CHAPTER 4
第4章
主要研究方向与挑战

通过前几章的学习，相信读者对于边缘计算的历史发展和技术原理已有了大致的了解。新兴的边缘计算和传统的云计算有着本质的区别，前者将计算和存储下沉至在物理上距离用户更近的位置，通过密集的服务器部署来应对由用户移动产生的网络接入请求和数据处理请求，在网络边缘侧进行实时计算，进而满足海量的移动终端设备低时延需求。

总的来说，边缘计算具有以下四个优点：

（1）高时效的数据处理：数据无须通过回程网络传输至云端处理，极大地降低了传输时延。

（2）轻量级的管理开销：网络边缘端产生的数据量呈指数增长，而边缘计算的分布式处理在管理方面的开销也远小于传统的集中式云计算中心。

（3）显著的带宽节省：边缘计算通过选择性卸载过滤掉大量的无用数据，显著减小了网络带宽的压力。

（4）高保障的隐私安全：作为物联网传感器等数据基础设施的首要接触点，边缘设备可选择本地处理来避免潜在的数据泄露，或者在上传数据至云端之前进行严格的数据脱敏处理，提升数据的安全性。

如图4-1所示，根据用途和适用场景，当前边缘计算的应用可分为以下三类：

❑ 用户驱动型应用 。这类应用通常与用户直接交互，并且附带严格的时延需求，可将其全部或者部分的计算卸载至靠近用户的小型边缘服务器。如增强现实和虚拟现实应用，通过对周围环境进行3D建模和分析来获取用户感兴趣的区域，并对其进行画面渲染，最终达到为用户提供沉浸式体验的效果。然而，移动终端并不具备强大的算力，因而需要将其计算密集型任务（如区域检测）卸载至就近边缘服务器。

❑ 运营商和第三方应用 。海量移动设备和传感器产生的数据经过边缘计算预处理后，被运营商或者第三方收集，而后发送至远程数据中心进行深度分析，如道路监控和智慧医疗；又如物联网设备通过各种无线电技术和通信协议进行连接，而边缘计算则扮演互联网网关的角色，将物联网服务聚集并分发至密集分布的移动基站，以满足应用的实时性需求；又如在车联网中，边缘计算通过汽车将需要的云服务扩展到高度分散的移动基站环境中，使数据和应用程序能够部署在车辆附近，从而减少数据的往返时间，并提供实时响应、路边服务、附近消息互通等功能。

❑ 网络优化应用 。该类应用的主要目标是优化网络性能，提高用户体验质量（Quality of Experience, QoE）。边缘计算将热门的服务放置在边缘节点，因而极大缓解了回程网络拥塞，同时缩短了服务响应时间。例如，由于TCP本身难以预测无线信道的剧烈变化，导致其带宽使用的低效性；为此，可利用边缘计算为后端视频服务器吞吐量进行实时估计，进而实现应用级编码和吞吐量的完美匹配。

基于以上三类应用，本章总结当前边缘计算的一些热门研究方向，包括计算卸载、服务部署、边缘智能和视频分析，并分析其面临的困难和挑战。本章最后也给出了一些常用的边缘计算建模方法及其求解方案。 hqO476eInsh1SSSKSd6UmXVtf60wtVL7wFsEwxrWw4QqHzQv0ztp4siKvsAIEgMD