第一情报 ---信息产业

全球边缘计算技术发展概述

供稿人:杜渐  供稿时间:2019-5-20   关键字:边缘计算  Edge  computing  

一、技术的基本范畴

根据边缘计算产业联盟(ECC)的定义,边缘计算(Edge  computing)是指在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台,就近提供边缘智能服务,满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。它可以作为联接物理和数字世界的桥梁,使能智能资产、智能网关、智能系统和智能服务。

边缘计算是对云计算的一种补充和优化,也是5G、物联网等重要的支撑技术。云计算是将大数据的计算、存储在云计算中心(数据中心)采用集中方式执行,有利于实现按需访问和规模经济,但存在不能满足实时数据处理,及5G、物联网等时代,联网设备和数据爆炸式增长的处理需要,而边缘计算作为云计算的补充,可以在实时性、本地决策等场景方面发挥不可替代的作用。

云计算和边缘计算结合,边缘端做数据的实时采集,存储和预处理等工作,在去除了大部分冗余和不重要的数据后,只将清理过的必要的数据发送给云端,这样就减轻了网络的压力。另外由于边缘端具备数据存储的功能,在网络信号不好时,可以先把数据缓存,直到网络恢复后,再将数据上传云端。而云端只需对各边缘端采集的海量数据做处理和学习,并将学习后更新的预测模型推送给边缘端,云端的工作将大大减轻。

表:边缘计算与云计算协同点

协同点

边缘计算

云计算

网络

数据聚合(TSN+OPC UA)

数据分析

业务

Agent

业务编排

应用

微应用

应用生命周期管理

智能

分布式推理

集中式训练

边缘计算有以下几个基本特征和优势:一是节省核心网络带宽,通过对高带宽业务(如4K/8K、VR/AR等)的本地分流,降低对核心网络及骨干传输网络的占用,有效提升通信网络的利用率;二是近端数据处理及低延时,通过内容与计算能力的下沉,让通信网络能有效支撑时延敏感型业务(车联网、远程控制等)以及需要大计算和高处理能力需求的业务(视频监控与分析等);三是支持大规模设备连接,在数据采集端通过边缘计算进行一定等数据预处理,可以减少对云计算及网络地址资源等的占用,满足5G时代万物互联的需要;四是支持异构系统互联,简化跨平台移植,边缘计算还能够让新旧设备、新旧系统、新旧服务之间基于模型化的接口进行交互,简化集成,可以实现软件接口与开发语言、平台、工具、协议等解耦,从而简化跨平台的移植。五是可实现合规管理,合规管理包括应用、服务、设备等,涵盖了广泛的需求,如:基于地理围栏约束设备、数据使用,基于版权限制进行数据限流,版权执法等;六是高安全性,边缘计算能够使得安全部件更接近于数据源,启动更高效的安全应用,并增加分层数量来抵御针对核心层的侵犯和风险。

二、技术的发展现状及态势

 

图:边缘计算参考架构2.0

从架构的横向层次来看,具有如下特点:

智能服务基于模型驱动的统一服务框架,通过开发服务框架和部署运营服务框架实现开发与部署智能协同,能够实现软件开发接口一致和部署运营自动化;

智能业务编排通过业务Fabric定义端到端业务流,实现业务敏捷;业务Fabric是模型化的工作流,由多种类型的功能服务按照一定逻辑关系组成和协作,实现特定的业务需求,是对业务需求的数字化表示。

联接计算Fabric是一个虚拟化的联接和计算服务层,可对业务屏蔽边缘智能分布式架构的复杂性,实现基础设施部署运营自动化和可视化,支撑边缘计算资源服务与行业业务需求的智能协同。

智能边缘计算节点ECN(Edge Computing Node)兼容多种异构联接、支持实时处理与响应、提供软硬一体化安全等。

边缘计算参考架构在每层提供了模型化的开放接口,实现了架构的全层次开放;边缘计算参考架构通过纵向管理服务、数据全生命周期服务、安全服务,实现业务的全流程、全生命周期的智能服务。

其中边缘计算节点关键技术包括:

软件定义网络(SDN)

SDN采用与传统网络截然不同的控制架构,将网络控制平面和转发平面分离,采用集中控制替代原有布式控制,并通过开放和可编程接口实现“软件定义”。SDN实现从应用的角度构建网络,用IT的手段运营网络。SDN架构包括控制器、南/北向接口、以及应用层的各类应用和基础设施层的各种网元。其中最重要的SDN控制器,它实现对基础设施层的转发策略的配置和管理,支持基于多种流表的转发控制。SDN对边缘计算的独特价值,包括:支持海量联接;提供灵活的网络自动化与管理框架,能实现智能资产、智能网关、智能系统的即插即用,大大降低对网络管理人员的技能要求;端到端的服务保障,满足端到端带宽、时延等关键需求,实现边缘与云的业务协同;架构开放,应用可以灵活快速地驱动网络资源的调度。

低时延网络(TSN)

标准以太网技术由于传统Qos机制约束、CSMA/CD冲突检测机制约束等无法保证实时性、确定性等行业关键需求。低时延网络在标准的以太网物理层之上,在M A C层提供统一的低时延队列调度机制、资源预留机制、时钟同步机制、路径控制机制、配置管理模型等,能实现与标准以太网的互联互通。

异构计算(HC)

异构计算架构旨在协同和发挥各种计算单元的独特优势:CPU擅长对系统进行控制、任务分解、调度;GPU具有强大的浮点和向量计算能力,擅长矩阵和矢量运算等并行计算;FPGA具有硬件可编程和低延时等优势;ASIC具有功耗低、性能高,成本有效等优势。异构计算目标是整合同一个平台上分立的处理单元使之成为紧密协同的整体来协同处理不同类型的计算负荷。同时通过开放统一的编程接口,实现软件跨多种平台。

异构计算架构的关键技术包括:内存处理优化、任务调度优化、集成工具链等。

时序数据库 (TSDB)

海量数据的高效写入、查询及分布式存储是时序数据库面临的关键挑战。其关键技术包括:分布式存储、分级存储、基于分片的查询优化。

三、技术发展的竞争态势

2015年边缘计算首次进入到Gartner的Hype Cycle(技术成熟曲线),此后边缘计算开始迅速升温,边缘计算已成为物联网、5G移动通信、云计算等领域当前热点研究方向之一,各类产业联盟、标准化机构、开源组织、商业企业均在积极推进边缘计算的研究、标准、产业化活动。

产业联盟方面

边缘计算联盟(ECC)、开放雾计算联盟(OpenFog)、开放边缘计算联盟(OpenEdgeComputing.org)、工业互联网联盟(IIC)等行业联盟,提出了边缘计算、雾计算、多接入边缘计算、移动边缘计算、移动云计算等各种相关概念和产品。

边缘计算产业联盟(ECC)

2016年11月,华为技术有限公司、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔公司、ARM和软通动力信息技术(集团)有限公司等联合发起成立边缘计算产业联盟。目标是推动OT和ICT产业开放合作,孵化行业应用最佳实例,促进边缘计算产业的健康可持续发展。

开放边缘计算联盟Open EDGE Computing

2015年,基于边缘的云技术实践,Intel、Huawei、Vodafone联合成立了OEC,推动边缘计算生态系统发展,提供边缘计算关键参考架构、应用展示,建立真实的边缘计算测试和试验中心。

OpenFog:

2015年11月,ARM、思科、戴尔、英特尔、微软和普林斯顿大学Edge Laboratory等共同成立了开放雾联盟(OpenFog Consortium)。该联盟旨在通过开发开放式架构,解决产业之间互操作性、可扩展性等,分享最佳实践,加快雾(Fog)计算和边缘计算技术的普及。

汽车边缘计算联盟 

成员包括:丰田、英特尔、AT&T、戴尔、爱立信、NTT、电装等,目标是为汽车互联建立一套生态系统,包括智能驾驶、实时地图和基于云计算的驾驶辅助,帮助汽车大数据管理更加智能和高效。

Edgecross联盟

成员包括:三菱电机、研华、欧姆龙、日本电气、日本甲骨文等,目标是解决工业物联网架构中的边缘集成问题。

Avnu联盟

创始成员包括:博通、思科、Harman International、英特尔和Xilinx等。Avnu联盟是一个利用开放标准创建低延迟、时间同步、联网设备的互操作生态系统社区。建立和认证开放式音频视频桥接(AVB) [2]和时间敏感网络 (TSN)标准的互操作性 。

工业互联网联盟IIC

工业互联网联盟在2017年成立Edge Computing TG,旨在定义边缘计算参考架构。

标准化方面

欧洲电信标准化协会、IEEE等机构已经在开展边缘计算标准化工作。

欧洲电信标准化协会(ETSI)

2014年欧洲电信标准化协会成立MEC概念、规范工作组,无线侧提供高带宽低延时接入,定义MEC部署的参考架构,探索新用案例。

IEEE

2017年3月,在IEEE推动边缘计算成为P2413(standard   for an Architectural Framework for the Internet of Things)重要内容之一。

IEC/ISO

2017年5月,在IEC/ISO JTC1 SC41推动成立边缘计算研究组,推动边缘计算标准化工作,2017年IEC发布了垂直边缘智能(Vertical Edge Intelligence)白皮书,介绍了边缘计算重要价值。

3GPP

3GPP SA2于2015年正式接受移动边缘计算为5G架构的关键课题,并将边缘计算与分布云架构视为车联网通信架构降低时延的重要课题。

企业方面

目前,全球边缘计算市场主要由美欧企业主导,各大云计算、芯片、系统集成企业等、纷纷推出各自边缘计算方案,亚太地区日本、韩国、中国的企业,也在积极推进边缘计算在通信、工业、健康医疗、智慧城市等方面的应用,成为全球边缘计算研发、产业化另一个活跃地区。

目前,全球边缘计算大致可以分为基于开源方案以及基于商业化方案两类,前者包括Linux基金会EdgeX Foundry、开放网络基金会(ONF)的CORD平台、OpenStack等,后者包括:GE Predix,Google Cloud IOT、亚马逊的Lambda @ Edge、Greengrass、思科的Frog IDx、 ARM的Mbed Edge、微软的Azure IoT Edge等。

亚马逊AWS IoT

亚马逊发布了边缘计算软件AWS Greengrass和Amazon FreeRTOS。

AWS Greengrass是一种允许用户以安全方式在互联设备上运行本地计算、消息收发、数据缓存和同步、ML Inference、远程部署等功能,将AWS IoT Core云平台功能无缝扩展至设备边缘的软件方案。其中,ML Inference 可以让用户可以使用在云中构建和训练的模型轻松地Greengrass Core 设备上本地执行机器学习推理。

Amazon FreeRTOS是一款基于开源FreeRTOS内核、适用于低功耗小型边缘设备的开源操作系统,可以轻松将小型低功耗设备安全连接到AWS云服务或运行AWS Greengrass的功能更强大的边缘设备。

Google Cloud IoT

Google Cloud IoT是专为智能物联网服务打造的平台,包含一系列完全托管的集成服务,可用于轻松安全地连接到分布在全球的大量设备,管理并提取这些设备上的物联网数据,实时处理和分析/可视化这些数据,提高业务敏捷性和加快决策制定,并根据需要实施业务变更和采取行动。

此外,Google Cloud IoT平台支持大量嵌入式操作系统,可与Android Things无缝搭配使用,提供基于证书和TLS加密的认证方式提供端对端安全;支持使用REST API自动管理大规模设备注册,部署和操作。

思科IOx

IOx应用环境是Cisco对OpenFog雾计算架构的实现, IOx为开发者提供了一整套的开发框架(包括开发、分发、部署、监控和管理等多种组件)和计算平台,使得开发者能够将开发好的应用部署到网络的边界上进行处理。

GE Predix

GE Predix平台是GE基于Cloud Foundry开发的工业物联网平台,致力于打通设备端到云端。GE Predix平台包括了云端Predix Cloud,具有工业大数据处理和分析、建模、工业应用快速开发等能力,以及边缘端的Predix Machine开发框架,支持开放现场协议的接入,实现数据的采集和连接并增强了边缘计算的功能。

英特尔

英特尔,2017年正式确立物联网业务的战略方向,即设计高性能芯片,聚焦边缘计算和计算机视觉,围绕边缘计算中的负载整合和计算视觉,构建针对物联网应用的芯片平台,从而在垂直市场推行端到端边云分布式计算架构,以支持行业运用。

此外,其他惠普、英伟达、ARM、戴尔、IBM、SAP SE和AT&T。富士通和诺基亚等也已布局边缘计算。

国内,主要通信设备、电信运营商、互联网等企业已经开始边缘计算相关布局。

华为

华为目前正在做面向中国和欧洲的TSN工业现场网络测试床,以及边缘计算开发测试云,并在工业无线、数据集成、SDN、安全等关键领域展开技术布局,将持续地投入技术研究。

华为已发布了针对边缘计算的新芯片产品Ascend 310,采用达芬奇架构,其中功耗8W,算力8TOPS。

中兴

中兴通信也已拥有完整的移动边缘计算解决方案,以及包括虚拟化技术、容器技术、高精度定位技术、分流技术、CDN下沉等核心技术和专利。相关解决方案覆盖业务本地化、本地缓存、车联网、物联网等六大场景,满足ETSI标准定义的MEC Host架构,并可以根据实际应用需求,进行方案定制。

百度

 中国移动

国内三大电信运营商中,中移动边缘计算投入最多。日前,中国移动宣布成立边缘计算开放实验室,吸引包括华为、Intel、恩智浦等为代表的18家基础平台类合作伙伴,以腾讯、阿里、百度等为代表的16家行业类合作伙伴。

实验室提出打造“1+3”体系:所谓“1”是将CT、IT、OT三个大产业融为一体,涵盖网络接入、数据中心、通用硬件、基础平台、API和应用生态等端到端技术和产业体系。而“3”是指平台、API和应用三大重点。其中平台是指以定制和集成方式建设成边缘计算基础平台, API包括定义统一的API规则、完善网络API,同时丰富应用API、集成行业API,从而推进边缘计算API的丰富和集成。在应用方面,主要聚焦智慧城市、智能制造、直播游戏和车联网。

四、技术产业化的前景

随着5G、物联网的发展,越来越多的应用如智慧城市、智慧医疗、智能制造等需要在数据采集、处理、上传数据的边缘端设置计算设备和网关设备,这些设备配合分布式数据库和分布式的数据处理,构成一个完整的边缘计算体系,再跟云计算进行相应的数据和应用互动。英特尔预计,到2019年,45%的物联网数据将存储、分析和利用于边缘计算;CB Insights公司预测,到2022年,全球边缘计算市场规模预计将达67.2亿美元;IDC预测,到2020年,边缘计算的相关支出将占物联网全部支出的18%。

未来,越来越多人工智能场景发生在边缘端,以下几个行业将会从边缘计算的潜力中获益。

视频应用领域,在视频监控场景,由于90%的数据都是常规且不相关,边缘计算将视频智能分析任务分流到边缘侧进行预处理,只分拣、上报异常和有变化的数据,降低主链路带宽压力,提升网络效率;在视频分发场景,边缘计算通过本地缓存,节省原内容分发网络(CDN)节点网络资源,可以减少视频浏览高峰期的卡顿,提升用户体验;在增强现实/虚拟现实等场景,边缘计算重新设计多层设备,网络和边缘云的计算和网络堆栈,以减少时延,减轻云端图像/视频数据处理压力,为提供真正身临其境的AR体验。

在智能制造领域,边缘计算与工业CPS系统结合,支持现有无线和有线工业网络接入,将现场设备以扁平互联的方式联接到工业数据平台,在数据平台中根据产线的工艺和工序模型,通过服务组合对现场设备进行动态管理和组合,能够实现制造业的设备灵活替换,生产计划灵活调整,新工艺流程/新产品快速部署等。

能源及基础设施领域,如:采矿或石油天然气设施,电力基础设施(风电 场,太阳能电站)等场景。边缘计算通过实时分析现场数据,优化能源开采/传输效率,并实时检测、预判设备故障。此外,在基础设施网络连接受限,不可靠或不稳定时,借助于边缘计算,也可以提供一定程度的自治或自能的操作。

在无人驾驶等交通领域,边缘计算将汽车云分散部署到网络边缘的移动基站或车内,使数据的处理尽可能的靠近车辆和道路传感器,减少系统在驾驶中的响应时间,保证车辆在高速情况下的可靠性,边缘计算还可以在实现紧急状况下可直接控制车辆,减小事故发生概率,此外,也可以控制与周边车辆通信,建立自治网络。

在远程医疗领域,边缘计算通过用户侧的数据处理,解决远程医疗对于低时延、高带宽网络的需要。同时,本地化的数据处理,一定程度避免了数据上传云端后被不当访问的安全风险,也使得即使发生大范围的云端或网络故障,也不会影响医疗业务运转。

在智慧城市场景,边缘计算在智能交通、智能电梯、智能照明、零售等物联网应用的终端部署,实现数据存储、计算、控制能力,可以应对云端链路中断并将部分计算在本地完成。

此外,边缘计算在金融业和零售业等行业也有应用。

参考文献:

1、边缘计算参考架构2.0,边缘计算产业联盟(ECC)与工业互联网产业联盟(AII),2017.11

2、边缘计算:跨越传统数据中心,openstack


注册成为正式用户,登陆后,获得更多阅读功能与服务!
转载本文需经本平台书面授权,并注明出处:上海情报服务平台www.istis.sh.cn
了解更多信息,请联系我们

§ 请为这篇文章打分(5分为最好)