邊緣計算面臨什么問題

目前邊緣計算已經(jīng)得到了各行各業(yè)的廣泛重視，并且在很多應(yīng)用場景下開花結(jié)果。根據(jù)邊緣計算領(lǐng)域特定的特點，本文認為6個方向是未來幾年迫切需要解決的問題：編程模型、軟硬件選型、基準(zhǔn)程序與標(biāo)準(zhǔn)、動態(tài)調(diào)度、與垂直行業(yè)的緊密結(jié)合以及邊緣節(jié)點的落地。

編程模型可以使開發(fā)者快速上手開發(fā)應(yīng)用產(chǎn)品，從而快速推動領(lǐng)域的發(fā)展。在云計算場景中，用戶程序在目標(biāo)平臺上編寫和編譯，然后運行到云服務(wù)器，基礎(chǔ)設(shè)施對于用戶是透明的，例如亞馬遜基于此編程模型推出的 Lambda 計算服務(wù)，可使用戶無需預(yù)配置或者管理服務(wù)器即可運行代碼，極大地方便了用戶的使用。然而，邊緣計算模型與云計算模型存在較大的區(qū)別，從功能角度講，邊緣計算是一種分布式的計算系統(tǒng)，具有彈性管理、協(xié)同執(zhí)行和環(huán)境異構(gòu)的特點，如圖4所示：

從圖4可知，邊緣計算包含3個關(guān)鍵內(nèi)容：

1） 應(yīng)用程序/服務(wù)功能可分割。邊緣計算中的一個任務(wù)可以遷移到不同的邊緣設(shè)備去執(zhí)行，任務(wù)可分割包括僅能分割其自身或?qū)⒁粋€任務(wù)分割成子任務(wù)，任務(wù)的執(zhí)行需要滿足可遷移性，即任務(wù)可遷移是實現(xiàn)在邊 緣設(shè)備上進行數(shù)據(jù)處理的必要條件。

2）數(shù)據(jù)可分布。數(shù)據(jù)可分布既是邊緣計算的特征也是邊緣計算模型對待處理數(shù)據(jù)集合的要求。邊緣數(shù)據(jù)的可分布性是針對不同數(shù)據(jù)源而言的，不同數(shù)據(jù)源來源于數(shù)據(jù)生產(chǎn)者所產(chǎn)生的大量數(shù)據(jù)。

3）資源可分布。邊緣計算模型中的數(shù)據(jù)具有一定的可分布性，從而要求處理數(shù)據(jù)所需要的計算、存儲和通信資源也具有可分布性。只有當(dāng)邊緣計算系統(tǒng)具備數(shù)據(jù)處理和計算所需要的資源，邊緣設(shè)備才可以對數(shù)據(jù)進行處理。

因此，傳統(tǒng)的編程模型并不適合邊緣計算。邊緣計算中的設(shè)備大多是異構(gòu)計算平臺，每個設(shè)備上的運行時環(huán)境、數(shù)據(jù)也不相同，且邊緣設(shè)備的資源相對受限，在邊緣計算場景下部署用戶應(yīng)用程序會有較大的困難。Li等人針對邊緣設(shè)備資源受限的特性設(shè)計了一種輕量級的編程語言EveryLite，該工作將計算遷移任務(wù)中主體為接口調(diào)用的、時間和空間復(fù)雜度受限的計算任務(wù)稱為微任務(wù)（micro task）， EveryLite能夠在物端設(shè)備上處理邊緣計算場景中微任務(wù)，經(jīng)過實驗對比可以發(fā)現(xiàn)EveryLite的執(zhí)行時間分別比JerryScript和Lua低77%和74%，編譯后內(nèi)存占用量分別是JerryScript和Lua的18. 9% 和1. 4%。因此，針對邊緣計算場景下的編程模型的研究具有非常大的空間，也十分緊迫。

邊緣計算系統(tǒng)具有碎片化和異構(gòu)性的特點。在硬件層面上，有CPU，GPU，FPGA，ASIC等各類計算單元，即便是基于同一類計算單元，也有不同的整機產(chǎn)品，例如基于英偉達GPU的邊緣硬件產(chǎn)品，既有計算能力較強的DRIVEPX2，又有計算能力較弱 的Jetson TX2 ;在軟件系統(tǒng)上，針對深度學(xué)習(xí)應(yīng)用， 有 TensorFlow， Caffe， PyTorch 等各類框架。不同的軟硬件及其組合有各自擅長的應(yīng)用場景，這帶來了一個問題：開發(fā)者不知道如何選用合適的軟硬件產(chǎn)品以滿足自身應(yīng)用的需求。

在軟硬件選型時，既要對自身應(yīng)用的計算特性做深人了解，從而找到計算能力滿足應(yīng)用需求的硬件產(chǎn)品，又要找到合適的軟件框架進行開發(fā)，同時還要考慮到硬件的功耗和成本在可接受范圍內(nèi)。因此，設(shè)計并實現(xiàn)一套能夠幫助用戶對邊緣計算平臺進行性能、功耗分析并提供軟硬件選型參考的工具十分重要。

隨著邊緣計算的發(fā)展，學(xué)術(shù)界和工業(yè)界開始推出越來越多的針對不同邊緣計算場景設(shè)計的硬件或軟件系統(tǒng)平臺，那么我們會面臨一個緊迫的問題，即如何對這些系統(tǒng)平臺進行全面并公平的評測。傳統(tǒng)的計算場景都有經(jīng)典基準(zhǔn)測試集（benchmark），例如并行計算場景中的PARSEC、高性能計算場景中的 HPCC、大數(shù)據(jù)計算場景中的BigDataBench。

由于邊緣計算仍然是較新的計算場景，業(yè)界仍然沒有一個比較權(quán)威的用于評測系統(tǒng)性能的Benchmark出現(xiàn)，但是學(xué)術(shù)界已經(jīng)開始有了一些探索工作SD-VBS和MEVBench均是針對移動端設(shè)備評測基于機器視覺負載的基準(zhǔn)測試集。 SD-VBS選取了28個機器視覺核心負載，并提供了C和Matlab的實現(xiàn)；MEVBench則提供了一些列特征提取、特征分類、物體檢測和物體追蹤相關(guān)的視覺算法負責(zé)，并提供單線程核多線程的C++實現(xiàn)。 SLAMBench是一個針對移動端機器人計算系統(tǒng)設(shè)計的基準(zhǔn)測試集，其使用RG&D SLAM作為評測負載，并且針對不同異構(gòu)硬件提供C++，OpenMP， OpenCL 和 CUDA 版本的實現(xiàn).CAVBench是第1個針對智能網(wǎng)聯(lián)車邊緣計算系統(tǒng)設(shè)計的基準(zhǔn)測試集，其選擇6個智能網(wǎng)聯(lián)車上的典型應(yīng)用作為評測負責(zé)，并提供標(biāo)準(zhǔn)的輸人數(shù)據(jù)集和應(yīng)用-系統(tǒng)匹配指標(biāo)。

由于邊緣計算場景覆蓋面廣，短期來看不會出現(xiàn)一個統(tǒng)一的基準(zhǔn)測試集可以適應(yīng)所有場景下的邊緣計算平臺，而是針對每一類計算場景會出現(xiàn)一個經(jīng)典的基準(zhǔn)測試集，之后各個基準(zhǔn)測試集互相融合借鑒，找出邊緣計算場景下的若干類核心負載，最終形成邊緣計算場景中的經(jīng)典基準(zhǔn)測試集。

在云計算場景下，任務(wù)調(diào)度的一般策略是將計算密集型任務(wù)遷移到資源充足的計算節(jié)點上執(zhí)行。 但是在邊緣計算場景下，邊緣設(shè)備產(chǎn)生的海量數(shù)據(jù)無法通過現(xiàn)有的帶寬資源傳輸?shù)皆朴嬎阒行倪M行集中式計算，且不同邊緣設(shè)備的計算、存儲能力均不 相同，因此，邊緣計算系統(tǒng)需要根據(jù)任務(wù)類型和邊緣設(shè)備的計算能力進行動態(tài)調(diào)度。調(diào)度包括2個層面：

1） 云計算中心和邊緣設(shè)備之前的調(diào)度；

2）邊緣設(shè)備之間的調(diào)度。

云計算中心與邊緣設(shè)備間的調(diào)度分為2種方式：自下而上和自上而下。自下而上是在網(wǎng)絡(luò)邊緣處將邊緣設(shè)備采集或者產(chǎn)生的數(shù)據(jù)進行部分或者全部的預(yù)處理，過濾無用數(shù)據(jù)，以此降低傳輸帶寬；自上而下是指將云計算中心所執(zhí)行的復(fù)雜計算任務(wù)進行分割，然后分配給邊緣設(shè)備執(zhí)行，以此充分利用邊緣設(shè)備的計算資源，減少整個計算系統(tǒng)的延遲和能耗。 2017年，Kang等人設(shè)計了一個輕量級的調(diào)度器 Neurosurgeon，它可以將深度神經(jīng)網(wǎng)絡(luò)不同層的計算任務(wù)在移動設(shè)備和數(shù)據(jù)中心間自動分配，使得移動設(shè)備功耗最多降低了 94.7%，系統(tǒng)延遲最多加快了40.7倍，并且數(shù)據(jù)中心的吞吐量最多增加了6. 7倍。邊緣設(shè)備間也需要動態(tài)調(diào)度。邊緣設(shè)備的計算、存儲能力本身是不同的，并且會隨著時間的變化而變化，而它們承擔(dān)的任務(wù)類型也是不一樣的，因此需要動態(tài)調(diào)度邊緣設(shè)備上的任務(wù)，提高整體系統(tǒng)性能，防止出現(xiàn)計算任務(wù)調(diào)度到一個系統(tǒng)任務(wù)過載情況下的設(shè)備.Zhang等人針對延遲敏感性的社會感知任務(wù)設(shè)計了一個邊緣任務(wù)調(diào)度框架C〇GTA，實驗證明該框架可以滿足應(yīng)用和邊緣設(shè)備的需求。

綜上所述，動態(tài)調(diào)度的目標(biāo)是為應(yīng)用程序調(diào)度邊緣設(shè)備上的計算資源，以實現(xiàn)數(shù)據(jù)傳輸開銷最小化和應(yīng)用程序執(zhí)行性能的最大化。設(shè)計調(diào)度程序時應(yīng)該考慮：任務(wù)是否可拆分可調(diào)度、調(diào)度應(yīng)該采取什么策略、哪些任務(wù)需要調(diào)度等。動態(tài)調(diào)度需要在邊緣設(shè)備能耗、計算延時、傳輸數(shù)據(jù)量、帶寬等指標(biāo)之間尋找最優(yōu)平衡。根據(jù)目前的工作，如何設(shè)計和實現(xiàn)一種有效降低邊緣設(shè)備任務(wù)執(zhí)行延遲的動態(tài)調(diào)度策略是一個急需解決的問題。

在云計算場景下，不同行業(yè)的用戶都可將數(shù)據(jù)傳送至云計算中心，然后交由計算機從業(yè)人員進行數(shù)據(jù)的存儲、管理和分析。云計算中心將數(shù)據(jù)抽象并提供訪問接口給用戶，這種模式下計算機從業(yè)人員與用戶行業(yè)解耦和，他們更專注數(shù)據(jù)本身，不需對用戶行業(yè)領(lǐng)域內(nèi)知識做太多了解。

但是在邊緣計算的場景下，邊緣設(shè)備更貼近數(shù)據(jù)生產(chǎn)者，與垂直行業(yè)的關(guān)系更為密切，設(shè)計與實現(xiàn)邊緣計算系統(tǒng)需要大量的領(lǐng)域?qū)I(yè)知識。另一方面，垂直行業(yè)迫切需要利用邊緣計算技術(shù)提高自身的競爭力，卻面臨計算機專業(yè)技術(shù)不足的問題。因此計算 機從業(yè)人員必須與垂直行業(yè)緊密合作，才能更好地完成任務(wù)，設(shè)計出下沉可用的計算系統(tǒng)。在與垂直行業(yè)進行合作時，需要著重解決3個問題：

1）減少與行業(yè)標(biāo)準(zhǔn)間的隔閡。在不同行業(yè)內(nèi)部有經(jīng)過多年積累的經(jīng)驗與標(biāo)準(zhǔn)，在邊緣計算系統(tǒng)的設(shè)計中，需要與行業(yè)標(biāo)準(zhǔn)靠近，減少隔閡。例如，在針對自動駕駛汽車的研究中，自動駕駛?cè)蝿?wù)的完成需要使用到智能算法、嵌人式操作系統(tǒng)、車載計算硬件等各類計算機領(lǐng)域知識，這對于計算機從業(yè)人員而言是一個機遇，因此許多互聯(lián)網(wǎng)公司投人資源進行研究。然而，若想研制符合行業(yè)標(biāo)準(zhǔn)的汽車，僅應(yīng)用計算機領(lǐng)域知識是完全不夠的，還需要對汽車領(lǐng)域?qū)I(yè)知識有較好的理解，例如汽車動力系統(tǒng)、控制系統(tǒng)等，這就需要與傳統(tǒng)汽車廠商進行緊密合作。同樣，在智能制造、工業(yè)物聯(lián)網(wǎng)等領(lǐng)域，同樣需要設(shè)計下沉到領(lǐng)域內(nèi)、符合行業(yè)標(biāo)準(zhǔn)的邊緣計算系統(tǒng)。

2）完善數(shù)據(jù)保護和訪問機制。在邊緣計算中，需要與行業(yè)結(jié)合，在實現(xiàn)數(shù)據(jù)隱私保護的前提下設(shè)計統(tǒng)一、易用的數(shù)據(jù)共享和訪問機制。由于不同行業(yè)具有的特殊性，許多行業(yè)不希望將數(shù)據(jù)上傳至公有云，例如醫(yī)院、公安機構(gòu)等。而邊緣計算的一大優(yōu)勢是數(shù)據(jù)存放在靠近數(shù)據(jù)生產(chǎn)者的邊緣設(shè)備上，從而保證了數(shù)據(jù)隱私。但是這也導(dǎo)致了數(shù)據(jù)存儲空間的多樣性，不利于數(shù)據(jù)共享和訪問。在傳統(tǒng)云計算中，數(shù)據(jù)傳輸?shù)皆贫?，然后通過統(tǒng)一接口來訪問，極大地方便了用戶的使用。邊緣計算需要借助這種優(yōu)勢來設(shè)計數(shù)據(jù)防護和訪問機制。

3）提高互操作性。邊緣計算系統(tǒng)的設(shè)計需要易于結(jié)合行業(yè)內(nèi)現(xiàn)有的系統(tǒng)，考慮到行業(yè)現(xiàn)狀并進行利用，不要與現(xiàn)實脫節(jié)。例如在視頻監(jiān)控系統(tǒng)中，除了近些年出現(xiàn)的智能計算功能的攝像頭，現(xiàn)實中仍然有大量的非智能攝像頭，其每天仍然在采集大量的視頻數(shù)據(jù)，并將數(shù)據(jù)傳輸至數(shù)據(jù)中心。學(xué)術(shù)界設(shè)計了A3系統(tǒng)，它利用了商店或者加油站中已有的計算設(shè)備。然而實際情況下，攝像頭周邊并不存在計算設(shè)備。因此，在邊緣計算的研究中需要首先考慮如何部署在非智能的攝像頭附近部署邊緣計算設(shè)備。 在目前的解決方案中，多是采用建立更多的數(shù)據(jù)中心或AI—體機來進行處理，或者采用一些移動的設(shè)備，如各種單兵作戰(zhàn)設(shè)備，來進行數(shù)據(jù)的采集。前者耗費巨大，且從本質(zhì)來說，仍然是云計算的模式；后者通常使用于移動情況下，僅作為臨時的計算中心，無法和云端進行交互。在視頻監(jiān)控領(lǐng)域，Luo等人提出了一個尚屬于前期探討的EdgeBox方案，其同時具備計算能力和通信能力，可以作為中間件插人到攝像頭和數(shù)據(jù)中心之間，完成數(shù)據(jù)的預(yù)處理。 因此，如何與垂直行業(yè)緊密合作，設(shè)計出下沉可用的邊緣計算系統(tǒng)，實現(xiàn)計算機與不同行業(yè)間的雙贏是邊緣計算面臨的一個緊迫問題。

邊緣計算的發(fā)展引起了工業(yè)界的廣泛關(guān)注，但是在實際邊緣節(jié)點的落地部署過程中，也涌現(xiàn)出一些急需解決的問題，例如應(yīng)該如何建立適用于邊緣計算的商業(yè)模式、如何選擇參與計算的邊緣節(jié)點和邊緣計算數(shù)據(jù)、如何保證邊緣節(jié)點的可靠性等。

1）新型商業(yè)模式。在云計算場景下，云計算公司是計算服務(wù)的提供者，它們收集、存儲、管理數(shù)據(jù)并且負責(zé)軟硬件、基礎(chǔ)設(shè)施的建設(shè)和維護，用戶付費購買服務(wù)，不需要關(guān)注計算節(jié)點本身的成本，也無需關(guān)注服務(wù)質(zhì)量的升級換代過程。這種商業(yè)模式為用戶使用云服務(wù)帶來了便利，也讓云計算公司具備盈利能力，從而更好地提高服務(wù)質(zhì)量。

而在邊緣計算場景下，邊緣節(jié)點分布在靠近數(shù)據(jù)生產(chǎn)者的位置，在地理位置上具有較強的離散性，這使得邊緣節(jié)點的統(tǒng)一性維護變得困難，同時也給軟硬件升級帶來了難度。例如提供安全服務(wù)的攝像頭，在使用過程中需要進行軟硬件的升級，軟件的升級可以通過網(wǎng)絡(luò)統(tǒng)一進行，而硬件的升級需要親臨現(xiàn)場。依賴于服務(wù)提供者去為每一個邊緣節(jié)點（攝像頭）進行硬件的升級和維護會帶來巨大的成本開銷，而服務(wù)的使用者一般不關(guān)注也不熟悉硬件設(shè)備的維護工作。又如，在CDN服務(wù)的應(yīng)用中，需要考慮 CDN服務(wù)器是以家庭為單位還是以園區(qū)為單位配置，不同的配置方式會帶來成本的變化，也為服務(wù)質(zhì)量的穩(wěn)定性增加了不確定因素，而維護CDN所需的開銷，需要考慮支付者是服務(wù)提供者還是使用者。

因此工業(yè)界需要尋求一種或多種新的商業(yè)模式來明確邊緣計算服務(wù)的提供者和使用者各自應(yīng)該承擔(dān)什么責(zé)任，例如誰來支付邊緣節(jié)點建立和維護所需的費用、誰來主導(dǎo)軟硬件升級的過程等。

2） 邊緣節(jié)點的選擇。邊緣計算是一個連續(xù)統(tǒng)，邊緣指從數(shù)據(jù)源到云計算中心路徑之間的任意計算和網(wǎng)絡(luò)資源。（在實際應(yīng)用中，用戶可以選擇云到端整個鏈路上任意的邊緣節(jié)點來降低延遲和帶寬。由于邊緣節(jié)點的計算能力、網(wǎng)絡(luò)帶寬的差異性，不同邊緣節(jié)點的選擇會導(dǎo)致計算延遲差異很大?，F(xiàn)有的基礎(chǔ)設(shè)施可以用作邊緣節(jié)點，例如使用手持設(shè)備訪問進行通信時，首先連接運營商基站，然后訪問主干網(wǎng)絡(luò)。這種以現(xiàn)有基礎(chǔ)設(shè)施當(dāng)做邊緣節(jié)點的方式會加大延遲，如果手持設(shè)備能夠繞過基站，直接訪問主干網(wǎng)絡(luò)的邊緣節(jié)點，將會降低延遲。因此，如何選擇合適的邊緣節(jié)點以降低通信延遲和計算開銷是一個重要的問題。在此過程中，需要考慮現(xiàn)有的基礎(chǔ)設(shè)施如何與邊緣節(jié)點融合，邊緣計算技術(shù)會不會構(gòu)建一個新興的生態(tài)環(huán)境，給現(xiàn)有的基礎(chǔ)設(shè)施發(fā)生革命性的變化？

3）邊緣數(shù)據(jù)選擇。邊緣節(jié)點眾多，產(chǎn)生的數(shù)據(jù)數(shù)量和類型也眾多，這些數(shù)據(jù)間互有交集，針對一個問題往往有多個可供選擇的解決方案。例如在路況實時監(jiān)控應(yīng)用中，既可以利用車上攝像頭獲得數(shù)據(jù)，也可以利用交通信號燈的實時數(shù)據(jù)統(tǒng)計，還可以利用路邊計算單元進行車速計算。因此如何為特定應(yīng)用合理地選擇不同數(shù)據(jù)源的數(shù)據(jù)，以最大程度地降低延遲和帶寬，提高服務(wù)的可用性是一個重要問題。

4）邊緣節(jié)點的可靠性。邊緣計算中的數(shù)據(jù)存儲 和計算任務(wù)大多數(shù)依賴于邊緣節(jié)點，不像云計算中心有穩(wěn)定的基礎(chǔ)設(shè)施保護，許多邊緣節(jié)點暴露于自 然環(huán)境下，保證邊緣節(jié)點的可靠性非常重要。例如， 基于計算機視覺的公共安全解決方案需要依賴智能攝像頭進行存儲和計算，然而在極端天氣條件下，攝像頭容易在物理上收到損害，例如暴風(fēng)天氣會改變攝像頭的角度，暴雪天氣會影響攝像頭的視覺范圍， 在此類場景中，需要借助基礎(chǔ)設(shè)施的配合來保證邊緣節(jié)點的物理可靠性。同時，邊緣數(shù)據(jù)有時空特性，從而導(dǎo)致數(shù)據(jù)有較強的唯一性和不可恢復(fù)性，需要設(shè)計合理的多重備份機制來保證邊緣節(jié)點的數(shù)據(jù)可靠性。因此，如何借助基礎(chǔ)設(shè)施來保障邊緣計算節(jié)點的物理可靠性和數(shù)據(jù)可靠性是一個重要的研究課題。

在邊緣節(jié)點落地過程中，已經(jīng)有了不少嘗試，例如聯(lián)通提出了建設(shè)邊緣云，其規(guī)劃至2020年建設(shè)6000~7000個邊緣節(jié)點，將高帶寬、低時延、本地化業(yè)務(wù)下沉到網(wǎng)絡(luò)邊緣，進一步提高網(wǎng)絡(luò)效率、增強服務(wù)能力。因此針對如何選擇邊緣節(jié)點，處理好邊緣節(jié)點與現(xiàn)有基礎(chǔ)設(shè)施的關(guān)系，保證邊緣節(jié)點的可靠性的研究非常緊迫。