《智能终端与边缘计算》第1章 概述
知识总览
1.1 边缘计算技术发展（演进历程）
计算形态的演进是顺应需求变化的，核心逻辑是 "服务越近越好，代价越小越好"：
- 共享到独占 ：早期计算机昂贵，多人共享；集成电路出现后，成本降低，演变为个人计算机（PC） 为主流的独占形态。
- 本地到云端 ：Web与网络技术发展，计算机承担通信任务，数据与运算向服务器迁移，形成 云计算。
- 云端到移动云 ：移动设备普及，但自身有局限性（算力弱、存储小、耗电），作为"瘦"客户端将计算卸载到云端，形成 "端-云"两级结构。
- 移动云到边缘计算（MEC） ：云计算模式在面对新场景时暴露出三大痛点：
- 带宽成本高：海量传感器（如图像前端）数据上传云端，成本高、效率低。
- 网络延时长：无人驾驶、无人机等场景对实时性要求极高，云端往返延时无法满足。
- 安全隐私风险：部分客户数据不允许离开本地系统，纯云端方案不可取。
1.2 边缘计算的基本概念
1. 定义（无统一定义，需掌握两个代表性定义）
- 卡内基梅隆大学（CMU）视角 ：边缘计算是一种新的计算模式，将计算和存储资源（微云、雾计算节点、微型数据中心）部署在贴近移动终端或传感器网络的边缘。
- OpenStack社区视角 ："跨越传统数据中心"，为应用开发者和服务提供商在网络边缘提供云服务和IT环境服务。
2. 概念演变（名词辨析）
- 边缘计算 (EC) ➔ 移动边缘计算 ➔ 多接入边缘计算
- 核心结论 ：三者没有本质区别，目标一致。术语变化仅反映技术演进（从单纯移动网络扩展到Wi-Fi/有线等多接入方式）和应用领域的扩展。
3. 边缘计算的三大特点
- 开放性：打破网络封闭性，将基础设施、数据与服务转化为开放资源，贴近用户需求。
- 可扩展性：支持资源灵活配置调用，自动快速响应，适应服务类型增长。
- 协作性：移动通信网与物联网深度融合，改善整体网络性能，提供丰富应用。
1.3 物联网对边缘计算的需求
1. 实时性需求（关键数据）
不同应用对最高允许延时的容忍度不同，低延时场景必须依赖边缘计算：
- 1ms：智能电网控制
- 10ms：无人驾驶
- 25ms：触觉VR遥控
- 50ms：节约带宽的360度视频
- 对比：网页加载（1150ms）、网络聊天（4150ms）对延时不敏感，不一定需要边缘计算。
2. 移动边缘计算（MEC）的六大优点（背诵口诀：带宽、响应、隐私、新服务、切片、生态）
- 缓解网络带宽压力（数据本地处理，不上传云端）。
- 提高服务响应能力（距离近，延时低）。
- 保护隐私与网络安全（数据不出本地）。
- 催生新的网络服务。
- 推动5G网络切片新技术发展。
- 促进5G新型产业链及网络生态圈形成。
1.4 边缘计算架构与实现技术
1. 三层架构模型
边缘计算架构划分为：设备层、边缘层、云层 ，外加贯穿始终的边缘计算安全。
- 设备层：最底层，由传感器、执行器、用户终端组成。负责交互、采集数据、执行指令。
- 边缘层 ：核心！进一步划分为：
- 边缘-设备子层：靠近物理世界。
- 边缘-云子层：靠近云端。
- 云层：全局大数据分析与持久存储。
2. 边缘计算的覆盖范围
- 现场级边缘计算单元：Wi-Fi AP、5G小蜂窝基站、现场计算节点（最靠近数据源）。
- 网络侧边缘计算单元：中心机房、区域中心机房/数据中心。
- 参与方：企业、电信运营商、云服务提供商。
3. 边缘云与核心云的关系
- 不是替代关系，是互补协同关系，"云-边"协同放大应用价值。
- 边 ➔ 云 ：边缘靠近执行单元，是高价值数据的采集和初步处理单元，支撑云端应用。
- 云 ➔ 边 ：云端通过大数据分析优化输出的业务规则或模型，下发到边缘侧，边缘基于新规则/模型运行。
4. 虚拟化技术（底层核心技术）
- 定义：将物理的计算、存储与网络资源逻辑化，隐藏技术细节，用户在虚拟环境中实现真实环境功能。
- 三大基础设施虚拟化 ：
- 服务器虚拟化：一变多（一台物理服务器虚拟成多台独立逻辑服务器）。
- 存储虚拟化：提供抽象逻辑视图，统一访问接口。
- 网络虚拟化：共享物理网络上创建逻辑相互隔离的虚拟网络。
- 虚拟机(VM) vs 容器 （重点对比）：
- 虚拟机：通过Hypervisor，包含客户机OS，体积大，开销大。
- 容器 ：属于**"轻量级"**虚拟化技术，通过Docker引擎，共享宿主机OS，只打包应用和依赖文件，启动快，资源占用少。边缘计算更倾向于容器化部署 。
5. 边缘硬件设备
- 边缘网关：现场部署，负责网络接入、协议转换、数据分析处理。
- 边缘服务器：主要计算载体，需采用轻量级虚拟化，支持异构计算。
- 边缘一体机：计算/存储/网络/虚拟化/管理一体化机柜，特点：免机房、易安装、集中运维。
📚 经典论文核心观点
论文1：Shi Weisong等, 2016, Edge Computing: Vision and Challenges
- 核心思想：将计算资源靠近数据源，减少延迟和带宽消耗。
- 架构模型 ：提出终端设备 ➔ 边缘节点 ➔ 云端的分层模型。
- 关键挑战：资源管理、安全性、隐私保护、数据一致性。
- 🌟 协作边缘 ：在互联健康场景中，通过创建**"虚拟共享数据视图"融合地理分布数据。计算只在参与者数据设施中进行，确保 隐私和完整性**。
论文2：施巍松等, 2019, 边缘计算:现状与展望
- 核心思想：计算和存储从云端转移到网络边缘，减少依赖，提升实时处理。
- 重点方法 ：
- 架构：云边协同分层架构。
- 数据：边缘节点预处理、筛选和压缩策略，减少云端依赖。
- 资源：动态资源调度机制，优化负载均衡和能效。
- 安全：数据加密、身份验证。
论文3：赵梓铭等, 2018, 边缘计算：平台、应用与挑战
- 核心思想：绕过网络带宽与延迟瓶颈，数据在源头附近及时处理。
- 重点方法 ：
- 平台：基于云边协同的混合架构。
- 资源：针对边缘资源有限，提出动态资源调度与智能负载均衡。
- 网络：采用低延迟网络协议（5G、网络切片）。
- 代表平台：ParaDrop （基于智能网关的边缘计算平台，实现多服务在边缘的隔离部署）。
🚀 第1章 期末速记卡片
| 考点 | 速记答案 |
|---|---|
| 云计算的痛点 | 带宽高、延时高、隐私风险 |
| 边缘计算定义核心 | 贴近数据源/终端部署计算存储资源 |
| MEC概念演变 | Edge ➔ Mobile Edge ➔ Multi-access (本质不变) |
| 边缘计算三大特点 | 开放性、可扩展性、协作性 |
| 最需边缘计算的延时要求 | 无人驾驶(10ms)、电网(1ms)、VR(25ms) |
| 云边关系 | 互补协同（非替代）；边做采集预处理，云做模型下发 |
| 边缘计算3层架构 | 设备层、边缘层(含边-设备、边-云子层)、云层 |
| VM vs 容器 | 容器是轻量级虚拟化，共享宿主OS；VM需Guest OS |
| 边缘三大硬件 | 边缘网关(接入/协议)、边缘服务器(算力)、边缘一体机(全集成) |
| 论文共性挑战 | 资源受限/动态调度、安全与隐私保护、低延迟网络 |