移動邊緣計算技術(shù)綜述

耿小芬

(山西傳媒學(xué)院,山西 晉中 030619)

0 引言

根據(jù)互聯(lián)網(wǎng)數(shù)據(jù)中心(Internet Data Center，簡稱IDC)預(yù)測，到2020年全球數(shù)據(jù)總量將大于40ZB。傳統(tǒng)的基于互聯(lián)網(wǎng)的云計算能借助互聯(lián)網(wǎng)的龐大的資源體系為用戶提供計算服務(wù)，但是在上傳至云計算中心集中解決問題時，有低實時性、低安全性和高能耗性的問題。

根據(jù)Gartner的報告，到2020年全球連接到網(wǎng)絡(luò)的設(shè)備將達(dá)到約208億臺，移動端應(yīng)用將迫切需要一個更有競爭力、可擴(kuò)展，同時又安全和智能的接入網(wǎng)。為了解決未來萬物互聯(lián)時代大數(shù)據(jù)處理中產(chǎn)生的一系列問題，邊緣計算模型出現(xiàn)。邊緣計算模型是指在網(wǎng)絡(luò)靠近數(shù)據(jù)生成端執(zhí)行計算的新型計算模型。邊緣計算模型分為邊緣設(shè)備和邊緣服務(wù)器兩部分，如圖1所示。其中邊緣設(shè)備可以進(jìn)行數(shù)據(jù)分析，將計算任務(wù)轉(zhuǎn)移到邊緣服務(wù)器上，減少傳統(tǒng)的云端計算負(fù)載，提高數(shù)據(jù)處理效率，為相關(guān)技術(shù)應(yīng)用提供更好的平臺。

圖1 移動邊緣計算模型

移動邊緣計算通過在網(wǎng)絡(luò)邊緣側(cè)設(shè)立邊緣服務(wù)器，為應(yīng)用提供了計算、存儲和傳輸?shù)确?wù)的新型平臺，滿足了用戶在低時延、高帶寬、個性化、高安全性、高隱私性等的要求下的應(yīng)用場景。

1 移動邊緣計算發(fā)展歷程

在中國知網(wǎng)上以“移動邊緣計算”為關(guān)鍵詞進(jìn)行年度文章數(shù)量搜索時，結(jié)果如表1所示。可以看到，2016年以前，移動邊緣計算相關(guān)文獻(xiàn)較少，關(guān)注度不大。2016年-2017兩年，移動邊緣計算開始快速發(fā)展；2018年開始與之相關(guān)的論文井噴式增長，相關(guān)應(yīng)用層出不窮，進(jìn)入了快速發(fā)展階段。

表1 中國知網(wǎng)上“移動邊緣計算”為關(guān)鍵詞發(fā)表年度文章數(shù)量搜索結(jié)果

邊緣計算最早可以追溯至1998年阿卡邁(Akamai)公司提出的CDN(content delivery network)。Shi等人在研究[1]中指出，從2015年前至今，邊緣計算大體分為原始技術(shù)積累、發(fā)展、應(yīng)用三個階段。在物聯(lián)網(wǎng)蓬勃發(fā)展的背景下，邊緣數(shù)據(jù)量增長迅速，為了解決數(shù)據(jù)在傳輸時占用帶寬過多、處理時占用負(fù)載過大和存儲時占用空間過多的問題，再結(jié)合提出的邊緣計算模型，科學(xué)家們提出了在數(shù)據(jù)側(cè)，也就是網(wǎng)絡(luò)邊緣提供數(shù)據(jù)處理。具有代表性的成果是霧計算和移動邊緣計算。2013年，IBM與Nokia Siemens網(wǎng)絡(luò)共同推出了可在無線基站內(nèi)運(yùn)行應(yīng)用程序的平臺。ETSI于2014年正式宣布推動移動邊緣計算標(biāo)準(zhǔn)化。隨著移動邊緣計算的發(fā)展，ETSI將MEC中‘M’的定義也做了進(jìn)一步擴(kuò)展，包括了移動接入，WI-FI接入、固定接入等3GPP和非3GPP接入方式，將移動邊緣計算延伸至其他無線接入網(wǎng)絡(luò)。2017年，ETSI把MEC中的“M”重新定義為“Multi-Access”，同時改MEC稱為“多接入移動邊緣計算”。

2 移動邊緣計算現(xiàn)狀

目前，移動邊緣計算還在發(fā)展階段。隨著數(shù)據(jù)量需求的增大，移動邊緣計算得到了廣泛的應(yīng)用和高度的好評。2016年11月30日，ECC(Edge Computing Consortium)在北京成立。該聯(lián)盟首批成員單位共62家，涵蓋不同的領(lǐng)域。2016年首次出版了《邊緣計算參考架構(gòu)》，提出了移動邊緣計算在許多行業(yè)應(yīng)用的解決方案[2]。

3 移動邊緣計算的應(yīng)用示例

3.1 智慧城市

移動邊緣計算技術(shù)的發(fā)展為智能城市的實時監(jiān)測和控制提供了可能。分布在城市各個角落的無線傳感器可以詳細(xì)地監(jiān)測城市的環(huán)境，如交通運(yùn)動[3]。例如，交通信息的分析過程中，如道路擁堵和事故，并找到替代路線需要豐富的資源平臺、實時的計算和相關(guān)的安排。因此，對計算密集型、延時敏感型任務(wù)的要求成為了選擇邊緣服務(wù)器最大的理由。

3.2 災(zāi)害監(jiān)測

為了預(yù)防由于氣候變化引起的災(zāi)害，如洪水、海嘯等，我們需要快速的預(yù)報機(jī)制和高效的信息傳播。由于在海邊、海內(nèi)已經(jīng)部署了大量的傳感器設(shè)備[4]，產(chǎn)生了大量的數(shù)據(jù)。這些數(shù)據(jù)在傳播過程中會消耗過多的帶寬，因此使得云計算時對資源要求特別高。在這種情況下，邊緣服務(wù)器上首先對收集的數(shù)據(jù)進(jìn)行預(yù)處理，可以節(jié)省云平臺的帶寬并能快速做出響應(yīng)。

3.3 智能家居

人們?yōu)榱颂岣呱钍孢m度紛紛采用智能家居系統(tǒng)，傳統(tǒng)的終端設(shè)備在產(chǎn)生大量的高清視頻數(shù)據(jù)時，使用云計算會占用大量的帶寬，而在數(shù)據(jù)側(cè)的邊緣服務(wù)器傳輸中不存在這種問題。此外，由于家庭中產(chǎn)生的數(shù)據(jù)比較隱私，上傳至云端進(jìn)行分析后可能會帶來隱私泄露問題[5]，而在家庭的邊緣端可以防止這些問題的出現(xiàn)，從而提升服務(wù)的質(zhì)量。

3.4 自動駕駛

隨著計算機(jī)視覺、深度學(xué)習(xí)等技術(shù)的發(fā)展，許多汽車企業(yè)開啟了自動駕駛的研究并取得了一定的成效。在工業(yè)界和學(xué)術(shù)界對自動駕駛的研究中，有三大典型的計算場景，分別是實時診斷、車載娛樂和第三方應(yīng)用，在這些應(yīng)用場景中，高延時成為了致命的缺點，移動邊緣計算中的低延時特性提高了安全性能。

3.5 醫(yī)療健康

移動邊緣計算的三層架構(gòu)可以在沒有醫(yī)生的情況下實時幫助患者，如患者隨身攜帶的可移動設(shè)備可以實時獲取患者的信息，如脈搏、體溫等，對大數(shù)據(jù)進(jìn)行分析后可以幫助患者實時防護(hù)。另外，對大數(shù)據(jù)進(jìn)行處理后上傳至云服務(wù)器也可以協(xié)助醫(yī)生做出相應(yīng)的處理。

4 移動邊緣計算面對的挑戰(zhàn)和對策

4.1 計算性能

在目前的移動邊緣計算架構(gòu)中，由于客戶需求不同、服務(wù)器性能不同，如何高效地進(jìn)行對資源的分配，選擇最優(yōu)的分配策略還沒有得到很好的標(biāo)準(zhǔn)化解決。Dong等人[6]提出了面向優(yōu)先級用戶的調(diào)度策略，對任務(wù)進(jìn)行合理的優(yōu)先級劃分后，根據(jù)優(yōu)先級、邊緣服務(wù)器的使用率等參數(shù)有效地降低了邊緣服務(wù)器的計算負(fù)載。

4.2 安全性

由于移動邊緣計算的分布性和實時性，信息安全的防護(hù)只能局限在邊緣服務(wù)器上。由于邊緣設(shè)備有限，現(xiàn)有的數(shù)據(jù)保護(hù)方法不適用于移動邊緣計算。目前，身份認(rèn)證、隱私保護(hù)等是移動邊緣計算的安全性問題的最大的挑戰(zhàn)。

基于橢圓曲線密碼系統(tǒng)(ECC)的遠(yuǎn)程認(rèn)證方案[7]已經(jīng)用于云互聯(lián)網(wǎng)和遠(yuǎn)程設(shè)備。例如，Ma等人提出了一種基于身份的遠(yuǎn)程相互認(rèn)證方案，該方案具有針對ECC上的遠(yuǎn)程設(shè)備的密鑰協(xié)商方案。另有學(xué)者通過使用雙線性配對為MCC服務(wù)提出了一種有效的隱私感知認(rèn)證PAA方案。

4.3 管理服務(wù)

由于移動邊緣計算的分布性，在本地服務(wù)器上未出現(xiàn)過的用戶進(jìn)行用戶優(yōu)先級分析，如何利用歷史數(shù)據(jù)記錄和與其他邊緣服務(wù)器進(jìn)行高效的通信是目前需要關(guān)注的問題。

Lv等人提出：在大規(guī)模異構(gòu)網(wǎng)絡(luò)中，可以先為計算節(jié)點確定到達(dá)區(qū)域，這樣就可以在不損失方案最優(yōu)性的前提下避免擴(kuò)大協(xié)作域所消耗的資源，從而提升移動邊緣計算的性能。

5 移動邊緣計算未來展望

移動邊緣計算為未來技術(shù)實現(xiàn)提供了方法，未來技術(shù)的發(fā)展又推動了移動邊緣計算的進(jìn)一步發(fā)展。

5.1 移動邊緣計算和云計算

移動邊緣計算是云計算的延伸。移動邊緣計算在現(xiàn)場級、實時級、短周期級的數(shù)據(jù)分析上有不可比擬的優(yōu)點。同時，移動邊緣計算的發(fā)展也離不開云計算。來自用戶終端的信息需要在云平臺上進(jìn)行匯總和分析，從而為邊緣服務(wù)提供更好的分析樣板。這種組合可以在低延時、高穩(wěn)定的網(wǎng)絡(luò)連接中更好地為用戶提供服務(wù)。

5.2 移動邊緣計算和5G

5G網(wǎng)絡(luò)商用后，移動邊緣計算有了新的機(jī)遇。5G擁有的低延時、高帶寬的特性無疑為移動邊緣計算提供了更多的應(yīng)用場景，使得移動邊緣計算可以更靈活地運(yùn)用；同時移動邊緣計算又組成了5G的許多應(yīng)用場景。2018年2月，ETSI發(fā)布兩篇白皮書，分別是《云端無線接入網(wǎng)絡(luò)和移動邊緣計算：完美配對》和《4G中的移動邊緣計算部署以及向5G演進(jìn)》，以實現(xiàn)移動邊緣計算與5G保持同步。

5.3 移動邊緣計算和人工智能

近年來深度學(xué)習(xí)應(yīng)用場景穩(wěn)定增多，在需要實時分類器的情況下，如無人駕駛，將巨大的內(nèi)容上傳到云服務(wù)器上有著高延時、低速率的問題。因此，需要在邊緣側(cè)完成對數(shù)據(jù)的處理和分析。日前，已有許多廠商發(fā)布或即將發(fā)布專為移動邊緣計算的人工智能模型芯片，使得在邊緣部署高精度的人工智能成為可能。

6 結(jié)束語

移動邊緣計算為智能互聯(lián)提供了迅速響應(yīng)的解決方案，目前已應(yīng)用于社會上的許多方面，數(shù)字時代的其他應(yīng)用如5G、人工智能、物聯(lián)網(wǎng)的落地也使得移動邊緣計算快速發(fā)展。此外，移動邊緣計算也在不斷融合互聯(lián)網(wǎng)、云計算、通信等行業(yè)，努力推動自身的發(fā)展。在未來，隨著這些應(yīng)用的普及，更多終端設(shè)備接入物聯(lián)網(wǎng)，數(shù)據(jù)量和響應(yīng)速度在數(shù)據(jù)邊緣側(cè)的更高的要求，移動邊緣計算將會成為下一個研究和應(yīng)用的熱點。