原文鏈接： https://ieeexplore.ieee.org/document/7807196
翻譯中卸載為offload
近年來截酷，業(yè)界對邊緣計(jì)算的投資和研究興趣顯著增長扩氢，在邊緣計(jì)算中摇庙，計(jì)算和存儲節(jié)點(diǎn)位于互聯(lián)網(wǎng)的邊緣钱雷，緊鄰移動設(shè)備或傳感器抑堡。 這項(xiàng)新興技術(shù)有望為移動計(jì)算瀑构，物聯(lián)網(wǎng)的可伸縮性和隱私策略實(shí)施提供高響應(yīng)性的云服務(wù)普舆，并能夠掩蓋短暫的云中斷帐萎。
在過去的十年中撩独，一直主導(dǎo)著IT討論的云計(jì)算具有雙重的價(jià)值主張敞曹。 首先，集中化利用規(guī)模經(jīng)濟(jì)來降低系統(tǒng)管理和運(yùn)營的邊際成本综膀。 其次澳迫，組織可以通過消耗大型服務(wù)提供商在Internet上的計(jì)算資源來避免創(chuàng)建數(shù)據(jù)中心的資本支出。 這些考慮因素導(dǎo)致將計(jì)算能力整合到遍布全球的多個(gè)大型數(shù)據(jù)中心中剧劝。 事實(shí)證明橄登，云計(jì)算帶來的經(jīng)濟(jì)利益使其有可能繼續(xù)成為未來計(jì)算領(lǐng)域的永久特征。
但是讥此，推動集中化的力量并不是唯一起作用的力量拢锹。 面向移動計(jì)算和物聯(lián)網(wǎng)（IoT）的新興技術(shù)和應(yīng)用程序正在推動計(jì)算向分散發(fā)展。 邊緣計(jì)算是一種新的范例暂论，其中大量的計(jì)算和存儲資源（通常稱為云面褐，微型數(shù)據(jù)中心或霧節(jié)點(diǎn)）放置在Internet邊緣，與移動設(shè)備或傳感器非常接近取胎。
近年來展哭，對邊緣計(jì)算的行業(yè)投資和研究興趣急劇增長湃窍。諾基亞和IBM于2013年初共同推出了無線電應(yīng)用云服務(wù)器（RACS），這是一種用于4G / LTE網(wǎng)絡(luò)的邊緣計(jì)算平臺匪傍。次年您市，在歐洲電信的支持下，開始了移動邊緣計(jì)算標(biāo)準(zhǔn)化工作標(biāo)準(zhǔn)協(xié)會（ETSI）役衡。沃達(dá)豐茵休，英特爾和華為與卡內(nèi)基梅隆大學(xué)（CMU）合作于2015年6月發(fā)起了開放邊緣計(jì)算計(jì)劃（OEC; openedgecomputing.org），并于一年后擴(kuò)展到了Verizon手蝎，德國電信榕莺，T-Mobile和諾基亞和Crown Castle。這項(xiàng)合作包括在賓夕法尼亞州匹茲堡創(chuàng)建一個(gè)Living Edge Lab棵介，以通過現(xiàn)場部署基于概念驗(yàn)證的基于Cloudlet的應(yīng)用程序來獲得實(shí)踐經(jīng)驗(yàn)钉鸯。由電信行業(yè)組織的首屆移動邊緣計(jì)算大會(http://tmt.knect365.com/mobile-edge-computing) 于2015年9月在倫敦召開，一年后又在慕尼黑舉行邮辽。 Open Fog Consortium（www.openfogconsortium.org)由Cisco唠雕，Microsoft，Intel吨述，Dell和ARM與普林斯頓大學(xué)合作于2015年11月創(chuàng)建岩睁，此后擴(kuò)展到包括許多其他公司。首屆IEEE / ACM邊緣計(jì)算研討會（[conferences.computer.org/SEC]）于2016年10月在華盛頓特區(qū)舉行揣云。
這些發(fā)展提出了幾個(gè)問題：為什么邊緣計(jì)算應(yīng)運(yùn)而生捕儒，它啟用了哪些新功能，其發(fā)展方向是什么灵再？
ORIGIN AND BACKGROUND 起源與背景
邊緣計(jì)算的起源可以追溯到1990年代后期肋层，當(dāng)時(shí)Akamai引入了內(nèi)容交付網(wǎng)絡(luò)（CDN）來提高Web性能。CDN使用靠近用戶邊緣的節(jié)點(diǎn)來預(yù)取和緩存Web內(nèi)容翎迁。這些邊緣節(jié)點(diǎn)還可以執(zhí)行一些內(nèi)容自定義栋猖，例如添加與位置有關(guān)的廣告。CDN對于視頻內(nèi)容特別有價(jià)值汪榔，因?yàn)榫彺婵梢怨?jié)省大量帶寬蒲拉。
邊緣計(jì)算通過利用云計(jì)算基礎(chǔ)架構(gòu)來概括和擴(kuò)展CDN概念。 與CDN一樣痴腌，cloudlets與最終用戶的接近至關(guān)重要雌团。但是，cloudlet不僅限于緩存Web內(nèi)容士聪，還可以像在云計(jì)算中一樣運(yùn)行任意代碼锦援。此代碼通常封裝在虛擬機(jī)（VM）或輕量級容器中，以實(shí)現(xiàn)隔離剥悟，安全性灵寺，資源管理和計(jì)量脖捻。
1997年冕杠，布萊恩·諾布爾（Brian Noble）和他的同事們首次展示了邊緣計(jì)算在移動計(jì)算中的潛在價(jià)值涛救。他們展示了如何通過將計(jì)算卸載到附近的服務(wù)器上边败，在資源有限的移動設(shè)備上以可接受的性能實(shí)現(xiàn)語音識別。 兩年后叮称，我和Jason Flinn擴(kuò)展了這種方法以延長電池壽命种玛。在2001年的一篇文章中，我概括了這些概念瓤檐，我引入了術(shù)語“網(wǎng)絡(luò)搜尋”赂韵，旨在通過利用附近的基礎(chǔ)架構(gòu)來擴(kuò)大移動設(shè)備的計(jì)算能力。
云計(jì)算在2000年代中期的興起導(dǎo)致云成為最明顯的可從移動設(shè)備中利用的基礎(chǔ)架構(gòu)距帅。 如今右锨，Apple的Siri和Google的語音識別服務(wù)都將計(jì)算任務(wù)轉(zhuǎn)移到了云端。 不幸的是碌秸，整合意味著移動設(shè)備與其最佳云數(shù)據(jù)中心之間的平均間隔很大。 Ang Li和他的同事報(bào)告說悄窃，從260個(gè)全局優(yōu)勢點(diǎn)到其最佳Amazon Elastic Compute Cloud（EC2）實(shí)例的平均往返時(shí)間為74毫秒讥电，此外還必須加上無線第一跳的延遲。 在抖動方面轧抗，必須包括多跳網(wǎng)絡(luò)固有的方差恩敌。
顯然，對于要求將端到端延遲嚴(yán)格控制在幾十毫秒以內(nèi)的應(yīng)用程序横媚，不建議依賴云數(shù)據(jù)中心纠炮。 如稍后將討論的，對于新興應(yīng)用程序（如增強(qiáng)現(xiàn)實(shí)（AR））灯蝴，必須嚴(yán)格控制延遲恢口。
這些有關(guān)端到端延遲和云計(jì)算的觀察最早是在我與Paramvir Bahl，RámonCáceres和Nigel Davies共同撰寫的2009年一篇文章中闡明的穷躁，該文章奠定了邊緣計(jì)算的概念基礎(chǔ)耕肩。我們提倡兩級架構(gòu)：第一級是當(dāng)今未修改的云基礎(chǔ)架構(gòu)； 第二層由分散的元素（稱為cloudlets）組成问潭，其狀態(tài)從第一層緩存猿诸。盡管持久性緩存物理分散在Internet邊緣，但使用持久性緩存而不是硬狀態(tài)簡化了對cloudlet的管理狡忙。當(dāng)然梳虽，可以將cloudlet概念擴(kuò)展為多級cloudlet層次結(jié)構(gòu)。
2012年灾茁，F(xiàn)lavio Bonomi和他的同事引入了霧計(jì)算一詞來指代這種分散的云基礎(chǔ)架構(gòu)窜觉。 但是谷炸，其分散的動機(jī)是物聯(lián)網(wǎng)基礎(chǔ)設(shè)施的可擴(kuò)展性，而不是移動應(yīng)用程序的交互式性能竖螃。 研究人員設(shè)想了霧節(jié)點(diǎn)的多層層次結(jié)構(gòu)淑廊，從云擴(kuò)展到IoT邊緣設(shè)備。
WHY PROXIMITY MATTERS 為何鄰近性很重要
隨著我們探索移動計(jì)算和物聯(lián)網(wǎng)的新應(yīng)用和用例特咆，鄰近性的優(yōu)點(diǎn)越來越明顯季惩。在物理世界中，鄰近的重要性從未受到質(zhì)疑腻格。 關(guān)于房地產(chǎn)價(jià)值的三個(gè)主要決定因素是“位置画拾，位置和位置”的古老公理抓住了這一觀察好。 在網(wǎng)絡(luò)世界中菜职，互聯(lián)網(wǎng)所提供的無縫連接使我們陷入一種對物理接近性的漠視青抛。由于邏輯網(wǎng)絡(luò)的接近度完全以低延遲，低抖動和高帶寬為特征酬核，因此“物理距離足夠近了嗎蜜另？ ”不能被抽象地回答。 它取決于各種因素嫡意，例如所使用的網(wǎng)絡(luò)技術(shù)举瑰，網(wǎng)絡(luò)爭用(network contention)，應(yīng)用程序特性以及用戶對較差的交互響應(yīng)的容忍度蔬螟。
物理接近度會影響端到端延遲此迅，經(jīng)濟(jì)上可行的帶寬，建立信任關(guān)系和生存能力旧巾。通過充分的努力和資源投入耸序，可以部分地彌補(bǔ)缺乏鄰近性的問題。 例如鲁猩，直接光纖連接可以實(shí)現(xiàn)低延遲和遠(yuǎn)點(diǎn)之間的高帶寬坎怪。 但是，這種方法有局限性绳匀。 光速是對延遲的明顯物理限制芋忿。 需要使用多跳聯(lián)網(wǎng)策略來覆蓋具有許多訪問點(diǎn)的較大地理區(qū)域，這對延遲和帶寬都施加了經(jīng)濟(jì)上的限制疾棵。 每個(gè)躍點(diǎn)都會引入排隊(duì)和路由延遲以及緩沖區(qū)膨脹戈钢。
至少可以通過四種不同的方式幫助cloudlets：
- 高度響應(yīng)的云服務(wù)。 Cloudlet與移動設(shè)備的物理接近性使它更容易實(shí)現(xiàn)低端到端延遲是尔，高帶寬以及對Cloudlet上服務(wù)的低抖動殉了。 這對于將計(jì)算工作轉(zhuǎn)移到cloudlet的應(yīng)用程序（如AR和虛擬現(xiàn)實(shí)）非常有價(jià)值。
- 通過邊緣分析實(shí)現(xiàn)可擴(kuò)展性拟枚。如果在cloudlet上分析原始數(shù)據(jù)薪铜，從大量高帶寬物聯(lián)網(wǎng)傳感器（例如攝像機(jī)）到云的累計(jì)入口帶寬需求將大大降低众弓。 僅（更小）提取的信息和元數(shù)據(jù)必須傳輸?shù)皆啤?/li>
- 隱私政策的執(zhí)行隔箍。 通過充當(dāng)物聯(lián)網(wǎng)傳感器數(shù)據(jù)基礎(chǔ)架構(gòu)中的第一聯(lián)系點(diǎn)谓娃，cloudlet可以在將數(shù)據(jù)發(fā)布到云之前執(zhí)行其所有者的隱私策略。
- 掩蓋云中斷蜒滩。 如果由于網(wǎng)絡(luò)故障滨达，云故障或拒絕服務(wù)攻擊而導(dǎo)致云服務(wù)不可用，則附近c(diǎn)loudlet上的回退服務(wù)可以暫時(shí)掩蓋該故障俯艰。
現(xiàn)在捡遍，我將詳細(xì)討論這些優(yōu)點(diǎn)。
HIGHLY RESPONSIVE CLOUD SERVICES 高度響應(yīng)的云服務(wù)
人類對關(guān)鍵交互路徑的延遲及其在認(rèn)知任務(wù)中的表現(xiàn)極為敏感非持裎眨快速和準(zhǔn)確画株。例如，在正常照明條件下啦辐，人臉識別需要370-620毫秒谓传，具體取決于熟悉程度。語音識別的短語需要300-450毫秒芹关，而僅需4毫秒就能知道聲音是人類的聲音良拼。使用跟蹤系統(tǒng)的VR應(yīng)用程序需要小于16毫秒的延遲才能實(shí)現(xiàn)感知穩(wěn)定性。 幾十毫秒的端到端延遲是一個(gè)安全但可以實(shí)現(xiàn)的目標(biāo)充边。
圖1.移動設(shè)備上的（a）增強(qiáng)現(xiàn)實(shí)和（b）人臉識別應(yīng)用程序的響應(yīng)時(shí)間分布和每次操作的能源成本，其中來自該設(shè)備的圖像通過Wi-Fi第一跳傳輸?shù)絚loudlet 或Amazon Web Services（AWS）數(shù)據(jù)中心常侦。 理想情況最好是通過cloudlet來近似浇冰，這說明了低延遲卸載服務(wù)的重要性。該圖改編自K. Ha等人聋亡，“移動多媒體應(yīng)用程序?qū)?shù)據(jù)中心整合的影響” Proc.Natl.Acad.Sci.USA肘习。 2013年IEEE國際會議 云工程師。 （IC2E 13）坡倔，2013年漂佩，第166–176頁。
圖1說明了Cloudlet對于低延遲卸載服務(wù)的重要性罪塔。 這些圖顯示了AR和移動設(shè)備上的面部識別應(yīng)用程序的測量響應(yīng)時(shí)間的累積分布投蝉。 來自位于匹茲堡的移動設(shè)備的圖像通過Wi-Fi第一跳傳輸?shù)絚loudlet或Amazon Web Services（AWS）數(shù)據(jù)中心。 通過在VM中執(zhí)行的計(jì)算機(jī)視覺代碼在目的地處理圖像征堪。 對于AR瘩缆，將識別圖像中的建筑物，并將與它們的身份相對應(yīng)的標(biāo)簽發(fā)送回移動設(shè)備佃蚜。為了面部識別庸娱，返回該人的身份着绊。
圖1中的理想曲線將是一個(gè)在原點(diǎn)處跳到1.0的階躍函數(shù)。 如圖所示熟尉，理想狀態(tài)最好是用cloudlet來近似归露。 端到端網(wǎng)絡(luò)延遲會阻礙性能，如響應(yīng)時(shí)間曲線越差（對應(yīng)于更遠(yuǎn)的AWS位置）所示斤儿。響應(yīng)時(shí)間的增加也會增加移動設(shè)備上每次操作的能耗剧包。該值顯示在圖例中相應(yīng)標(biāo)簽的旁邊。例如雇毫，在Cloudlet上執(zhí)行AR操作時(shí)玄捕，設(shè)備平均消耗1.1 J，而在AWS-East棚放，AWS-West等上執(zhí)行該操作時(shí)枚粘，設(shè)備消耗3.1 J，5.1 J飘蚯，依此類推馍迄。對于集中在幾個(gè)大型數(shù)據(jù)中心的任何卸載服務(wù)，都可以預(yù)期得到類似的結(jié)果局骤。
圖中的“僅移動”標(biāo)簽對應(yīng)于不執(zhí)行卸載并且計(jì)算機(jī)視覺代碼在移動設(shè)備上運(yùn)行的情況攀圈。 盡管避免了Wi-Fi通信的能源和性能成本，但此選項(xiàng)比使用cloudlet慢峦甩。對于這些應(yīng)用赘来，卸載顯然很重要。
Cloudlets是一項(xiàng)顛覆性技術(shù)凯傲，可在移動設(shè)備的一個(gè)無線躍點(diǎn)內(nèi)引入能量豐富的高端計(jì)算犬辰，從而支持計(jì)算密集型和延遲敏感型的新應(yīng)用程序。 一個(gè)可穿戴的認(rèn)知幫助就是一個(gè)很好的例子冰单，它可將Google Glass之類的設(shè)備與基于Cloudlet的處理相結(jié)合幌缝，以指導(dǎo)用戶完成一項(xiàng)復(fù)雜的任務(wù)。
與GPS系統(tǒng)一樣诫欠，用戶會聽到描述下一步操作的合成語音涵卵，并在Glass顯示屏中看到視覺提示。 系統(tǒng)會立即捕獲錯誤并在用戶級聯(lián)之前對其進(jìn)行糾正荒叼。 2013年美國國家科學(xué)基金會無線網(wǎng)絡(luò)的未來發(fā)展方向研討會的最終報(bào)告將這一新類型的應(yīng)用稱為“令人驚訝的變革性”轿偎。 在CMU正在進(jìn)行的工作中，我們?yōu)楸?中匯總的七個(gè)任務(wù)構(gòu)建了認(rèn)知輔助應(yīng)用程序甩挫。有關(guān)這些應(yīng)用程序中的一些的視頻贴硫，請?jiān)L問goo.gl/02m0nL。
在cloudlet上，這些應(yīng)用程序的工作流程包括兩個(gè)階段英遭。在第一階段间护，分析傳感器輸入以提取任務(wù)進(jìn)度的符號表示（表1的第四列）。這是相對于任務(wù)的輸入傳感器值的理想表示挖诸，并且排除了所有不相關(guān)的細(xì)節(jié)汁尺。此階段必須容忍現(xiàn)實(shí)中的巨大變化，例如多律，不同的光照水平痴突，光源，查看者相對于任務(wù)工件的位置狼荞，背景中與任務(wù)無關(guān)的雜波等等辽装。可以將符號表示的提取視為特定于任務(wù)的“模擬到數(shù)字”轉(zhuǎn)換：傳感器值的巨大狀態(tài)空間被簡化為較小的特定于任務(wù)的狀態(tài)空間相味。每個(gè)任務(wù)工作流的第二階段僅在符號表示上運(yùn)行拾积。將符號表示與預(yù)期任務(wù)狀態(tài)進(jìn)行比較，將為下一步（表1的最后一列）生成用戶指南丰涉。在Glass顯示屏上顯示視頻指南拓巧，并使用Android text-to-speech API提供音頻指南。
SCALABILITY THROUGH EDGE ANALYTICS 通過邊緣分析實(shí)現(xiàn)可擴(kuò)展性
不考慮延遲因素一死，cloudlets還可以減少進(jìn)入云的入口帶寬肛度。 例如，考慮一個(gè)應(yīng)用程序投慈，其中許多位于同一地點(diǎn)的用戶不斷從他們的智能手機(jī)向云傳輸視頻以進(jìn)行內(nèi)容分析承耿。 在中等規(guī)模的城市中，即使是一小部分用戶伪煤，其累積數(shù)據(jù)速率也將使其城域網(wǎng)飽和：12,000個(gè)傳輸1080p視頻的用戶需要每秒100吉比特的鏈接瘩绒； 一百萬個(gè)用戶將需要每秒8.5 TB的鏈接。
圖2顯示了cloudlets如何解決這個(gè)問題跋理。 在提議的GigaSight框架中择克，來自移動設(shè)備的視頻15僅傳播到附近的cloudlet。 cloudlet幾乎實(shí)時(shí)地運(yùn)行計(jì)算機(jī)視覺分析前普，并且僅將結(jié)果（內(nèi)容標(biāo)簽肚邢，可識別的面部等）以及元數(shù)據(jù)（所有者，捕獲位置，時(shí)間戳等）發(fā)送到云骡湖。 這樣可以將進(jìn)入云的帶寬減少三到六個(gè)數(shù)量級贱纠。 GigaSight還顯示了云中的標(biāo)簽和元數(shù)據(jù)如何在Cloudlet的（有限）保留期間引導(dǎo)視頻片段內(nèi)容的更深入和更自定義的搜索。
攝像機(jī)只是物聯(lián)網(wǎng)中高數(shù)據(jù)速率傳感器的一個(gè)示例响蕴。 另一個(gè)例子是現(xiàn)代飛機(jī)谆焊，它可以在飛行中生成近TB的傳感器數(shù)據(jù)。在飛機(jī)上的云上實(shí)時(shí)分析這些數(shù)據(jù)可以為預(yù)防性維護(hù)浦夷，燃油經(jīng)濟(jì)性和其他好處提供及時(shí)的指導(dǎo)辖试。
Cloudlets的延遲時(shí)間和帶寬優(yōu)勢在汽車領(lǐng)域尤其重要，以補(bǔ)充為實(shí)時(shí)控制和避免事故而探索的車輛到車輛（V2V）方法劈狐。 在可預(yù)見的未來罐孝，來自行駛中的汽車的云連接最多將是3G或4G / LTE。 一個(gè)重要的問題是肥缔，cloudlet應(yīng)該放在汽車中還是電信基礎(chǔ)設(shè)施的一部分（也許一個(gè)小云通過光纖連接到一個(gè)區(qū)域中的多個(gè)蜂窩塔）莲兢。 兩種選擇都有價(jià)值。
最好在汽車的Cloudlet上托管針對汽車乘客的多人視頻游戲等應(yīng)用辫继。cloudlet還可以對來自引擎和其他來源的高數(shù)據(jù)速率傳感器流執(zhí)行實(shí)時(shí)分析怒见，以警告駕駛員即將發(fā)生的故障或需要預(yù)防性維護(hù)。 此外姑宽，這些信息可以傳輸?shù)皆浦星菜＃约傻杰囕v制造商的數(shù)據(jù)庫中。 對此類異常數(shù)據(jù)進(jìn)行細(xì)粒度分析可能會發(fā)現(xiàn)特定于模型的缺陷炮车，可以及時(shí)進(jìn)行糾正舵变。
對于其他汽車應(yīng)用程序（例如協(xié)作實(shí)時(shí)避免道路危險(xiǎn)），telco cloudlet是最佳的托管站點(diǎn)瘦穆。 例如纪隙，如果車輛撞到坑洼或轉(zhuǎn)彎處以避免倒下的樹枝，那么危害的坐標(biāo)可以在電信云中快速共享扛或，然后由其他汽車使用多個(gè)小時(shí)來主動應(yīng)對危害（例如绵咱，通過警告 駕駛員盡早換道）。
PRIVACY POLICY ENFORCEMENT 隱私權(quán)政策執(zhí)行
Cloudlets可以幫助解決一個(gè)棘手的問題熙兔，即悲伶，由于物聯(lián)網(wǎng)系統(tǒng)過度集中而引起的對數(shù)據(jù)隱私的日益關(guān)注。 用戶和組織越來越不愿將原始傳感器數(shù)據(jù)發(fā)布到IoT云中心住涉，他們希望對這些數(shù)據(jù)的發(fā)布進(jìn)行更精細(xì)的控制麸锉。 例如，用戶應(yīng)該能夠刪除或認(rèn)為他或她認(rèn)為敏感的傳感器數(shù)據(jù)子集舆声。 從最終用戶的角度來看花沉，變性后的傳感器數(shù)據(jù)可以安全地發(fā)布到外界：圖像中的面孔可能模糊柳爽，白天或晚上的某些時(shí)間可以粗略地匯總或忽略傳感器讀數(shù)，等等碱屁。 當(dāng)今的IoT體系結(jié)構(gòu)將數(shù)據(jù)直接從傳感器傳輸?shù)皆萍€器磷脯，因此無法進(jìn)行這種細(xì)粒度的控制。
Nigel Davies和他的同事提出了一種IoT隱私架構(gòu)（請參見圖3）忽媒，該架構(gòu)利用了傳感器所有者的信任域中的cloudlet争拐。該cloudlet是傳感器流與基礎(chǔ)結(jié)構(gòu)聯(lián)系的第一點(diǎn)。 受信任的稱為隱私調(diào)解器的軟件模塊在cloudlet上執(zhí)行以執(zhí)行變性和隱私策略實(shí)施在傳感器流上晦雨。 因此架曹，Cloudlets為可擴(kuò)展且安全的隱私解決方案提供了基礎(chǔ)，該解決方案與信任和責(zé)任的自然組織邊界非常吻合闹瞧。
如圖3所示绑雄，根據(jù)數(shù)據(jù)量和本地存儲大小，全保真?zhèn)鞲衅鲾?shù)據(jù)可以在有限的持續(xù)時(shí)間（例如幾小時(shí)奥邮，幾天或幾周）內(nèi)存儲在cloudlet中万牺。 如果IoT中心發(fā)現(xiàn)異常并返回使用更不積極地變性的數(shù)據(jù)進(jìn)行更深入的數(shù)據(jù)分析的請求，這可能會很有價(jià)值洽腺。 在這種情況下是否放松正常的隱私政策是最終用戶控制下的決定脚粟。
MASKING CLOUD OUTAGES 屏蔽云中斷
隨著我們對云的依賴性增加，我們對云中斷的脆弱性也在增加蘸朋。 移動和云計(jì)算融合的隱含假設(shè)是核无，云始終可輕松訪問，換句話說藕坯，端到端網(wǎng)絡(luò)質(zhì)量很好团南，網(wǎng)絡(luò)或云故障很少。 但是炼彪，在某些使用環(huán)境中吐根，必須將云訪問視為偶爾的奢侈，而不是基本的必需品辐马。 這種觀點(diǎn)適用于可以被稱為敵對環(huán)境的幾個(gè)重要環(huán)境拷橘。
敵對環(huán)境的主要例子是軍事行動的戰(zhàn)場-干擾敵人的網(wǎng)絡(luò)是一種標(biāo)準(zhǔn)戰(zhàn)術(shù)。 另一個(gè)示例是地理區(qū)域喜爷，在該區(qū)域中膜楷，網(wǎng)絡(luò)基礎(chǔ)設(shè)施遭到自然災(zāi)害或恐怖襲擊的破壞后，恢復(fù)工作正在進(jìn)行贞奋。 第三個(gè)例子是網(wǎng)絡(luò)基礎(chǔ)設(shè)施薄弱的發(fā)展中國家。 第四個(gè)例子是互聯(lián)網(wǎng)的任何部分由于受到網(wǎng)絡(luò)攻擊而暫時(shí)變成了敵對環(huán)境穷绵。 人們越來越擔(dān)心網(wǎng)絡(luò)攻擊可能很快成為有組織犯罪的主要武器以及國家政策的手段轿塔。 如果這些可怕的預(yù)測成真，那么將來可能必須將整個(gè)Internet視為敵對的環(huán)境。
Cloudlets可以緩解云中斷勾缭。 由于物理上的接近性揍障，cloudlet的可生存性特征比其遠(yuǎn)處的云更接近其關(guān)聯(lián)的移動設(shè)備。 這打開了方法的大門俩由，在該方法中毒嫡，cloudlet上的后備服務(wù)可以暫時(shí)掩蓋云的不可訪問性。 在故障期間幻梯，cloudlet可以充當(dāng)云的代理并執(zhí)行其關(guān)鍵服務(wù)兜畸。 修復(fù)故障后，可能需要將暫時(shí)提交給cloudlet的操作傳播到云中以進(jìn)行協(xié)調(diào)碘梢。
二十多年前咬摇，我和詹姆斯·基斯勒（James Kistler）和我在描述Coda文件系統(tǒng)時(shí)就預(yù)料到了如何將該概念應(yīng)用于云數(shù)據(jù)，該文件系統(tǒng)提供了對共享數(shù)據(jù)的可斷開的讀寫訪問煞躬。 基本步驟包括囤積（將數(shù)據(jù)預(yù)取到持久性緩存中）肛鹏，模擬（在沒有云的情況下利用囤積的數(shù)據(jù)并精確跟蹤本地更新）和重新集成（將更新傳播到云中以及檢測和解決沖突）。 將這些步驟推廣到各種云服務(wù)將是未來重要的研究領(lǐng)域恩沛。
THE ROAD AHEAD 前方的路
邊緣計(jì)算顯然具有許多優(yōu)勢在扰。 同時(shí)，它還面臨許多技術(shù)和非技術(shù)挑戰(zhàn)雷客。
在技術(shù)方面芒珠，與分布式計(jì)算中的集體控制和共享cloudlet所需的軟件機(jī)制和算法有關(guān)的未知數(shù)很多。 在管理分散的Cloudlet基礎(chǔ)架構(gòu)方面也存在很多障礙佛纫。 如前所述妓局，云計(jì)算的推動力之一是降低集中式基礎(chǔ)架構(gòu)的管理成本。 邊緣計(jì)算固有的分散性極大地提高了管理的復(fù)雜性呈宇。 開發(fā)創(chuàng)新的技術(shù)解決方案以降低這種復(fù)雜性是邊緣計(jì)算的研究重點(diǎn)好爬。 另一個(gè)重要的研究領(lǐng)域?qū)⑹情_發(fā)機(jī)制，以補(bǔ)償相對于云數(shù)據(jù)中心而言甥啄，cloudlet的外圍安全性較弱存炮。 防篡改和防篡改外殼，遠(yuǎn)程監(jiān)視以及基于可信平臺模塊的證明的開發(fā)都是可以緩解此問題的重要途徑蜈漓。
在非技術(shù)方面穆桂，最大的未知數(shù)涉及用于部署cloudlet的可行業(yè)務(wù)模型。 成功將需要一系列復(fù)雜的行業(yè)融虽，社區(qū)和標(biāo)準(zhǔn)組織的參與和支持享完。 這提出了一個(gè)典型的自舉問題。 沒有獨(dú)特的利用邊緣計(jì)算的應(yīng)用程序和服務(wù)有额，就沒有動機(jī)來部署cloudlet般又。 但是彼绷，如果沒有足夠大的cloudlet部署，開發(fā)人員幾乎沒有動機(jī)去創(chuàng)建那些新的應(yīng)用程序和服務(wù)茴迁。 我們?nèi)绾未蚱七@種僵局寄悯？
這種情況類似于1970年代末至1980年代初互聯(lián)網(wǎng)誕生之初的情況。 開放的生態(tài)系統(tǒng)吸引了對基礎(chǔ)設(shè)施和應(yīng)用程序的投資堕义，而沒有任何一個(gè)實(shí)體承擔(dān)大風(fēng)險(xiǎn)或主導(dǎo)市場猜旬。 隨著時(shí)間的流逝，這導(dǎo)致大量Internet基礎(chǔ)結(jié)構(gòu)和應(yīng)用程序（例如電子郵件）的出現(xiàn)倦卖，這些基礎(chǔ)結(jié)構(gòu)和應(yīng)用程序可以從該基礎(chǔ)結(jié)構(gòu)中受益匪淺洒擦。 到1990年代初期，萬維網(wǎng)成為“殺手級應(yīng)用程序”時(shí)糖耸，已經(jīng)部署了足夠的Internet基礎(chǔ)結(jié)構(gòu)以實(shí)現(xiàn)爆炸式增長秘遏。
通過培育開放的cloudlet生態(tài)系統(tǒng)的創(chuàng)建，邊緣計(jì)算可以遵循類似但更快的成功道路嘉竟。 這是OEC的OpenStack ++的目標(biāo)邦危，OpenStack ++是流行的OpenStack云計(jì)算平臺的衍生產(chǎn)品。 “ ++”是指cloudlet環(huán)境所需的獨(dú)特?cái)U(kuò)展舍扰，包括cloudlet發(fā)現(xiàn)倦蚪，即時(shí)配置和VM切換。 隨著邊緣計(jì)算的發(fā)展边苹，OpenStack ++旨在成為一個(gè)廣泛使用的平臺陵且，以催化硬件，軟件和服務(wù)方面的許多專有和非專有創(chuàng)新个束。
邊緣計(jì)算的出現(xiàn)與計(jì)算和通信領(lǐng)域的三個(gè)重要趨勢相吻合慕购，盡管受到不同力量的推動，但它們?nèi)栽谌诤喜绲住Ｒ环N趨勢是軟件定義網(wǎng)絡(luò)（SDN）和網(wǎng)絡(luò)功能虛擬化（NFV）的相關(guān)概念沪悲，這些功能必須由與邊緣計(jì)算相同的一些虛擬化基礎(chǔ)架構(gòu)來支持。第二個(gè)趨勢是對新型觸覺應(yīng)用中超低延遲（一毫秒或更短）無線網(wǎng)絡(luò)的興趣日益濃厚阱表。超低延遲是未來5G網(wǎng)絡(luò)的擬議屬性之一殿如。邊緣計(jì)算是5G網(wǎng)絡(luò)的自然合作伙伴，因?yàn)樗梢源_保超低的第一跳延遲不會被剩余的跳到云的延遲所淹沒最爬。第三個(gè)趨勢是可穿戴設(shè)備涉馁，智能手機(jī)和其他代表互聯(lián)網(wǎng)極端優(yōu)勢的移動設(shè)備的計(jì)算能力的持續(xù)改進(jìn)。盡管這些設(shè)備的計(jì)算能力確實(shí)在增長爱致，但它們的改進(jìn)卻因移動性的基本挑戰(zhàn)（如重量烤送，尺寸，電池壽命和散熱）而被忽略糠悯。因此帮坚，邊緣計(jì)算的最佳解決方案是在基礎(chǔ)架構(gòu)中牢裳，它可以在其中擴(kuò)大鄰近移動設(shè)備和傳感器的功能。
最后叶沛，從歷史的角度反思邊緣計(jì)算非常有用。 自1960年代以來忘朝，計(jì)算在集中化和分散化之間交替進(jìn)行灰署。 批處理和時(shí)間共享的集中化方法在1960年代和1970年代盛行。 1980年代和1990年代通過個(gè)人計(jì)算的興起實(shí)現(xiàn)了權(quán)力下放局嘁。 到2000年代中期溉箕，云計(jì)算的集中化方法開始發(fā)展到今天所占據(jù)的主導(dǎo)地位。 邊緣計(jì)算代表了這一正在進(jìn)行的辯證法的最新階段悦昵。
