英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
互联网领域边缘计算:一个案例研究
——Gopika Premsankar, Mario Di Francesco, and Tarik Taleb
摘要 在过去的几年中，由传感器，执行器和其他物联网（IoT）生成的数据量已大大增加。IoT数据当前在云中进行处理，主要是通过位于远程数据中心的计算资源进行处理。结果，网络带宽和通信延迟成为严重的瓶颈。本文主张利用新兴的物联网应用进行边缘计算，这些应用利用传感器流来增强交互式应用。首先，我们对当前的边缘计算架构和平台进行分类和调查，然后描述受益于边缘计算的关键物联网应用场景。其次，我们在移动游戏代表的选定用例中对边缘计算及其支持技术进行了实验评估。为此，我们将资源密集型3D应用程序作为范例，并评估不同部署方案中的响应延迟。我们的实验结果表明，边缘计算对于满足涉及虚拟现实和增强现实的应用程序的延迟要求是必需的。最后，我们讨论了当前边缘计算平台可以实现的目标以及新兴技术将如何影响未来物联网应用的部署。
关键词 边缘计算，雾计算，物联网（IoT），移动游戏。
- 引言
通过移动和物联网（IoT）设备生成的数据有了实质性的增长。这些设备（包括传感器，智能手机和可穿戴设备）的特点是计算和能源有限。当前，通过将处理和存储从资源受限的设备转移到云来解决此类限制[1]。实际上，由于云具有按需和可扩展的特性，因此它是用于计算卸载的理想解决方案。但是，云计算资源托管在大型数据中心中，该大型数据中心的位置远离大多数最终用户。 这导致最终用户和云之间的通信延迟很高。而且，交换的数据量的增加在通向云的网络链路上增加了很大的压力。
为了帮助解决这些问题，边缘或雾的概念计算已被提出[2]，[3]。根据这个范例中，可以在网络的边缘，接近（甚至位于同一位置）终端设备。将计算资源紧密放置到生成数据的设备减少了通信潜伏。此外，可以处理网络密集型数据并分析了离终端设备仅一跳的距离，从而减少对远程网络链接的带宽需求数据中心。易于处理和将数据存储在生成它们的设备附近将启用新服务[4] – [7]。最后，边缘计算平台支持设备和地理上分散的应用程序的移动性[3]。移动性和地理分布确实是物联网部署的关键特征，可以从边缘计算中特别受益。一些代表性的应用包括向车辆的内容交付，对移动设备收集的数据的实时分析以及通过地理分布的无线传感器网络进行的环境监控。
使内容更接近最终用户的概念并不新鲜。内容交付或分发网络（CDN）[8]部署可从源位置复制内容的资源到靠近最终用户的服务器上。以信息为中心的网络（ICN）[9]是增强网络安全性的类似方法。Internet基础结构显式支持基于内容的路由和转发。但是，CDN和ICN范例限于非互动内容[10]；例如，物联网数据可以缓存在网络边缘[11]，[12]。另一方面，边缘计算服务器还提供计算功能，并可以托管支持用户移动性的交互式应用程序。此外，由于从物联网设备生成的数据在边缘网络中的节点内存储和处理，因此边缘计算平台可以缓解隐私问题。这意味着可以在将数据发送到云之前对其进行预处理以删除私有信息[13]。此外，将计算分流到更靠近用户的资源（以及不远处的数据中心）可以帮助减少终端设备的能耗[14]。
本文的贡献是双重的。首先，我们进行分类并调查当前的边缘计算架构和平台，然后描述受益于边缘计算的关键物联网应用场景。其次，我们在移动游戏代表的选定用例中对边缘计算及其支持技术进行了实验评估。具体来说，我们证明了边缘计算对于在所考虑的用例中获得令人满意的体验质量是必不可少的。事实上，移动游戏依赖于低延迟和可靠的通信以及来自移动设备的传感器数据来创建沉浸式的最终用户体验[15] ，[16]。Pokeacute;mon Go1和Ingress2是成功游戏的示例，这些游戏结合了增强现实和传感器信息，例如用户位置[17]，[18]。因此，我们在本文中评估了边缘计算对移动游戏场景的好处。特别是，我们将游戏视为依赖渲染复杂的3D环境（包括虚拟现实和增强现实）的一大类应用程序的典范示例。
本文的其余部分安排如下。 第二节回顾和分类了现有的边缘计算平台。第三节介绍了边缘计算背后的关键支持技术。 第四部分讨论了物联网应用程序的需求以及边缘计算对此类应用程序的好处。 第五节介绍了移动游戏中边缘计算的性能评估结果。 第六节讨论了与现有技术有关的发现。 最后，第七节提供了一些总结性意见，并概述了未来研究的可能方向。
- 边缘计算：类和体系结构
已经提出了不同的架构来实现边缘计算平台。对这些体系结构的回顾表明，网络边缘没有明确定义，并且预期参与边缘的节点可能会有所不同。此外，用于描述边缘的术语差异很大，同一术语用于定义不同的体系结构和功能[22]-[24]。因此，我们首先将提议的体系结构分为三类（图1）。该分类基于部署的常见功能。但是，实际上，可以将一种类别的功能与其他类别组合使用。一类依赖于部署在靠近终端设备的资源丰富的服务器。另一组利用来自边缘的异构节点的资源，包括终端设备本身。第三类是基于边缘和集中式数据中心的资源联合。接下来，我们将详细介绍每个类别的功能。表一总结了我们的分类。
图1.边缘计算平台的分类。 （a）部署在边缘的资源丰富的服务器。 （b）异构边缘节点。 （c）边缘云联合。没有在云中以实心轮廓描绘的所有设备都具有边缘计算功能。
- 部署在边缘的资源丰富的服务器
实现边缘计算平台的一种选择是在最终用户连接的网络中部署资源丰富的服务器。Satyanarayanan等[2]提出了部署在WiFi接入点上的基于虚拟机（VM）的微云，距离终端设备一跳。微云被描述为“盒子中的数据中心”，它向边缘提供了多核计算能力，存储和无线LAN连接的集群。 Ha等 [14]提出了一种使用微云的多层系统，为用户提供认知帮助。通过Google Glass从用户收集的视频和传感器数据将在微云上进行处理，以提供实时帮助。Simoens等[25]提出了一种可扩展的三层系统，该系统使用微云来分析和自动标记来自用户设备的众包视频。自引入微云以来，进一步的研究已提出将微云与毫微微蜂窝基站结合，LTE基站甚至汽车集成在一起[13]。 Greenberg等[26]描述了微型数据中心的设计，该中心由数千个服务器组成，并能够为最终用户托管交互式应用程序。这些数据中心已被用于部署CDN和电子邮件应用程序[26]，但它们可以重新用于托管微云 [25]。与微云类似，Wang等[27]建议在无线接入点的WiFi接入点或基站上部署一小组服务器。作者将这种部署称为微云。
表一
边缘计算平台及其功能概述
|
方法 |
边缘节点 |
边缘网络 |
|
微云[2] |
小型数据中心，部署在WiFi接入点，毫微微小区或LTE基站上 |
WiFi，3G或LTE |
|
移动微云[13] |
小型车载数据中心 |
3G或LTE |
|
多址边缘计算[19] |
部署在无线访问网络中的服务器 |
3G，LTE，WiFi或其他接入技术 |
|
雾计算[3] |
异构节点，包括高端服务器，路由器，接入点和机顶盒 |
多种无线接入技术，包括WiFi，3G和LTE |
|
移动云[20] |
相邻的移动节点形成云，其中一台设备被选为资源协调器 |
通过WiFi或蓝牙进行本地联网； 具有WiFi，3G和LTE的互联网连接 |
|
边缘云[21] |
计算或存储节点部署在边缘网络中并联合到云数据中心 |
家庭/企业网络和WiF热点 |
|
融合[10] |
部署在接入点，本地数据中心和集中式数据中心上的服务节点 |
没有定义 |
在电信生态系统中，多址边缘计算（MEC）遵循在边缘部署资源丰富的资源的类似方法。 在此范例中，云计算资源，存储和IT服务部署在移动网络的无线电访问组件中。这样的平台由集成到基站或无线电网络控制器中的MEC服务器组成，而应用程序则通过VM在这些服务器上运行。该体系结构的主要优势之一是可以将实时无线电链路信息公开给部署在边缘的应用程序。 自从最初的白皮书将MEC称为移动边缘计算[19]以来，ETSI扩展了MEC的范围，使其涵盖了移动技术以外的接入技术。MEC平台也可以部署为室内环境中的网关，并提供包括增强现实，建筑管理和社交网络应用在内的服务[24]。
- 异构边缘节点
上述解决方案相比，边缘计算平台可以利用各种计算资源。 Bonomi等[3]提出了一个雾化平台，其特征是异构节点的高度虚拟化的系统，其范围从资源丰富的服务器到更受约束的边缘路由器，接入点，机顶盒甚至终端设备（包括智能手机和连接的车辆）。作者还认识到无线连接的异构性是终端设备的关键方面。因此，其解决方案支持不同的无线接入技术。在[28]中提出了类似的概念，其中边缘设备（包括智能手机和联网车辆），路由器和按需专用计算实例用于在雾平台中处理数据。 Chiang and Zhang [29]描述了一种利用终端设备（包括智能手机，谷歌眼镜和家庭存储设备）和云上的计算资源来进行实时数据流挖掘的系统[30]。 [20]将雾计算定义为基于合作的移动云，其中异构移动设备机会性地共享其资源以交付服务和应用程序。所提出的体系结构包括由邻近区域中的移动设备形成的本地云。然后，这些节点可以与同一本地云中的其他节点共享资源。节点之一被选举为本地资源协调器，并管理服务任务的分配。这些任务可以在本地云或后端云中的任何设备上运行。 Elkhatib等[31]提出了使用诸如Raspberry Pis之类的小型低功耗计算机来托管雾服务的建议。 Raspberry Pi可以群集在一起，成为独立的便携式迷你云，可以部署在室内或室外环境中。
- 边缘云联合
实现边缘平台的另一种选择是基于边缘和集中数据中心的计算资源联合。 Chang等[21]将该概念描述为边缘云。在他们的系统中，边缘应用程序用于在边缘以及遥远的云中心交付服务。作者介绍了使用边缘应用程序部署室内3-D本地化和视频监控应用程序的过程。同样，Farris等[32]提出了私有云和公共云的联合，以实现集成的物联网应用。在此体系结构中，边缘节点动态地协调联盟以最大化已执行任务的数量。云的联合也是Griffin等人提出的FUSION体系结构的关键方面[10]。在这种范例中，服务部署在整个Internet上分布的云基础架构上。应用程序开发人员可以在地理分布的执行区域中部署服务，这些执行区域可以位于IP路由器，访问点，无线访问网络中的基站等上。埃里亚斯等[33]利用边缘云（镜像公共云服务）和联合云来执行图像分类，且时间和带宽要求非常低。联合架构和公共云的镜像支持将现有的开放源存储库用于边缘的机器学习和图像分类。
- 启用技术
一些关键的启用技术使早先描述的边缘计算平台成为可能，这些技术对于当前移动网络向其第五代（5G）的演进也至关重要。特别是5G包含许多新技术，这些技术可解决低延迟和可靠通信，无线电频谱稀缺，节能运行以及来自异构设备的数据量不断增加的问题，此外，5G网络有望支持服务和核心的可编程和灵活部署通过网络功能虚拟化（NFV）和软件定义的网络（SDN）来实现网络功能[34]。预计这些技术还将在边缘计算平台的开发中发挥关键作用。在[24]中提供了对启用技术的详细调查；接下来，我们总结最重要的部分，并描述如何在边缘使用它们。
- 虚拟化
虚拟化使云计算提供商可以在单个物理服务器上运行多个独立的软件实例。这些实例可以在相互隔离的同时访问基础物理资源。这种隔离使实例可以在不干扰（甚至不知道）同一服务器上运行的其他实例的情况下运行。当前，虚拟机是在云计算环境中部署虚拟化实例的主要手段[35]。位于虚拟机和物理硬件之间的软件抽象层（管理程序）允许虚拟机使用底层CPU，存储和网络资
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[424463]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
