一、云計(jì)算的發(fā)展有哪些弊端？
云計(jì)算（cloud computing） 是分布式計(jì)算的一種，指的是通過網(wǎng)絡(luò)“云”將巨大的數(shù)據(jù)計(jì)算處理程序分解成無數(shù)個(gè)小程序，然后，通過多部服務(wù)器組成的系統(tǒng)進(jìn)行處理和分析這些小程序得到結(jié)果并返回給用戶。、
近年來，云計(jì)算賦能大數(shù)據(jù)處理，用戶僅需要將數(shù)據(jù)上傳至云端，利用云計(jì)算中心的超強(qiáng)高效計(jì)算平臺(tái)，便可以集中處理計(jì)算需求。目前的智能物聯(lián)網(wǎng)設(shè)備，通常也是通過將數(shù)據(jù)通過網(wǎng)絡(luò)上發(fā)至云端，由云端進(jìn)行統(tǒng)一的處理這種模式進(jìn)行的。
然而，物聯(lián)網(wǎng)設(shè)備與日俱增所帶來的智能數(shù)據(jù)的爆炸增長(zhǎng)，無疑使得云計(jì)算這種集中處理的計(jì)算模式暴露出各種問題。其中主要是問題顯現(xiàn)在兩個(gè)方面。
一方面，云計(jì)算在集中處理數(shù)據(jù)前，需要各個(gè)邊緣側(cè)的設(shè)備將數(shù)據(jù)全部上傳，這意味著，數(shù)據(jù)傳輸?shù)倪^程將占用巨大的帶寬。尤其是在人工智能應(yīng)用如火如荼發(fā)展的現(xiàn)狀下，模型的訓(xùn)練與推理所需要的巨大數(shù)據(jù)加劇了核心網(wǎng)絡(luò)的壓力。物聯(lián)網(wǎng)的高速發(fā)展更使得數(shù)據(jù)的増長(zhǎng)遠(yuǎn)遠(yuǎn)甩開網(wǎng)絡(luò)帶寬的增速，傳統(tǒng)的云計(jì)算模式遇到了帶寬與延遲的瓶頸。延遲不僅僅嚴(yán)重影響了用戶體驗(yàn)，更是對(duì)無人駕駛等對(duì)延遲零容忍的產(chǎn)業(yè)產(chǎn)生致命打擊。
另一方面，云計(jì)算模式將數(shù)據(jù)都傳輸至云端大大增加了隱私泄漏的風(fēng)險(xiǎn)，無論是云運(yùn)營(yíng)商的惡意使用還是數(shù)據(jù)被截取，都將造成嚴(yán)重的危害?；趯?duì)計(jì)算模式的新的需求，催生了邊緣計(jì)算模型的產(chǎn)生。
二、邊緣計(jì)算的產(chǎn)生及局限性有哪些？
邊緣計(jì)算(Edge Computing) 是利用網(wǎng)絡(luò)邊緣側(cè)的計(jì)算能力進(jìn)行數(shù)據(jù)的處理。
邊緣計(jì)算目前還沒有一個(gè)公認(rèn)的定義，不同的研究者都在試圖描述和理解邊緣計(jì)算，邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟進(jìn)行了如下描述：邊緣計(jì)算是提供網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力的靠近數(shù)據(jù)產(chǎn)生處的網(wǎng)絡(luò)邊緣的開發(fā)平臺(tái)。這個(gè)平臺(tái)可以滿足行業(yè)在快速聯(lián)接、實(shí)時(shí)響應(yīng)、數(shù)據(jù)處理、安全與隱私保護(hù)等各個(gè)方面的需求。
來自韋恩州立大學(xué)的施巍松教授進(jìn)行了如下描述：邊緣計(jì)算是一種新的計(jì)算模型，它在網(wǎng)絡(luò)邊緣執(zhí)行計(jì)算，其中邊緣是指數(shù)據(jù)產(chǎn)生處和云端各種路徑之間的任意計(jì)算和網(wǎng)絡(luò)資源。邊緣的數(shù)據(jù)一邊連接云服務(wù)，另一邊連接物聯(lián)網(wǎng)服務(wù)。所有相關(guān)的對(duì)邊緣計(jì)算的描述之中，都傾向于把邊緣計(jì)算定義為一種新的計(jì)算范式，它使得數(shù)據(jù)的計(jì)算從網(wǎng)絡(luò)劇里或者空間距離上更接近數(shù)據(jù)的采集端。
其中所提及的邊緣側(cè)，則是指從數(shù)據(jù)產(chǎn)生的設(shè)備到云端這一條通路中，任意的一個(gè)具有計(jì)算等功能實(shí)體。邊緣計(jì)算因?yàn)槠湫碌奶匦裕鄬?duì)于云計(jì)算，也有了一些優(yōu)勢(shì)，最突出的優(yōu)點(diǎn)就是邊緣側(cè)由于更加接近數(shù)據(jù)產(chǎn)生的設(shè)備，相比于需要進(jìn)行無法預(yù)計(jì)的數(shù)據(jù)傳輸成本的云計(jì)算，這天生便增加了其實(shí)時(shí)性。一旦數(shù)據(jù)的計(jì)算處理工作由邊緣側(cè)承擔(dān)，那么從前需要上傳至云端的數(shù)據(jù)將變少或者消失至零，這又大大減少了核心網(wǎng)絡(luò)的流量從而釋放網(wǎng)絡(luò)帶寬的壓力。對(duì)于數(shù)據(jù)隱私的保護(hù)，則也是在數(shù)據(jù)源頭處處理的巨大優(yōu)勢(shì)。
隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，集中式的云計(jì)算架構(gòu)無法把資源利用、數(shù)據(jù)融合、應(yīng)用兼容、統(tǒng)一運(yùn)維等物聯(lián)網(wǎng)問題全部解決，給網(wǎng)絡(luò)帶寬、計(jì)算能力、存儲(chǔ)容量帶來巨大壓力。
邊緣計(jì)算模型的優(yōu)點(diǎn)就凸顯出來：
（１）在網(wǎng)絡(luò)邊緣處理大量臨時(shí)數(shù)據(jù)，不再全部上傳云端，這極大地減輕了網(wǎng)絡(luò)帶寬和數(shù)據(jù)中心功耗的壓力；
（２）在靠近數(shù)據(jù)生產(chǎn)者處做數(shù)據(jù)處理，不需要通過網(wǎng)絡(luò)請(qǐng)求云計(jì)算中心的響應(yīng)，大大減少了系統(tǒng)延遲，增強(qiáng)了服務(wù)響應(yīng)能力；
（３）邊緣計(jì)算將用戶隱私數(shù)據(jù)不再上傳，而是存儲(chǔ)在網(wǎng)絡(luò)邊緣設(shè)備上，減少了網(wǎng)絡(luò)數(shù)據(jù)泄露的風(fēng)險(xiǎn)，保護(hù)了用戶數(shù)據(jù)安和隱私。
三、為什么需要云邊協(xié)同？
隨著物聯(lián)網(wǎng)趨勢(shì)的不斷加深和 5G 等網(wǎng)絡(luò)建設(shè)的持續(xù)發(fā)展，消費(fèi)物聯(lián)網(wǎng)和產(chǎn)業(yè)物聯(lián)網(wǎng)設(shè)備都將與日俱增。目前的智能物聯(lián)網(wǎng)設(shè)備大都采取通過將數(shù)據(jù)通過網(wǎng)絡(luò)上發(fā)至云端，由云端進(jìn)行統(tǒng)一的處理。然而廣泛的智能終端接入和海量的感知數(shù)據(jù)在傳輸過程中占用的巨大帶寬，將數(shù)據(jù)直接傳輸至云端也增加了隱私泄漏的風(fēng)險(xiǎn)。在邊緣側(cè)進(jìn)行計(jì)算可以減少了核心網(wǎng)絡(luò)的流量從而釋放網(wǎng)絡(luò)帶寬的壓力，也完成了一定的數(shù)據(jù)保護(hù)，但是其資源受限會(huì)導(dǎo)致的無法滿足模型精度需求。
云邊協(xié)同計(jì)算繼承了云計(jì)算與邊緣計(jì)算的優(yōu)勢(shì)，以同時(shí)達(dá)到高精度、低消耗、快響應(yīng)、低延時(shí)的應(yīng)用場(chǎng)景需求。
云計(jì)算負(fù)責(zé)邊緣節(jié)點(diǎn)難以勝任的計(jì)算任務(wù)，同時(shí)，通過大數(shù)據(jù)分析，負(fù)責(zé)非實(shí)時(shí)、長(zhǎng)周期數(shù)據(jù)的處理，優(yōu)化輸出的業(yè)務(wù)規(guī)則或模型，并下放到邊緣側(cè)，使邊緣計(jì)算更加滿足本地的需求，完成應(yīng)用的全生命周期管理。
邊緣計(jì)算主要負(fù)責(zé)那些實(shí)時(shí)、短周期數(shù)據(jù)的處理任務(wù)以及本地業(yè)務(wù)的實(shí)時(shí)處理與執(zhí)行，為云端提供高價(jià)值的數(shù)據(jù)；
在更多的場(chǎng)景下，云計(jì)算與邊緣計(jì)算形成一種互補(bǔ)、協(xié)同的關(guān)系，邊緣計(jì)算需要與云計(jì)算緊密協(xié)同才能更好地滿足各種應(yīng)用場(chǎng)景的需求。
云邊協(xié)同是融合通信、算力、數(shù)據(jù)存儲(chǔ)、應(yīng)用服務(wù)的分布式開放平臺(tái)，相對(duì)于云側(cè)的全局性、長(zhǎng)周期、高時(shí)延、大數(shù)據(jù)的計(jì)算特點(diǎn)。邊緣計(jì)算的短周期特性可以更好地支持本地業(yè)務(wù)。因此邊緣側(cè)與云側(cè)并不是簡(jiǎn)單的替代關(guān)系，而是互補(bǔ)協(xié)同的合作關(guān)系。通過對(duì)資源協(xié)同、數(shù)據(jù)協(xié)同、應(yīng)用協(xié)同、服務(wù)協(xié)同等協(xié)同領(lǐng)域構(gòu)建統(tǒng)一高效的協(xié)同框架，實(shí)現(xiàn)云邊互補(bǔ)，資源融合。
云邊協(xié)同的推理機(jī)制不同于傳統(tǒng)的云邊協(xié)同，除業(yè)務(wù)、數(shù)據(jù)、服務(wù)等協(xié)同外增加了算法協(xié)同。算法協(xié)同具備算力資源分配、準(zhǔn)確率驗(yàn)證、模型分區(qū)調(diào)用等機(jī)制。云邊協(xié)同的推理機(jī)制彌補(bǔ)邊緣側(cè)算力不足導(dǎo)致的低準(zhǔn)確率現(xiàn)象，避免數(shù)據(jù)短時(shí)增長(zhǎng)帶來的算力波峰，減少云側(cè)帶寬壓力，提升服務(wù)速率，解決數(shù)據(jù)不出域問題，有效地提高了系統(tǒng)穩(wěn)定性和資源的整體使用效率。
云邊協(xié)同，即云計(jì)算和邊緣計(jì)算互相協(xié)同，彼此優(yōu)化補(bǔ)充，就好像章魚大腦和爪子的關(guān)系。通常可以將章魚與邊緣計(jì)算進(jìn)行類比，章魚的大腦可以與云計(jì)算進(jìn)行類比，章魚的神經(jīng)元分布在腦部的僅有四成左右，足部則可以類比邊緣計(jì)算，占據(jù)六成的神經(jīng)元。那么章魚的足部思考并就地解決問題，大腦則專注于處理“更高層次”的問題。由于物聯(lián)網(wǎng)設(shè)備，天生具有在邊緣側(cè)采集數(shù)據(jù)的特性，一旦為其計(jì)算進(jìn)行賦能，使得應(yīng)用在數(shù)據(jù)源處進(jìn)行數(shù)據(jù)的處理，從而減少與云端的交互，將大大解放傳統(tǒng)的云計(jì)算模式下的網(wǎng)絡(luò)壓力；邊緣側(cè)處理了大多的數(shù)據(jù)，那么當(dāng)需要借助云端能力時(shí)，只需要傳輸數(shù)據(jù)運(yùn)算的中間結(jié)果取代之前直接的數(shù)據(jù)傳輸，隱私泄漏的風(fēng)險(xiǎn)也因此大大降低.
四、云邊協(xié)同有哪些協(xié)同方式？
1、關(guān)系劃分
邊緣計(jì)算的快速發(fā)展，并不意味著要徹底放棄云計(jì)算。相反，越來越多的應(yīng)用場(chǎng)景需要在云計(jì)算的基礎(chǔ)上協(xié)同邊緣計(jì)算技術(shù)，才能發(fā)揮更好的效果。云計(jì)算的優(yōu)勢(shì)在于處理長(zhǎng)周期、計(jì)算密集的任務(wù)數(shù)據(jù)，因此可以有效應(yīng)對(duì)需要大量數(shù)據(jù)分析的業(yè)務(wù)領(lǐng)域；而邊緣計(jì)算的優(yōu)勢(shì)在于處理短周期、實(shí)時(shí)性的任務(wù)數(shù)據(jù)，因此可以更好地應(yīng)用于注重實(shí)時(shí)性的本地業(yè)務(wù)領(lǐng)域。針對(duì)于云計(jì)算與邊緣計(jì)算之間的協(xié)同關(guān)系，主要有兩種協(xié)同方式。
（1）中心云主導(dǎo)的云邊協(xié)同。
在這種模式下，由云計(jì)算中心負(fù)責(zé)接收終端設(shè)備所上傳的任務(wù)數(shù)據(jù)，并進(jìn)行數(shù)據(jù)計(jì)算、模型訓(xùn)練，以及任務(wù)預(yù)測(cè)。然后，中心云將部分計(jì)算與預(yù)測(cè)結(jié)果發(fā)送至邊緣服務(wù)層，并指導(dǎo)邊緣層進(jìn)行資源部署與任務(wù)調(diào)度。
（2）邊緣服務(wù)層主導(dǎo)的云邊協(xié)同。
在這種模式下，首先由邊緣服務(wù)層來接收終端用戶所上傳的任務(wù)數(shù)據(jù)，并對(duì)其進(jìn)行計(jì)算；然后，邊緣服務(wù)層會(huì)及時(shí)將任務(wù)的處理結(jié)果回傳至終端設(shè)備。若邊緣服務(wù)層的計(jì)算能力有限，不能滿足用戶任務(wù)的實(shí)際需求，則邊緣服務(wù)層會(huì)將任務(wù)繼續(xù)卸載至中心云服務(wù)器中處理。
2、層次劃分
云邊協(xié)同的設(shè)計(jì)應(yīng)該兼顧傳統(tǒng)云計(jì)算與新興邊緣計(jì)算兩種計(jì)算范式，因此對(duì)其架構(gòu)進(jìn)行直接進(jìn)行設(shè)計(jì)太過于龐大，同時(shí)也忽略了其作為一個(gè)新的計(jì)算平臺(tái)的基本需求。由于云邊協(xié)同源于云端與邊緣端，云與邊緣的設(shè)計(jì)并非單一的層次，因此云邊協(xié)同的研究也應(yīng)該結(jié)合云的多層次與邊緣計(jì)算的多層次。其中云計(jì)算的發(fā)展相對(duì)成熟，應(yīng)用也更為廣泛，現(xiàn)代的云計(jì)算通常被劃分為基礎(chǔ)設(shè)施即服務(wù)的IaaS 與平臺(tái)即服務(wù)的 PaaS 兩個(gè)領(lǐng)域，廣義上還包括軟件即服務(wù)的 SaaS。邊緣計(jì)算層次的劃分通常也與云計(jì)算對(duì)應(yīng)，即邊緣側(cè)的基礎(chǔ)設(shè)施即服務(wù)、平臺(tái)即服務(wù)以及軟件即服務(wù)。本文依據(jù)云計(jì)算與邊緣計(jì)算的層次對(duì)目前云邊協(xié)同的研究進(jìn)行了劃分，如圖 1.3 所示，分為基礎(chǔ)設(shè)施協(xié)同、平臺(tái)協(xié)同與軟件協(xié)同。
（1） 基礎(chǔ)設(shè)施協(xié)同
云端和邊緣端因?yàn)槠湮锢韺?shí)體的存在，都對(duì)應(yīng)著相應(yīng)的資源提供相應(yīng)的能力，比如計(jì)算能力，存儲(chǔ)能力等。但是又由于每個(gè)設(shè)備的資源與能力并不相同，想要調(diào)度起來或者進(jìn)行能耗的評(píng)估就需要統(tǒng)一的管理。
Li等人對(duì)云邊協(xié)同下基于負(fù)載平衡的資源管理問題進(jìn)行了研究，為了保證數(shù)據(jù)完整性以及降低成本，提出了基于成本的資源擴(kuò)展和收縮模型，又為了改善負(fù)載不平衡問題，提出了新的數(shù)據(jù)遷移模型。
Li等人提出了接入云、分布式微云與核心云的劃分，在城市中部署微云系統(tǒng)，將遠(yuǎn)程的核心云上的服務(wù)遷移至本地，終端用戶即可從微云獲取之前在核心云的服務(wù)。而為了優(yōu)化微云間的調(diào)度，提出了一種基于粒子群優(yōu)化的多節(jié)點(diǎn)系統(tǒng)的資源調(diào)度與分配策略。
Li 等人也提出了一種資源管理策略，以保證邊緣設(shè)備不過載，并優(yōu)化成本消耗。同時(shí)也提出了一種副本分配策略，更好的保證數(shù)據(jù)一致性。
（2） 平臺(tái)協(xié)同
平臺(tái)層一般包括數(shù)據(jù)管理以及應(yīng)用的管理。云邊協(xié)同架構(gòu)下數(shù)據(jù)處理通常由邊緣節(jié)點(diǎn)承擔(dān)，而數(shù)據(jù)處理作為后續(xù)數(shù)據(jù)問題工作的第一步是十分重要的。
Carrizales 等人設(shè)計(jì)了一種方法，對(duì)每個(gè)內(nèi)容的哈希值進(jìn)行索引，從而進(jìn)行重復(fù)消除。這樣處理可以為后續(xù)的數(shù)據(jù)分析等工作減輕工作量，也同時(shí)增加了數(shù)據(jù)的安全性與可靠性。經(jīng)過驗(yàn)證，該方法對(duì)于降低風(fēng)險(xiǎn)有一定的可行性。
Lopez等人基于特征選擇，提出了一種基于特征相關(guān)性和特征歸一化的網(wǎng)絡(luò)流量分類快速預(yù)處理方法，該方法減少了數(shù)據(jù)處理的時(shí)間，對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)處理，以有效的防御網(wǎng)絡(luò)攻擊。
Zhao 等人出了一種面向自動(dòng)駕駛的邊緣流數(shù)據(jù)處理框架，該框架基于Spark-Streaming的建立，可以預(yù)測(cè)傳感器數(shù)據(jù)到達(dá)率的變化，提前調(diào)整流批量間隔，并通過邊緣節(jié)點(diǎn)實(shí)現(xiàn)實(shí)時(shí)流處理。該框架可以在邊緣計(jì)算節(jié)點(diǎn)區(qū)域的地理覆蓋范圍內(nèi)，實(shí)現(xiàn)對(duì)自主駕駛車輛傳感器數(shù)據(jù)的數(shù)據(jù)流變化的監(jiān)控和預(yù)測(cè)，同時(shí)最小化端到端延遲，同時(shí)滿足應(yīng)用吞吐量要求。
除了數(shù)據(jù)預(yù)處理，數(shù)據(jù)存儲(chǔ)也是數(shù)據(jù)管理中重要的部分，考慮到邊緣節(jié)點(diǎn)的存儲(chǔ)能力有限，深度學(xué)習(xí)應(yīng)用部署于云邊協(xié)同框架時(shí)，如果減少模型大小以適應(yīng)邊緣受限是很重要的研究方向。
Tao等人在物聯(lián)網(wǎng)數(shù)據(jù)框架—云邊緣協(xié)作存儲(chǔ)（CECS）基礎(chǔ)上進(jìn)行了改進(jìn)，提出了一種新的數(shù)據(jù)搜索與共享的方案，它允許用戶生成公鑰和私鑰對(duì)，并自行管理私鑰，并且使用可搜索公鑰加密來實(shí)現(xiàn)更安全、高效和靈活的數(shù)據(jù)搜索，該方案在保護(hù)數(shù)據(jù)安全的情況下，也同時(shí)降低了通信與計(jì)算的成本。
應(yīng)用管理方面
由于應(yīng)用的部署需要特定的運(yùn)行環(huán)境，但是云邊協(xié)同框架下，由于普通邊緣節(jié)點(diǎn)通常采用一些低功耗的處理器，而邊緣基站等也會(huì)采用高版本的處理器，云端可提供的能力遠(yuǎn)遠(yuǎn)超過一個(gè)邊緣節(jié)點(diǎn)，那么不同位置不同類型的應(yīng)用，都會(huì)提供不同的部署環(huán)境。容器的出現(xiàn)，顛覆了傳統(tǒng)云廠商應(yīng)用的部署與調(diào)度，也催生了一些優(yōu)秀的容器編排工具，如 Kubernetes。
為了使得應(yīng)用更好的在不同配置的設(shè)備間更好的部署與調(diào)度，以適應(yīng)云邊協(xié)同這種分布式的架構(gòu)，研究者們也進(jìn)行了大量的研究。
Xiong 等人介紹了一種類似于 Kubernetes 邊緣計(jì)算環(huán)境中的基礎(chǔ)設(shè)施 KubeEdge，其在邊緣上提供了網(wǎng)絡(luò)協(xié)議基礎(chǔ)設(shè)施和與云中相同的運(yùn)行時(shí)環(huán)境，允許應(yīng)用程序與運(yùn)行在邊緣節(jié)點(diǎn)和云服務(wù)器上的組件進(jìn)行無縫通信，實(shí)現(xiàn)了云邊協(xié)同架構(gòu)下容器在云與邊緣間的調(diào)度。
Zhang等人則是提出了一種動(dòng)態(tài)規(guī)劃的算法 E-ODD。在應(yīng)用部署的過程中，當(dāng)設(shè)備沒有足夠的計(jì)算資源時(shí)，它會(huì)將一些可移動(dòng)的任務(wù)卸載到云上，以占用額外的資源。但是，當(dāng)難以占用云資源或設(shè)備上的計(jì)算資源過多時(shí)，設(shè)備會(huì)將任務(wù)遷移回去。
Deng 等人參照目前云端微服務(wù)的部署模式，提出以微服務(wù)形式在云邊協(xié)同框架下部署應(yīng)用，并設(shè)計(jì)了一種在資源約束和性能要求下優(yōu)化應(yīng)用程序部署成本的方法。
（3） 軟件協(xié)同
對(duì)應(yīng)傳統(tǒng)云計(jì)算直接提供相應(yīng)應(yīng)用部署環(huán)境的 SaaS 平臺(tái)，許多的云廠商也在邊緣計(jì)算這種計(jì)算范式出現(xiàn)之后，提供了專門針對(duì)邊緣計(jì)算的服務(wù)，Google在全球范圍內(nèi)部署了 1000 多邊緣服務(wù)器，并推出了針對(duì)邊緣的方案；Alibaba 在我國(guó)部署了 500 多邊緣服務(wù)器，也可以針對(duì)低延遲需求應(yīng)用提供邊緣服務(wù)； Amazon 則是針對(duì)低延遲需求應(yīng)用提供邊緣服務(wù)。眾多云廠商都在邊緣開始發(fā)力。
邊緣資源的增長(zhǎng)，平臺(tái)的搭建，無疑為特定應(yīng)用環(huán)境的部署提供了極大的便利。Bhattacharjee 等人設(shè)計(jì)了一款事件驅(qū)動(dòng)的大數(shù)據(jù)即服務(wù)產(chǎn)品，用于物聯(lián)網(wǎng)分析生命周期管理，簡(jiǎn)化了物聯(lián)網(wǎng)應(yīng)用的部署。
Chen 等人則針對(duì)資源有限的邊緣服務(wù)之間的協(xié)作進(jìn)行了研究，提出了一種協(xié)作服務(wù)部署和應(yīng)用程序分配算法來描述最終的邊緣服務(wù)部署策略，涉及邊緣節(jié)點(diǎn)和服務(wù)的放置，以及應(yīng)用程序在邊緣節(jié)點(diǎn)的分配，它通過設(shè)計(jì)最小資源占比獲得最少的邊緣節(jié)點(diǎn)數(shù)量，然后平衡計(jì)算負(fù)載。
五、云邊協(xié)同有哪些應(yīng)用？
實(shí)際中，在電力物聯(lián)網(wǎng)領(lǐng)域，圖像視頻相關(guān)應(yīng)用已經(jīng)越來越廣泛，智能化圖像的處理、任務(wù)調(diào)度將成為未來的關(guān)鍵。廣泛的智能終端接入和海量的感知數(shù)據(jù)在促進(jìn)電力物聯(lián)網(wǎng)智能化應(yīng)用進(jìn)一步提升的同時(shí)，也帶來了帶寬資源約束和網(wǎng)絡(luò)傳輸延遲等技術(shù)瓶頸。
在應(yīng)用過程中，如果使用基于云數(shù)據(jù)中心的智能云計(jì)算方式，無法滿足就地處理與實(shí)時(shí)智能分析的業(yè)務(wù)需求；如果使用邊緣計(jì)算，由于邊緣設(shè)備的算力有限，無法滿足延時(shí)約束和模型精度需求。采用基于云邊協(xié)同的智慧物聯(lián)體系，以同時(shí)達(dá)到高精度、低消耗、快響應(yīng)、低延時(shí)的應(yīng)用場(chǎng)景目標(biāo)，實(shí) 現(xiàn)新型電網(wǎng)物聯(lián)體系。
同樣，在正在高速發(fā)展的車聯(lián)網(wǎng)領(lǐng)域，如今海量實(shí)時(shí)數(shù)據(jù)，車輛行駛安全服務(wù)需要在毫秒級(jí)延時(shí)的情況下處理，而車載設(shè)備有限的計(jì)算和存儲(chǔ)能力難以滿足大量計(jì)算需求和低時(shí)延的限制，不僅如此，車聯(lián)網(wǎng)還具有節(jié)點(diǎn)高速移動(dòng)、拓?fù)浣Y(jié)構(gòu)動(dòng)態(tài)變化等特點(diǎn)，傳統(tǒng)的云計(jì)算并不能滿足其時(shí)延敏感型計(jì)算任務(wù)。車聯(lián)網(wǎng)借助云邊協(xié)同，可以根據(jù)實(shí)際的環(huán)境條件和限制對(duì)計(jì)算任務(wù)進(jìn)行選擇，在構(gòu)建的云邊協(xié)同網(wǎng)絡(luò)中完成絕大部分的計(jì)算，并通過路側(cè)單元等傳輸手段，實(shí)時(shí)將結(jié)果發(fā)送給請(qǐng)求車輛。
云邊協(xié)同中，邊緣側(cè)負(fù)責(zé)實(shí)時(shí)處理的部分，并與云端交互關(guān)鍵數(shù)據(jù)，云側(cè)則負(fù)責(zé)實(shí)時(shí)性需求低的密集計(jì)算任務(wù)等。云邊協(xié)同由于其繼承了云計(jì)算算力強(qiáng)大與邊緣計(jì)算延遲低等的優(yōu)勢(shì)引起一眾研究。目前，針對(duì)云邊協(xié)同的研究大都在物聯(lián)網(wǎng)，智能交通等方面，它和傳統(tǒng)應(yīng)用的目標(biāo)一致，即減少延遲、降低消耗最終實(shí)現(xiàn)更好的用戶體驗(yàn)。
重慶分公司
重慶分公司
