边缘计算技术发展现状与对策

本报告为科技部科技创新战略研究专项项目“高新技术领域年度重点创新进展报告”( 编号：ZLY201633) 研究成果之一。

边缘计算是通过把计算、存储、带宽、应用等资源放在网络的边缘侧，减小传输延迟和带宽限制的新兴技术。这项技术为物联网、云计算等技术提供了前所未有的连接性、集中化以及智能化，满足了敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求，将是实现分布式自治、工业控制自动化的重要支撑。本文对边缘计算技术、标准、产业和应用发展现状与趋势进行了梳理分析，提出了进一步发展对策。

关于边缘计算技术

近年来，“物联网”“云计算”等技术得到广泛应用，但是随着万物互联以及 5G 高带宽、低时延时代的到来，各类业务如车联网、工业控制、4K/8K、虚拟现实 / 增强现实（VR/AR）等所产生的数据量爆炸式增长，对计算设施带来了实时性、网络依赖性和安全性等方面的要求，为了解决这些问题，国内外学者们提出了边缘计算的概念。

边缘计算的“边缘”指的是在数据源与云端数据中心之间的任何计算及网络资源。例如，智能手机就是个人与云端的“边缘”，智能家居中的网关就是家庭设备与云端的“边缘”。边缘计算的基本原理就是在靠近数据源的地方进行计算，是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力，就近提供边缘智能服务的开放平台。与云计算相比较，边缘计算就近布置，因而可以理解为云计算的下沉。

边缘计算实现了物联网技术前所未有的连接性、集中化和智能化，由此可以满足敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求，是实现分布式自治、工业控制自动化的重要支撑。

边缘计算是计算系统从扁平到边缘，以及面向 5G 网络架构演进的必然技术，同时也提供了一种新的生态系统和价值链。第三方数据分析机构 IDC 预测，到 2020 年，全球将有约 500 亿的智能设备接入互联网，其中主要涉及智能手机、可穿戴设备、个人交通工具等，其中 40% 的数据需要边缘计算服务。边缘计算有着强大市场潜力，也引起了各研究机构、标准组织、服务提供商和产业界极大的关注。

当前发展现状与水平

2016 年 11 月 30 日，边缘计算产业联盟（ECC，Edge Computing Consortium）在北京成立。该联盟由华为、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔、ARM 和软通动力创始成立，首批成员单位共 62 家，涵盖科研院校、工业制造、能源电力等不同领域。2016 年和 2017 年分别出版了国内的《边缘计算参考架构》1.0 和 2.0 版本，梳理了边缘计算的测试床，提出了边缘计算在工业制造、电力能源、智慧城市、交通等行业应用的解决方案。

边缘计算是 5G 的核心能力之一，是实现 5G 性能提升的关键，三大运营商在边缘计算方面已经展开广泛探索。其中，中国联通 2018 年 2 月宣布正式启动全国范围内 15 个省市的 Edge-Cloud 规模试点和数千个边缘数据中心的规划建设工作；中国移动在江苏、浙江等地通过核心网下沉网关分流至 CDN 边缘节点，并探索了一些商用场景；中国电信在 2018 年搭建了基于边缘计算的 vCDN 概念验证解决方案环境，测试结果理想。 目前，运营商的边缘计算主要处于技术研究、实验室测试，以及相对简单场景的预商用阶段。

总体来说，我国的边缘计算研究还处于起步阶段。

边缘计算面临的挑战

目前，关于边缘计算的研究才刚刚起步，虽然已经取得了一定成果，但从实际应用来说，还存在很多问题需要研究，下面对其中的几个主要问题进行分析。

第一，多主体的资源管理。边缘计算资源分散在数据的传输路径上，被不同的主体所管理和控制，比如用户控制终端设备、网络运营商控制通信基站、网络基础设施提供商控制路由器、应用服务供应商控制边缘服务器与内容传输网络。而云计算中的资源都是集中式的管理，因此云计算的资源管理方式并不适用管理边缘计算分散的资源。而目前关于边缘计算的研究也主要集中在对单一主体资源的管理和控制，还未涉及多主体资源的管理，实现灵活的多主体资源管理是一个十分富有挑战性的问题。

第二，应用的移动管理。边缘计算依靠资源在地理上广泛分布的特点来支持应用的移动性，一个边缘计算节点只服务周围的用户，应用的移动就会造成服务节点的切换，而云计算对应用移动性的支持则是“服务器位置固定，数据通过网络传输到服务器”。所以，在边缘计算中应用的移动管理也是一种新模式，涉及到资源发现和资源切换等问题。

第三，虚拟化技术。为了方便资源的有效管理，边缘计算需要虚拟化技术的支持，为系统选择合适的虚拟化技术是边缘计算的一个研究热点。目前，新型的虚拟化技术层出不穷，如何打破虚拟机和容器的规则与界线，将两者充分融合，同时具备两者的优势，设计适应边缘计算特点的虚拟化技术，也是一大挑战。

第四，数据分析。数据分析的数据量越大，往往提取出的价值信息就越多。但是收集数据需要时间，价值信息往往也具有时效性。边缘计算使数据可以在汇集的过程中被处理与分析，很多数据如果被过早地分析，可能会丢失很多有价值的信息，所以如何权衡提取信息的价值量与时效性是一个关键性问题。

第五，编程模型。边缘计算资源动态、异构与分散的特性使应用程序的开发十分困难。为减少应用的开发难度，需要可以适应边缘计算资源的编程模型。

进一步发展对策

据估算，2017—2026 年美国在边缘计算方面的支出将达到 870 亿美元，欧洲则为 1850 亿美元。因此，为应对新的发展机遇，对我国发展边缘计算技术，建议采取以下对策。

第一，加强边缘计算的技术标准和规范建设。边缘计算涉及到海量的终端设备、边缘节点，是数据采集、数据汇聚、数据集成、数据处理的前端，而这些设备往往存在异构性，来自于不同的生产厂商、不同的数据接口、不同的数据结构、不同的传输协议、不同的底层平台等。为此，统一的技术规范和标准亟待达成一致。这些标准和规范的制定，也将大大节约边缘云等的建设成本。

第二，注重将边缘计算技术发展与新一代信息技术结合。应将边缘计算技术的研发和应用与“互联网 +”、云计算、大数据和新一代通信技术等研发计划发展协同起来。边缘计算是与云计算相生相伴的一种技术，并且与大数据、5G 通信和智能信息处理技术等高度联接。因此，我国在制定相关研发计划的时候，要将对边缘计算技术和应用的发展纳入进去，加快相关核心技术的研发，促进边缘计算技术成熟度的提升。

第三，加强边缘计算的开源生态建设。边缘计算本身由海量的终端设备构成，而众多智能终端如采用统一的开源操作系统，便可形成边缘计算的开源生态环境。利用开源生态来维持核心代码，形成业界认可的技术接口、关键功能、发展路径等，将会给各厂商提供均等的发展机会。

边缘计算开源项目 KubeEdge

KubeEdge 是华为捐献给 CNCF 的第一个开源项目，名字来源于 Kube + Edge，顾名思义就是依托 Kubernetes 的容器编排和调度能力，实现云边协同、计算下沉、海量设备接入等，将 Kubernetes 的优势和 CloudNative 云原生应用管理标准延伸到边缘，解决当前智能边缘领域用户所面临的挑战。

KubeEdge 横跨云计算和智能边缘两大版图，拥有非常大的想象力空间。最新 V1.1 版本继 EdgeMesh、EdgeSite 等特性后，将 Kubernetes 容器存储标准 CSI 带到边缘。

原文： https://www.infoq.cn/article/eNPxcGAt9iN13h8iCX6l