边缘的下行数据表示数据源数据,上行数据表示万物互联云计算中心数据,而边缘是指从数据源到云计算中心路径之间的任意计算和网络资源。这些任意计算和网络资源既可以从云计算中心请求内容和服务,也可以执行部分计算任务,包括数据存储与处理,设备管理和隐私保护等。
以边缘计算模型为核心的面向网络边缘设备所产生的海量数据计算的边缘式大数据处理应运而生,其与以云计算模型为核心的集中式大数据处理相结合,更好地解决了万物互联时代大数据云计算中心计算能力与数据爆炸式增长不匹配、高负载时数据传输网络延迟、源数据安全和隐私等问题。因此,需要更好地设计边缘设备硬件平台及其软件关键技术,并不断提高边缘计算模型的可靠性、高效性和数据安全性。
边缘计算亟待解决的问题主要有:①编程模型的研究。传统的编程模型并不适合边缘计算,需要针对不同边缘计算场景及边缘设备上的运行环境、数据和资源进行定向的特性设计编程模型。②边缘设备软硬件选型。在选型时,既要对自身应用和计算特性做深入分析,找到满足其计算能力的硬件产品,又要找到合适的软件框架进行开发,同时还要有性能分析,帮助用户合理选型。③基准程序和标准的制定。由于边缘计算场景覆盖面广,短期来看很难出现一个普适的基准测试可以适应所有场景下的边缘计算平台,而是针对不同类别场景制定基准测试。后续可以进行多个基准测试的融合,形成普适的经典的基准测试集。④边缘计算任务的动态调度。由于海量数据下无法通过有限带宽资源传输到云计算中心集中式计算,因此,需要根据任务类型和边缘设备的计算能力进行合理的动态调度。动态调度包括两个维度,即云计算中心和边缘设备之间的调度以及边缘设备之间的调度。
基于网络、隔离技术、体系结构、操作系统、算法执行框架、数据处理平台和安全隐私等关键技术的快速发展,边缘计算技术已走向成熟,并在很多场景下得到应用,如云计算任务的迁移、智能家居、智慧城市、智能交通、工业物联网和协同边缘计算等。
联系客服