方面面。由于编者水平和精力所限，书中难免有错漏之处，承蒙各位读者不吝告知，若对本书有任何疑问或建议，烦请通过邮箱jun.z.zhang@me.com进行反馈。
致谢
在此谨代表本书撰写专案小组感谢为本书做出贡献的每一个人。
在本书的编写过程中，得到了编委会中各位行业专家的点拨与指导，感谢每一位编委对本书的大力支持。借此，特别感谢编委会四位技术顾问：英特尔数据中心集团中国区总经理周翔先生，金山云CDN及视频云产品中心总经理宗劼先生，富士康科技集团服务器事业群总经理兼海纳智联科技有限公司董事长、IPC董事傅富明先生，开放数据中心委员会副主席李洁博士，感谢他们在百忙之中抽时间提出了很多宝贵意见，并为本书写序或推荐语。同时，特别感谢百度系统部总监刘宁先生为本书写序，以及对英特尔和百度边缘计算合作项目的大力支持；特别感谢英特尔全球大客户销售总经理张哲源先生、英特尔数据中心云计算事业部中国区总经理李尔成先生、英特尔云平台技术部门英特尔Fellow Mohan Kumar先生和英特尔资深Principal Engineer Nishi Ahuja女士为本书写推荐语。
在本书的编写过程中，还从以下合作伙伴获得了极大帮助，在此表示衷心的感谢：电子工业出版社的宋亚东编辑，英特尔云边缘计算开发小组成员杜连昌、夏宇阳，英特尔公司的杨锦文、宋仲儒、贾培、吕荟晶、岳圆、应蓓蓓、张杰、彭翔宇，九州云的张敏、蒋暕青，百度的王均、符气康、范晓晋，富士康的郭利文，康佳特科技的林忠义、储圣杰。
在此，我再次感谢本书撰写专案小组成员：祝鲲业、陆科进、问治国、周超、刘敬、吴敏，感谢大家在本书编写过程中齐心协力、相互支持。
最后，非常感谢我的家人对我工作的理解和支持，他们在我写作的过程中给予了很大的照顾和鼓励，也是激励我完成本书写作的最大动力。
张骏
2019年7月于上海
读者服务
轻松注册成为博文视点社区用户（www.broadview.com.cn），扫码直达本书页面。
· 提交勘误：您对书中内容的修改意见可在“提交勘误”处提交，若被采纳，将获赠博文视点社区积分（在您购买电子书时，积分可用来抵扣相应金额）。
· 交流互动：在页面下方“读者评论”处留下您的疑问或观点，与我们和其他读者一同学习交流。
页面入口：http：//www.broadview.com.cn/36672第1章 边缘计算综述
随着物联网的兴起以及云服务的普及，边缘计算以一种新的计算模式热点出现在公众视野中。从2014年开始，“什么是边缘计算？”逐渐成为业界热议的课题，出现了边缘计算研究、标准定义百家争鸣的局面。进入2017年，业界趋同的定义在各大学术会议以及期刊中呈现。与此同时，边缘计算的工程开发和商业落地已经拉开大幕。本章对边缘计算进行概述，内容包括边缘计算发展历史、现状和契机，相关的前沿技术，业界对边缘计算的定义，以及边缘计算的研究和开发成果。1.1 边缘计算概述和定义1.1.1 边缘计算简介
边缘计算采用一种分散式运算的架构，将之前由网络中心节点处理的应用程序、数据资料与服务的运算交由网络逻辑上的边缘节点处理。边缘计算将大型服务进行分解，切割成更小和更容易管理的部分，把原本完全由中心节点处理的大型服务分散到边缘节点。而边缘节点更接近用户终端装置，这一特点显著提高了数据处理速度与传送速度，进一步降低时延。边缘计算作为云计算模型的扩展和延伸，直面目前集中式云计算模型的发展短板，具有缓解网络带宽压力、增强服务响应能力、保护隐私数据等特征；同时，边缘计算在新型的业务应用中的确起到了显著的提升、改进作用。在智慧城市、智能制造、智能交通、智能家居、智能零售以及视频监控系统等领域，边缘计算都在扮演着先进的改革者形象，推动传统的“云到端”演进为“云-边-端”的新兴计算架构。这种新兴计算架构无疑更匹配今天万物互联时代各种类型的智能业务。1.1.2 边缘计算发展历史
20世纪90年代，Akamai公司首次定义了内容分发网络（Content Delivery Network，CDN）。这一事件被视为边缘计算的最早起源。在CDN的概念中，提出在终端用户附近设立传输节点，这些节点被用于存储缓存的静态数据，如图像和视频等。边缘计算通过允许节点参与并执行基本的计算任务，进一步提升了这一概念。1997年，计算机科学家Brian Noble成功地将边缘计算应用于移动技术的语音识别，两年后边缘计算又被成功应用于延长手机电池的使用寿命。这一过程在当时被称为“Cyber foraging”，也就是当前苹果Siri和谷歌语音识别的工作原理。1999年，点对点计算（Peer to Peer Computing）出现。2006年，亚马逊公司发布了EC2服务，从此云计算正式问世，并开始被各大企业纷纷采用。在2009年发布的“移动计算汇总的基于虚拟机的Cloudlets案例”中，时延与云计算之间的端到端关系被详细介绍和分析。该文章提出了两级架构的概念：第一级是云计算基础设施，第二级是由分布式云元素构成的Cloudlet。这一概念在很多方面成为现代边缘计算的理论基础。2013年，“雾计算”由思科（Cisco）带头成立的OpenFog组织正式提出，其中心思想是提升互联网可扩展性的分布式云计算基础设施。2014年，欧洲电信标准协会（ETSI）成立移动边缘计算规范工作组，推动边缘计算标准化。旨在为实现计算及存储资源的弹性利用，将云计算平台从移动核心网络内部迁移到移动接入边缘。ETSI在2016年提出把移动边缘计算的概念扩展为多接入边缘计算（Multi-Access Edge Computing，MEC），将边缘计算从电信蜂窝网络进一步延伸至其他无线接入网络，如Wi-Fi。自此，MEC成为一个可以运行在移动网络边缘的执行特定任务计算的云服务器。
在计算模型的演进过程中，边缘计算紧随面向数据的计算模型的发展。数据规模的不断扩大与人们对数据处理性能、能耗等方面的高要求正成为日益突出的难题。为了解决这一问题，在边缘计算产生之前，研究学者们在解决面向数据传输、计算和存储过程的计算负载和数据传输带宽的问题中，已经开始探索如何在靠近数据的边缘端增加数据处理功能，即开展由计算中心处理的计算任务向网络边缘迁移的相关研究，其中典型的模型包括：分布式数据库模型、P2P（Peer to Peer）模型、CDN模型、移动边缘计算模型、雾计算模型及海云计算模型。
1.分布式数据库模型
分布式数据库系统通常由许多较小的计算机组成，这些计算机可以被单独放置在不同的地点。每台计算机不仅可以存储数据库管理系统的完整拷贝副本或部分拷贝副本，还可以具有自己的局部数据库。通过网络将位于不同地点的多台计算机互相连接，共同组成一个具有完整且全局的、逻辑上集中、物理上分布的大型数据库系统。分布式数据库由一组数据构成，这组数据分布在不同的计算机上，计算机可以成为具有独立处理数据管理能力的网络节点，这些节点执行局部应用，称为场地自治。同时，通过网络通信子系统，每个节点也能执行全局应用。
在集中式数据库系统计算基础上发展起来的分布式数据库系统有如下特性：数据独立性、数据共享性、适当增加数据冗余度，以及数据全局一致性、可串行性和可恢复性等。（1）数据独立性。集中式数据库系统中的数据独立性包括数据逻辑独立性和数据物理独立性两个方面，即用户程序与数据全局逻辑结构和数据存储结构无关。在分布式数据库系统中，还包括数据分布独立性，即数据分布透明性。数据分布透明性是指用户不必关心以下数据问题：数据的逻辑分片、数据物理位置分布的细节、数据重复副本（冗余数据）一致性问题以及局部场地上数据库支持哪种数据模型。（2）数据共享性。数据库是多个用户的共享资源，为了保证数据库的安全性和完整性，在集中式数据库系统中，对共享数据库采取集中控制，同时配有数据库管理员负责监督，维护系统正常运行。在分布式数据库系统中，数据的共享有局部共享和全局共享两个层次。局部共享是指在局部数据库中存储局部场地各用户常用的共享数据。全局共享是指在分布式数据库系统的各个场地也同时存储其他场地的用户常用共享数据，用以支持系统全局应用。因此，对应的控制机构也具有集中和自治两个层次。（3）适当增加数据冗余度。尽量减少数据冗余度是集中式数据库系统的目标之一，这是因为冗余数据不仅浪费存储空间，而且容易造成各数据副本之间的不一致性。集中式数据库系统不得不付出一定的维护代价来减少数据冗余度，以保证数据一致性和实现数据共享。相反，在分布式数据系统中却希望适当增加数据冗余度，即将同一数据的多个副本存储在不同的场地。适当增加数据冗余度不仅可以提升分布式数据系统的可靠性、可用性，即当某一场地出现故障时，系统可以对另一场地上的相同副本进行操作，以避免因为一处发生故障而造成整个系统的瘫痪。必要的冗余数据还可以提高分布式数据系统的性能，即系统通过选择离用户最近的数据副本进行操作，降低通信代价，提升系统整体性能。但冗余副本之间数据不一致的问题仍然是分布式数据库系统必须要着力解决的问题。（4）数据全局一致性、可串行性和可恢复性。在分布式数据库系统中，各局部数据库不仅要达到集中式数据库的一致性、并发事务的可串行性和可恢复性要求，还要保证达到数据库的全局一致性、全局并发事务的可串行性和系统的全局可恢复性要求。
2.P2P模型
对等网络（P2P）是一种新兴的通信模式，也称为对等连接或工作组。对等网络定义每个参与者都可以发起一个通信对话，所有参与者具有同等的能力。在对等网络上的每台计算机具有相同的功能，没有主从之分，没有专用服务器，也没有专用工作站，任何一台计算机既可以作为服务器，又可以作为工作站，如图1-1所示为对等网络拓扑。图1-1 对等网络拓扑
当前的通信模式还有Client/Server、Browse/Server和Slave/Master等。例如，企业局域网都是Client/Server、Browse/Server模式，而早期的主机系统则采用Slave/Master模式。这些模式的共同特点是在网络中必须有应用服务器，通过应用服务器处理用户请求，完成用户之间的通信，以应用为核心。而在对等网络中，用户之间则可以进行直接通信，实现共享资源，完成协同工作。对等网络可以在现有的网络基础上通过软件实现，目前它正在Internet上得到推广。一组用户可以通过相同的互联软件进行联系，也可以直接访问其他同组成员硬件设备上的文件。
P2P的特点包括非中心化、可扩展性、健壮性、高性价比及隐私保护。（1）非中心化。在所有节点上分散网络资源和网络服务，以实现在节点之间进行信息传输和服务实现，不需要中间服务器的介入，可成功避免可能的数据处理瓶颈。（2）可扩展性。在P2P中，随着用户的不断加入、服务需求的不断增加，系统的整体资源和服务能力得以同步扩充和提高。新用户的加入可以提供服务和资源，更好地满足了网络中用户的需求，促进分布式体系的实现。（3）健壮性。耐攻击和高容错是P2P架构的两大优点。在通常以自组织方式建立起来的P2P中，结点被允许自由地加入和离开。不同的P2P可以采用不同的拓扑构造方式，并且拓扑结构可根据网络带宽、节点数、负载等变化不断地进行自适应调整和优化。分散在各个节点间完成服务可以大大降低部分节点或网络破坏的影响程度，即便部分节点或网络遭到破坏，对其他部分的影响也很小。（4）高性价比。由于互联网中散布大量普通节点，P2P可以有效地利用这些节点完成计算任务或资料存储。通过利用互联网中闲置的计算能力、存储空间，得以实现高性能计算和海量存储的目的。（5）隐私保护。在P2P中，信息的传输并不需要经过某个集中环节而是在各个节点之间进行的，这样大大降低了用户隐私信息被窃听和泄露的可能性。目前，主要采用中继转发的技术方法来解决Internet隐私问题，即将通信的参与者隐藏在众多的网络实体之中。在传统的匿名通信系统中，必须通过某些中继服务器节点来实现这一机制。而在P2P中，网络上的所有参与节点都可以提供中继转发功能，从而使得匿名通信的灵活性大大提高，能够为用户提供更好的隐私保护。
3.CDN模型
CDN提出在现有的Internet中添加一层新的网络架构，更接近用户，被称为网络边缘。网站的内容被发布到最接近用户的网络“边缘”，用户可以就近取得所需的内容，从而缓解Internet网络拥塞状况，提高用户访问网站的响应速度，从技术上全面解决由于网络带宽小、用户访问量大、网点分布不均等原因造成的网站的响应速度慢的问题。CDN拓扑和集中单点服务器拓扑对比如图1-2所示。图1-2 CDN拓扑和集中单点服务器拓扑对比
从狭义角度讲，CDN以一种新型的网络构建方式，在传统的IP网中作为特别优化的网络覆盖层用于大宽带需求的内容分发和储存。从广义角度讲，CDN是基于质量与秩序的网络服务模式的代表。简单地说，CDN成为一个策略性部署的整体系统需要具备4个要件：分布式存储、负载均衡、网络请求重定向和内容管理。而内容管理和全局网络流量管理构成CDN的两大核心。CDN基于用户就近原则和服务器负载管理，为用户的请求提供极为高效的服务。概括地说，CDN的内容服务是基于位于网络边缘的缓冲服务器，即代理缓存。同时，代理缓存又是内容提供商源服务器的一个透明镜像。通常来讲，内容提供商源服务器位于CDN服务提供商的数据中心。这样的架构成功地帮助CDN服务提供商代表他们的客户，即内容提供商，向那些不能容忍有任何时延响应的最终用户提供尽可能好的用户体验。
目前，亚马逊和Akamai等公司都拥有比较成熟的CDN技术。国内的CDN技术发展很快，不仅成功交付了期望的性能和用户体验，而且大大降低了提供商的组织运营压力。近年来，主动内容分发网络（Active Content Distribution Networks，ACDN）以一种新的体系结构模型被研究人员提出。ACDN改进了传统的CDN，根据需要将应用在各服务器之间进行复制和迁移，成功地帮助内容提供商避免了一些新算法的研究设计。
清华大学团队设计和实现的边缘视频CDN是中国学术界研究CDN优化技术的一个经典案例，其提出通过数据驱动的方法组织边缘内容热点，基于请求预测服务器峰值转移的复制策略，实现把内容从服务器复制到边缘计算热点上，为用户提供服务。
和早期提出的边缘计算不同，早期的“边缘”仅限于分布在世界各地的CDN缓存服务器，现在的边缘计算早已超出了CDN的范畴，边缘计算模型的“边缘”已经从边缘节点进化到了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。边缘计算也从早期CDN中的静态内容分发到更加强调计算功能。目前，随着各大公司研究资源的不断投入，相关的技术研究和研究人员的培养越来越受到重视，不再是以前的单纯“开发”。
4.移动边缘计算模型
移动边缘计算（Mobile Edge Computing，MEC）通过将传统电信蜂窝网络和互联网业务深度融合，大大降低了移动业务交付的端到端时延，进而提升用户体验，无线网络的内在能力被成功发掘。这一概念不仅给电信运营商的运作模式带来全新变革，而且促进新型的产业链及网络生态圈的建立。
经评估，通过将应用服务器部署到无线网络边缘，可节省现有的应用服务器和无线接入网络间的回程线路上高达35%的带宽。越来越多的IP流量正在被游戏、视频和基于数据流的网页内容占据，这对移动网络提供好的用户体验提出了更高的要求。边缘云架构的使用可以成功地使用户端体验的网络时延降低50%。据Gartner公司报告，到2020年，全球联网的物联网设备将高达208亿台。以图像识别为例，若增加服务器处理时间50～100ms，可将识别准确率提高10%～20%。这等同于即使不改进现有的识别算法，仅应用移动边缘计算技术，即可通过降低服务器同移动终端之间的传输时延达到提升图像识别效果的目的。
同时，依靠低时延、可编程性以及可扩展性等方面的优势，边缘计算正日益成为满足5G高标准要求的关键技术。移动边缘计算将服务和缓存从中心网络迁移到网络边缘，不仅成功缓解了中心网络的拥塞，还因为边缘网络的就近性为用户请求提供更高效的响应。
在众所周知的移动技术难点中，任务迁移是其中之一。LODCO算法、分布式计算迁移、EPCO算法和LPCO算法，以及Actor模型等优化算法的运用，使得任务迁移得以成功实现。今天，在多种场景中可以见到移动边缘计算的应用，如车联网、物联网网关、辅助计算、智能视频加速、移动大数据分析等。
通常的移动边缘终端设备被认为不具备计算能力，于是人们提出在移动边缘终端设备和云计算中心之间建立边缘服务器，将终端数据的计算任务放在边缘服务器上完成。而在移动边缘计算模型中，终端设备是具有较强的计算能力的。由此可见，移动边缘计算模型是边缘计算模型的一种，非常类似边缘计算服务器的架构和层次。
5.雾计算模型
雾计算（Fog Computing）是在2011年年初由哥伦比亚大学的斯特尔佛教授（Prof.Stolfo）首次提出的，旨在利用“雾”阻挡黑客入侵。2012年，雾计算被思科公司定义为一种高度虚拟化的计算平台，中心思想是将云计算中心任务迁移到网络边缘设备上。
雾计算作为对云计算的补充，提供在终端设备和传统云计算中心之间的计算、存储、网络服务。L M Vaquero对雾计算进行了较为全面的定义：为了扩展基于云的网络结构，雾计算在云和移动设备之间引入中间层，而中间层则是由部署在网络边缘的雾服务器组成的“雾层”。云计算中心和移动用户之间的多次通信可以通过雾计算被成功避免。通过雾计算服务器，主干链路的带宽负载和耗能可以显著减少。当移动用户量巨大时，一些特定的服务的请求可以通过访问雾计算服务器中的缓存内容来完成。此外，因为雾计算服务器和云计算中心可以互联，所以云计算中心强大的计算能力和丰富的应用及服务可以被雾计算服务器使用。
由于概念上的相似性，雾计算和边缘计算在很多场合被用来表示相同或相似的一个意思。两者的主要区分是雾计算关注后端分布式共享资源的管理，而边缘计算在强调边缘基础设施和边缘设备的同时，更关心边缘智能的设计和实现。
6.海云计算模型
在万物互联的背景下，待处理数据量将升至ZB级。这对信息系统的感知、传输、存储和处理的能力提出了更高的要求。针对这一挑战，2012年，中国科学院启动了10年战略优先研究倡议，被称为下一代信息与通信技术倡议（Next Generation Information and Communication Technology initiative，NICT）。倡议的主旨是要开展“海云计算系统项目”的研究，其核心是通过“云计算”系统和“海计算”系统的协同和集成，增强传统的云计算能力。其中，“海”端指由人类本身、物理世界的设备和子系统组成的终端（客户端）。“海云计算系统项目”的研究内容主要包括从整体系统结构层、数据中心级服务器及存储系统层、处理器芯片级等角度提出系统级解决方案，以实现面向ZB级数据处理的能效比现有技术提高1000倍的中心目标。
由此可见，边缘计算的关注点包括从“海”到“云”数据路径之间的任意计算存储和网络资源。与边缘计算相比，海云计算关注的是“海”的终端设备，海云计算是边缘计算的一个子集实例。1.1.3 边缘计算发展契机
从生态模式的角度看，边缘计算将是一种新的生态模式，它将网络、计算、存储、应用和智能等五类资源汇聚在网络边缘用以提升网络服务性能、开放网络控制能力，进而促进类似于移动互联网的新模式、新生态的出现。边缘计算的技术理念可以适用于固定互联网、移动通信网、消费物联网、工业互联网等不同场景，形成各自的网络架构增强，与特定网络接入方式无关。相对于2003年Akamai与IBM公司在WebSphere服务器上合作提供基于边缘的服务的雏形模式，边缘计算引发的新一轮热潮是内因和外力联合推动的结果。内因是云计算的中心化能力在网络边缘存在诸多不足；外力是消费物联网发展迅速，数字经济与实体经济结合的需求旺盛。随着网络覆盖的扩大、带宽的增强、资费的下降，万物互联触发了新的数据生产模式和消费模式。同时，工业互联网蓬勃兴起，实现IT技术与OT技术的深度融合，迫切需要在工厂内网络边缘处加强网络、数据、安全体系建设。具体分析如下：
1.云计算的不足
传统的云计算模式是在远程数据中心集中处理数据。由于物联网的发展和终端设备收集数据量的激增，会产生一些问题。首先，对于大规模边缘的多源异构数据处理要求，无法在集中式云计算线性增长的计算能力下得到满足。物联网的感知层数据处于海量级别，数据具有很强的冗余性、相关性、实时性和多源异构性，数据之间存在着频繁的冲突与合作。融合的多源异构数据和实时处理要求，给云计算带来了无法解决的巨大挑战。其次，数据在用户和云数据中心之间的长距离传输将导致高网络时延和计算资源浪费。云服务是一种聚合度很高的集中式服务计算，用户将数据发送到云端存储并处理，将消耗大量的网络带宽和计算资源。再次，大多数终端用户处于网络边缘，通常使用的是资源有限的移动设备，它们具有低存储和计算能力以及有限的电池容量，所以有必要将一些不需要长距离传输到云数据中心的任务分摊到网络边缘端。最后，云计算中数据安全性和隐私保护在远程传输和外包机制中将面临很大的挑战，使用边缘计算处理数据则可以降低隐私泄露的风险。
以智能家居为例，不仅越来越多的家庭设备开始使用云计算来控制，而且还通过云计算实现家庭局域网内设备之间的互动。这使得过度依赖云平台的局域网设备会出现以下问题：
1）一旦网络出现故障，即使家里仍然有电，设备也不能很好地控制了。例如通过手机控制家里的设备，手机在外网是需要通过透传的。当手机在局域网内时，一般是直接控制设备的。但如果是智能单品之间实现联动的话，通常联动逻辑是在云上的。当发生网络故障的时候，联动的设备通常就容易失控。
2）如果是通过云控制家庭设备，那么需要定时检查云端的状态来实现对家电的控制，这时设备接受响应的时间，一方面取决于设备连接的网络速率，另一方面取决于云平台上设备检查状态的周期。这两方面使得响应时间是不可控的。
3）在很多智能家居方案中，没有局域网内的控制，所以通常也要通过云服务来实现局域网之内的设备联动。对开关速度要求不高的空调、电视等产品，用户是感受不到时延带来的不好体验的。但随着智能家居的普及，例如越来越多的灯光设备如果通过智能控制实现的话，即便是一点点的时延，用户也可以立即感受到。
2.万物互联时代的到来
2012年12月，思科公司提出万物互联的概念。这是未来互联网连接以及物联网发展的全新网络连接架构，其增加并完善了网络智能化处理功能以及安全功能，是在物联网基础上的新型互联的构建。万物互联是以万物有芯片、万物有数据、万物有传感器、万物皆在线、万物有智慧为基础的，产品、流程、服务各环节紧密相连，人、数据和设备之间自由沟通的全球化网络。在万物互联环境下，无处不在的感知、通信和嵌入式系统，赋予物体采集、计算、思考、协作和自组织、自优化、自决策的能力。高度灵活、人性化、数字化的生产与服务模式通过产品、机器、资源和人的有机联系得以实现。
万物互联采用分布式架构计算和存储新型平台，融合以应用为中心的网络、全球范围内更大的带宽接入、以IP驱动的设备以及IPv6，可成功连接互联网上高达数亿台的边缘终端和设备。相比“物”与“物”互联的物联网而言，万物互联的概念里面还增加了更高级别的“人”与“物”的互联。其突出的特点就是任何“物”都将具有更强的计算能力与感知能力，更有语境感知的功能。将人与信息融合至互联网当中，在网络中形成数十亿甚至数万亿的连接节点。万物互联以物联网作为基础，在互联网的“万物”之间实现融合、协同以及可视化的功能，增加网络智能。基于万物互联平台的应用服务往往需要更短的响应时间，同时也会产生大量涉及个人隐私的数据。比如，装载在无人驾驶汽车上面的传感器和摄像头，如果实时捕捉路况信息，经计算，每秒大约会产生1GB的数据。
根据互联网业务解决方案集团（IBSG）和思科全球云指数（GCI）的估计，到2020年，连接到互联网上的设备会超过500亿台，产生的数据将超过500 ZB。根据研究机构IHS的预测分析，到2035年，波音787每秒将产生大约5GB的数据，并需要对这些数据进行实时处理；全球将有5400万辆无人驾驶汽车。同时，中国用于打击犯罪的“天网”监控网络，已经在全国各地安装超过2000万个高清监控摄像头，实时监控和记录行人以及车辆。还有，以北京电动汽车监控平台为例，该平台可以对1万辆电动汽车进行7×24h不间断的实时监控，并以每辆车10s/条的速率向各企业平台实时转发监控数据。
3.用户的转型
在传统的云计算模式中，终端用户通常扮演的角色是数据消费者，例如在网络浏览器观看视频或文件、浏览图像、管理系统中的文档。但是，终端用户的角色正在发生变化，从数据消费者到数据生产者和消费者，这意味着人们也在边缘设备上生成物联网数据。例如，YouTube网站用户每分钟上传近100h的视频内容，Instagram用户发布2430000张照片。在这种情况下，在边缘端处理数据更为快速，可以改善用户体验。
4.网络架构云化演进
通信运营商根据网络建设部署与运营经验，统一构建基于NFV、SDN、云计算为核心技术的网络基础设施，推进支撑网络的云化演进、匹配网络转型部署。NFV将成为5G网络各网元的技术基础，以实现全云化部署。以DC为中心的三级通信云DC布局，将在网络云化架构中被采用，通过在不同层级的分布式部署和构建边缘、本地、区域DC，统一规划云化资源池，完成面向固网、物联网、移动网、企业专线等多种接入的统一承载和统一服务。
5.IT技术与OT技术的深度融合驱动行业智能化发展
以大数据、机器学习、深度学习为代表的智能技术已经在语音识别、图像识别等方面得到应用，在模型、算法、架构等方面取得了较大进展。智能技术已率先在制造、电力、交通、医疗、电梯、物流、公共事业等行业应用，随着预测性维护、智能制造等新应用的演进，行业智能化势必驱动边缘计算发展。1.1.4 边缘计算发展现状
在满足未来万物互联的需求上，边缘计算的优点尤为突出。这激发了国内外学术界和产业界的研究热情。主要的三大阵营在边缘计算发展上各有优势：互联网企业试图将公有云服务能力扩展到边缘侧，希望以消费物联网为主要阵地；工业企业试图发挥自身工业网络连接和工业互联网平台服务的领域优势，以工业互联网为主要阵地；通信企业以边缘计算为契机，开放接入侧网络能力，挺进消费物联网和工业互联网阵地，希望盘活网络连接设备的价值。从2016开始，业界从学术研究、标准化、产业联盟、商业化落地四个方向齐力推动边缘计算演进。
1.学术研究
2016年10月，IEEE和ACM正式成立了IEEE/ACM System Symposium on Edge Computing，组成了由学术界、产业界、政府（美国国家基金会）共同认可的学术论坛，对边缘计算的应用价值和研究方向展开了研究和探索。
2018年5月，在2018边缘计算技术研讨会（SEC-China 2018）中，中国高校和研究机构互动研究讨论边缘计算，梳理国内开发者的需求。
2018年10月，在2018边缘计算技术峰会中，中国通信学会和中国移动联合组织互联网界、工业界、电信界，共同探讨边缘计算产业生态的构建和协同发展。
2.标准化
2017年，IEC发布了VEI（Vertical Edge Intelligence）白皮书，介绍了边缘计算对制造业等垂直行业的重要价值。
中国通信标准化委员会（CCSA）成立了工业互联网特设组（ST8），并在其中开展了工业互联网边缘计算行业标准的制定。
2018年，中国联通发布了边缘业务平台架构及产业生态白皮书。白皮书基于业务需求演进、无线和固网的网络演进，以及云化技术的发展，介绍了中国联通边缘业务平台的架构和演进路标，以及边缘计算技术的标准化进展和产业链现状。
阿里云和中国电子技术标准化研究院等发布了边缘云计算技术和标准化白皮书。白皮书指导边缘云计算相关标准的制定，以及引导边缘云计算技术和应用发展。
2019年，百度发布边缘计算整体方案参考标准Baidu OTE（Over the Edge），面向5G，从互联网公司角度出发，致力于多运营商边缘资源的统一接入，将业务服务扩展到边缘，推动业界“云-边-端”商业部署。
3.产业联盟
2016年11月，由华为、中国科学院沈阳自动化研究所、中国信通院、英特尔、ARM等机构和公司联合发起的边缘计算产业联盟（Edge Computing Consortium，ECC）在北京正式成立。该联盟旨在搭建边缘计算产业合作平台，推动OT和ICT产业开放协作，孵化行业应用最佳实践，促进边缘计算产业健康与可持续发展。
2017年，全球性产业组织工业互联网联盟IIC成立Edge Computing TG，定义边缘计算参考架构。
2018年，由中国移动联合中国电信、中国联通、中国信通院和英特尔公司联合发起开放数据中心委员会OTII（Open Telcom IT Infrastructure）工作组，开启了电信领域边缘计算服务器标准和管理接口规范的制定工作。
2019年，由百度、阿里巴巴、腾讯、中国信通院、中国移动、中国电信、华为和英特尔等机构和公司联合发起的开放数据中心委员会边缘计算工作组正式成立，推动业界边缘计算商业开发部署。
4.商业化落地
当今，边缘计算市场仍然处于初期发展阶段。主宰云计算市场的互联网公司（国外的亚马逊、谷歌、微软，国内的百度、腾讯、阿里巴巴等）、行业领域厂商（富士康工业互联网、小米等）正在成为边缘计算商业化落地的领先者。传统电信运营商在5G蓬勃发展的大环境中，借助软件定义网络和网络云化等技术，也发力于边缘计算商业化落地。
亚马逊携AWS Greengrass进军边缘计算领域，走在了行业的前面。该服务将AWS扩展到设备上，这样它们除了同时可以使用云来进行管理、分析数据和持久的存储，还可以在本地处理它们生成的数据。微软公司在这一领域也有一些大动作。该公司将在物联网领域进行大量投入，边缘计算项目是其中之一。微软公司发布了Azure IoT Edge解决方案，该方案通过将云分析扩展到边缘设备以支持离线使用。边缘的人工智能应用也是微软公司希望聚焦的领域。谷歌公司也不甘示弱，宣布了两款新产品，分别是硬件芯片Edge TPU和软件堆栈Cloud IoT Edge，旨在帮助改善边缘联网设备的开发。谷歌公司表示，依靠谷歌云强大的数据处理和机器学习能力，可以通过Cloud IoT Edge扩展到数十亿台边缘设备，如风力涡轮机、机器人手臂和石油钻塔，这些边缘设备对自身传感器产生的数据可进行实时操作，并在本地进行结果预测。
在新兴的边缘计算领域，涌现出Scale Computing、Vertiv、华为、富士通、惠普和诺基亚等商业化的开拓者。英特尔、戴尔、IBM、思科、惠普、微软、通用电气、AT＆T和SAP SE等公司也在投资布局边缘计算。例如，英特尔和戴尔公司均投资了一家为工商业物联网应用提供边缘智能的公司Foghorn。戴尔同时还是物联网边缘平台IOTech的种子轮融资的参与者。而惠普提出Edgeline Converged Edge Systems系统的目标客户是那些通常在边远地区运营的工业合作伙伴，这些合作伙伴希望获得数据中心级的计算能力。在不依赖于将数据发送到云或数据中心的情况下，惠普公司的系统承诺为工业运营（如工厂、铜矿或石油钻井平台）提供来自联网设备的监控管理。
目前，不断涌现和发展的物联网、5G等新技术正推动着中国数字化转型的新一轮变革。为克服数据中心高能耗等一系列问题，边缘计算获得了越来越多的关注，在国内各行业的应用也日渐广泛。目前，基于边缘计算的“云-边-端”示意图如图1-3所示，远端的云端业务下沉延伸、前端的各行业万物互联的数据和应用上行扩展，加速推进近端网络架构演进和变革。图1-3 基于边缘计算的“云-边-端”示意图
在国内云服务提供商中，百度公司2018年发布“AI over Edge”智能边缘计算开发战略，与中国联通联合建立5G实验室，将智能云业务扩展到网络端，助力联通网络云化变革，加快边缘计算商业化落地速度。阿里巴巴近年大力推进的智慧城市项目也是边缘计算商业化的典型案例。金山云借助传统CDN业务的优势，大力推进CDN业务扩展到边缘，加速CDN业务云到边缘的全方位覆盖。
国内网络运营商在竞争激烈的市场中纷纷推进移动边缘计算的商业开发部署，以求获得高性能和低时延的服务。中国移动已领先在国内10个省、20多个地市的现网上开展多种MEC应用试点。2018年1月，中国移动浙江公司为进一步推动网络实现超低时延的更佳体验，宣布与华为公司联合率先布局MEC技术，打造未来人工智能网络。移动
试读结束[说明：试读内容隐藏了图片]