伴随着计算机软硬件和网络技术的发展,计算模式从大型主机计算演进到C/S模式的网络计算,再到云计算,从集中式计算到分布式计算再回到了集中式计算,未来计算又将走向何方?云计算透明地为用户提供多种层次应用服务而得到广泛应用,然而,云计算集中式服务全局管控个人在线行为和社交数据存在个人隐私泄露风险;用户到云的完全授权,要求客户端到云的单方面信任,阻碍了用户间建立更细粒度的信任;云计算亦失去和浪费了现代终端设备的计算、通信和存储能力;最后,云计算亦难以满足强实时需求、大数据量高频率交互和处理以及本地化位置相关计算的需求.边缘计算(edge computing)作为一种新的计算范式应用而生,将计算应用、数据和服务的前沿从集中式节点推向网络边缘,其中计算和存储资源放置在互联网的边缘,靠近移动设备、传感器和终端用户,形成与云计算互补的计算形式,从而通过边缘与中心的平衡获得更好的服务质量.边缘计算被提出后,迅速得到学术界和工业界的重视,美国自然科学基金会于2016年首次以边缘计算为主题设立研究计划资助科学家研究,IEEE和ACM于2016年联合发起召开了首届边缘计算研讨会;2016年11月30日,中国边缘计算产业联盟由华为技术有限公司、中国科学院沈阳自动化研究所、中国信息通信研究院、Intel、ARM、软通动力信息技术(集团)有限公司在北京宣布成立;ETSI建立移动边缘计算标准,将成为5G标准的重要组成部分.
《计算机研究与发展》适时推出“边缘计算”专题,迅速得到国内工业界和学术界相关研究学者关注,专题共收到稿件48篇,来稿涵盖了学术界的研究成果,也有工业界的示范应用与探索,具体包括:边缘计算体系结构、国际标准与实现案例、系统监控与测量、数据处理、新型算法、应用探索等领域的研究成果.专题根据学报严格审稿筛选的要求,邀请到20余位领域专家参与审理,通过初审、专家评审、终审三重审理最终遴选出9篇高质量论文入选本专题.
在计算模型与系统结构方面, 邓晓衡等作者的论文“基于综合信任的边缘计算资源协同研究”,针对用户应用需求特征,充分考虑用户体验质量(QoE)来优化边缘计算系统,通过集成用户和资源的身份信任、行为信任、能力信任,形成综合信任度;针对终端的动态性、边缘设施能力受限、边缘与终端的邻近性、云中心功能强和距离远的特征,论文融合云计算、P2P计算、C/S与网格计算模式,构建多层自适应的统一计算模型,实现对应用场景动态匹配;提出了以用户体验质量为目标的资源/用户综合信任评估体系与模型,实现资源QoS向QoE的指标映射,构建资源和用户的身份信任、行为信任和能力信任评价机制,形成综合信任评估体系与模型;根据应用需求,研究面向计算能力、移动性与可用服务时间、剩余能量、带宽等多重约束的边缘计算的任务卸载、资源调度算法和优化方案,实现资源在终端、边缘、云中心三层级可信共享和优化利用,更好满足用户QoE需求.最后通过流计算任务分配的边缘计算场景验证了模型框架的有效性.
考虑未来5G移动通信网络面临移动流量暴涨,新型业务的高回传带宽、低时延等挑战, 齐彦丽、周一青等作者的论文“融合移动边缘计算的未来5G移动通信网络”论述了MEC的框架结构及其在5G中的标准化进展,结合MEC的部署策略和未来5G网络架构,提出融合MEC的未来5G移动通信网络架构,构建一个通信与多级计算协同的网络.论文同时指出面向通信与计算协同的网络容量分析、通信与计算资源的协同优化、计算存储多播、节带化传输等基础理论与关键技术问题.
在国际标准与示范应用方面, 吕华章等作者的论文“边缘计算标准化进展与案例分析”总结了从ETSI最先提出边缘计算架构开始,到3GPP将边缘计算纳入未来5G发展的关键技术,介绍了中国联通在边缘计算方面的探索成果.论文重点介绍了中国联通在4G/Pre-5G/5G通信网络中移动边缘计算组网架构的演化,和梅赛德斯奔驰边缘计算中心网络架构,以及未来基于边缘计算的5G示范应用项目,并指出边缘计算商业合作模式,网络边缘生态,推动5G业务的发展方向.
在边缘计算系统的监测方面,互联网、移动计算、物联网技术的进步推动了人-机-物环境的深度融合,催生了一大批面向边缘用户的网络搜索、在线社会网络、电子商务、视频监控、智能助理等类型的在线数据密集型应用.在线数据密集型应用具有规模巨大、服务质量敏感等特性,对延迟性能提出迫切需求,然而,由于用户访问请求跨边缘网络、广域网、数据中心异构环境,“长尾延迟”问题导致边缘用户的体验质量严重下降.符永铨,李东升等作者的论文“边缘计算环境应用驱动的网络延迟测量与优化技术”针对边缘计算和云计算协同的延迟测量的体系结构、长尾延迟溯源分析、理论模型、测量机制与优化等关键技术进行深入分析与总结,并就未来发展趋势展开了探讨.
万物互联、感知世界、网络边缘实时产生海量数据,对于数据实时采集、传输、处理、存储都产生巨大的挑战, 张琪等作者的论文“边缘计算应用:传感数据异常实时检测算法”针对物联网中实时采集传感数据总体质量低下的问题,提出基于边缘计算的传感数据异常实时检测.算法首先对传感数据以“时间序列”的形式进行表示,并建立基于边缘计算的分布式传感数据异常检测模型,再利用单源时间序列自身的连续性以及多源时间序列之间的相关性对实时传感数据中出现的数据异常进行有效检测.相较于传统算法,该算法具有检测时间短,异常检出率高的特点.
在边缘计算的资源协同与性能优化方面, 于博文等作者的论文“移动边缘计算任务卸载和基站关联协同决策问题研究”为了缩小IoT应用的服务质量要求与IoT设备有限的计算资源之间的差距,提高设备与基站能源利用率,设计了一个基于超密集网络的移动边缘计算框架COMED;论文结合任务卸载、设备-基站关联以及基站睡眠调度,将问题建模为一个在线优化问题,旨在最小化设备和基站的整体能量消耗,同时满足IoT应用的服务质量要求;论文提出了一个基于李雅普诺夫优化理论的任务调度算法JOSA,只使用当前时间片的系统信息进行调度;进而,基于松弛-对偶理论,提出了一个针对单一时间片最优的任务卸载、基站睡眠以及设备-基站关联调度策略.仿真实验结果表明:与设备本地处理相比,系统整体节能30%以上,与DualControl算法相比平均节能10%～50%;算法的执行时间与IoT设备数量成近似线性的关系.
高计算消耗的应用和服务逐渐从集中式云计算中心向网络边缘的嵌入式环境迁移,FPGA具有灵活性和高能效特性,在边缘计算的嵌入式系统具有重要作用.传统FPGA卷积神经网络构造方法存在设计周期长和优化空间小等缺点,在网络边缘的的嵌入式环境下尤为明显. 卢冶等作者的论文“面向边缘计算的嵌入式FPGA 卷积神经网络构建方法”提出一种面向边缘计算的嵌入式FPGA 平台卷积神经网络通用的构建方法.通过设计卷积神经网络函数中的网络层间可复用的加速器核心,以少量硬件资源实现性能优化的卷积神经网络硬件;通过拓展设计、缓存优化及数据流优化等技术,实现HLS 设计优化;利用该方法在嵌入式FPGA 平台上构建相应卷积神经网络,实验结果表明,优化后的网络资源在与Xeon E5-1620 CPU 和GTX Titan GPU 相比时,在功耗与性能方面具有较大优势.
针对移动社交平台忽略网络状态,频繁刷新内容(文字、图片、视频等)造成的高能耗以及运算能力问题, 郭延超等作者的论文“移动边缘计算中基于内容动态刷新的能耗优化”提出一种变异计算模式下基于Markov决策过程(Markov decision process, MDP)的能耗优化模型,考虑不同环境的网络状态,根据手机当前电量以及用户刷新,通过本地移动边缘计算层完成数据处理,在Markov决策过程生成的决策表中选择最优策略,动态选择最佳的网络接入以及刷新下载最佳的图片格式.该模型不仅减少刷新时间,而且能够降低移动平台的能耗.相同条件下应用能耗优化模型能降低能耗约12.1%.
彭晓晖等作者的论文“Web使能的物端计算系统”考虑边缘计算系统的终端设备具有多样性对于设计统一的体系结构支持物端智能应用的挑战,关注资源受限的边缘设备组成边缘计算系统——物端计算系统;论文阐述了现代Web系统、边缘计算系统和物端计算系统的概念与相互关系,基于物端计算系统的设备多样性和资源受限特性调研基于REST的用于边缘计算系统的应用层协议;并详细调研和评估了多个Web系统代表性脚本语言,总结了脚本语言应用于物端设备的探索工作;论文最后列出了物端计算系统的重要研究方向,包括统一的体系结构、高能效Web、支持物端智能和物端调试技术等.
边缘计算正方兴未艾,具有广阔的理论研究和应用的前景,国际和国内研究正蓬勃发展,本专题的出版首先感谢作者的积极投稿,但由于版面刊文数量限制,仅选取了计算模型、系统结构、系统监测、资源优化和应用9个代表性的研究成果,并不能涵盖边缘计算广泛的研究内容,还有部分优秀稿件没有列入专题发表,由于审稿时间紧,稿件审理也难免存在不足,敬请各位作者多多谅解.
本专题的顺利出版还要感谢审稿专家辛勤的审稿,在较短的审稿时间内,按质按量完成稿件审理;还要特别感谢《计算机研究与发展》编委会和编辑部对本专题发表全程的支持和帮助.我们希望本专题的出版能作为一个引子,进一步促进“边缘计算”的研究,不足之处也请作者、读者、同行批评指正,再次感谢作者、审稿专家和编辑部的辛勤工作.
特邀编委
邓晓衡(中南大学)
李东升(国防科技大学)
吴 帆(上海交通大学)
2018年2月