书名：边缘计算及其资源管理技术
ISBN：978-7-115-64291-2
本书由人民邮电出版社发行数字版。版权所有，侵权必究。
您购买的人民邮电出版社电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
著 范文浩
责任编辑 李 瑾
人民邮电出版社出版发行 北京市丰台区成寿寺路11号
邮编 100164 电子邮件 315@ptpress.com.cn
网址 http://www.ptpress.com.cn
读者服务热线：(010)81055410
反盗版热线：(010)81055315
本书系统地介绍边缘计算及其资源管理技术，首先讲解边缘计算的基本知识，分别阐述边缘计算的网络架构、基础技术与服务模式，以及资源管理的各类使能技术与平台。随后，深入分析边缘计算资源管理的基本问题和优化方法，分别讨论边缘智能、多无线接入网中的边缘计算、车辆边缘计算、工业物联网中的边缘计算、卫星边缘计算共5个典型应用场景下的边缘计算资源管理技术。
本书内容对边缘计算及其资源管理领域的知识获取、科学研究、技术研发等工作具有重要的参考价值，适合高校和科研院所的学生和科研人员、企业研发人员，以及其他需要了解和掌握边缘计算的技术人员和管理人员阅读参考。
随着云计算和移动通信技术的发展，云管端架构逐步形成。其中，云拥有海量资源，负责大规模信息集中处理；端的外形、资源和能量均受限制，负责信息采集、结果呈现和决策执行；管，即通信网络，负责连接云和端，提供数据传输服务。云管端架构深刻影响了整个信息技术体系和相关产业，大量的信息应用均基于该架构开发、部署和运行。
然而，云管端架构越来越难以满足各类计算、数据、通信等资源密集型应用愈发严苛的性能需求，其基于云的远距离集中处理模式易导致高数据传输时延、高网络传输负载和高云端计算负载等诸多问题。边缘计算将计算、存储和服务能力放置于网络中的边缘节点，为终端提供物理和场景近距离服务，可以有效解决以上问题。边缘计算将算力融入网络内部，形成了通算（通信和算力）一体共生的新型信息网络架构，是对传统云管端架构的部分颠覆和有效补充。
边缘计算从正式提出距今已有数年时间，正在经历高速发展，受到了工业界和学术界的广泛关注。同时，边缘计算也是算力网络的重要组成部分，其地位被相应提升至以先进信息技术支撑新质生产力的战略层面，具有重大意义。
保障边缘计算系统高效运行、资源高效利用的核心之一在于资源管理技术，涉及云-边缘-终端（云边端）中通信、计算、存储等多种资源的联合分配，并涉及各类任务和服务在云边端间的协同调度和编排等诸多方面。边缘计算是通信与信息系统、计算机科学与技术两大学科的交叉领域，其资源管理技术有别于单纯通信网络和单纯云计算中的相关技术，兼具复杂性和独特性。
本书深入介绍和分析边缘计算及其资源管理技术，分别从边缘计算的基本概念、网络架构、服务模式以及边缘计算资源管理的使能技术、基本问题、优化方法、典型场景等多个层面展开系统性论述。书中内容对边缘计算及其资源管理领域的知识获取、科学研究、技术研发等工作具有重要的参考价值。
本书共分为9章，章节安排如下：第1章概述边缘计算，介绍边缘计算的基本概念、演进历程、工作模式、行业与应用及边缘计算与算力网络之间的关系；第2章介绍边缘计算的网络架构、基础技术与服务模式，分析边缘计算信息基础设施涉及的网络部署和协同模式、所需的边缘节点的软硬件基础技术和通信网络基础技术及各类边缘服务模式；第3章介绍边缘计算资源管理使能技术与平台，阐述边缘计算资源管理的重要性，分析无线接入管理、网络资源管理、云边端服务管理中所涉及的各类使能技术和平台；第4章分析边缘计算资源管理在不同应用场景下的基本问题与优化方法，包括基本问题、系统模型、优化目标及优化算法；第5～9章分别讨论边缘计算在典型应用场景下的资源管理技术，介绍场景特征、需求、关键问题、建模方法和已有研究工作等，包括边缘智能、多无线接入网络中的边缘计算、车辆边缘计算、工业物联网中的边缘计算和卫星边缘计算共5 个典型场景。
本书的成功撰写离不开北京邮电大学团队成员李学伟、乔磊、原浩、陈鹏辉、王冠、淳雄飞、于洋、孟庆铖的努力付出。他们投入了很多时间和精力，开展调研工作，准备了大量原始材料，起到了重要的支撑作用，在此深表感谢。
另外，感谢人民邮电出版社的李瑾编辑，感谢她的大力支持，以及为本书成功出版所付出的辛勤工作。
边缘计算及其资源管理技术仍处于高速发展阶段，架构、技术和应用领域更新迭代迅速，加之作者水平有限和准备仓促，书中难免出现纰漏和错误，也难以做到全面覆盖，还望读者批评指正。
范文浩
2024年1月于北京邮电大学
本书提供如下资源：
● 本书图片文件；
● 本书思维导图；
● 异步社区7天VIP会员。
要获得以上资源，您可以扫描下方二维码，根据指引领取。
作者和编辑尽最大努力来确保书中内容的准确性，但难免会存在疏漏。欢迎您将发现的问题反馈给我们，帮助我们提升图书的质量。
当您发现错误时，请登录异步社区（www.epubit.com），按书名搜索，进入本书页面，点击“发表勘误”，输入错误信息，点击“提交勘误”按钮即可（见下图）。本书的作者和编辑会对您提交的错误信息进行审核，确认并接受后，您将获赠异步社区的100积分。积分可用于在异步社区兑换优惠券、样书或奖品。
我们的联系邮箱是contact@epubit.com.cn。
如果您对本书有任何疑问或建议，请您发邮件给我们，并请在邮件标题中注明本书书名，以便我们更高效地做出反馈。
如果您有兴趣出版图书、录制教学视频，或者参与图书翻译、技术审校等工作，可以发邮件给我们。
如果您所在的学校、培训机构或企业想批量购买本书或异步社区出版的其他图书，也可以发邮件给我们。
如果您在网上发现有针对异步社区出品图书的各种形式的盗版行为，包括对图书全部或部分内容的非授权传播，请您将怀疑有侵权行为的链接发邮件给我们。您的这一举动是对作者权益的保护，也是我们持续为您提供有价值的内容的动力之源。
“异步社区”是由人民邮电出版社创办的IT专业图书社区，于2015年8月上线运营，致力于优质内容的出版和分享，为读者提供高品质的学习内容，为作译者提供专业的出版服务，实现作者与读者在线交流互动，以及传统出版与数字出版的融合发展。
“异步图书”是异步社区策划出版的精品IT图书的品牌，依托于人民邮电出版社在计算机图书领域30余年的发展与积淀。异步图书面向IT行业以及各行业使用IT的用户。
通信技术和计算技术长期以一种相互分离的方式各自独立发展，但在4G/5G和云计算时代，两种技术日趋发展成熟并开始走向交互，通算一体化是未来通信技术和计算技术的重要融合发展方向，边缘计算作用于网络边缘，是两种技术在通信网络中的重要汇聚点之一。
边缘计算是一种新型消息服务模式，目前已形成行业生态和行业应用，它可充当传统端计算和云计算服务的外延，也可作为位于网络边缘侧的服务加速器和优化器，其目标为有效支撑未来泛在网络、泛在计算、泛在智能环境中的资源密集型应用需求。另外，边缘计算也是算力网络的重要组成部分，对我国新型信息基础设施建设具有重大意义，对电信运营商、消息服务提供商等具有重要的商业价值。
本章讨论边缘计算的基本概念、演进历程、工作模式、行业现状与应用，以及边缘计算与算力网络之间的关系，目的是使读者形成对边缘计算及其相关知识的基础认知，为后续章节内容的阅读和理解奠定基础。
1.1 边缘计算的基本概念边缘计算（Edge Computing）是一种在网络边缘处理计算、数据和服务的计算模式。其中，计算、数据和服务可能迁移自中心云服务器或用户终端设备，网络边缘泛指从计算任务源或数据生成源到云中心的路径上具备处理能力的任意节点。
边缘节点处于终端和云之间，向上与云交互，向下与终端交互，横向与其他边缘节点交互，是网络纵向的云边端协同和网络横向的边边协同的分布式计算模式的重要组成。
边缘计算是云计算的延伸，使云服务能够在网络边缘处运行，大幅降低终端与云之间的传输时延、云服务器计算负载和网络传输负载；边缘计算也是端计算的扩展，将用户终端设备上计算和数据处理卸载至边缘节点，可大幅增强终端的处理能力并降低终端负载和能耗[1]。
边缘计算平台融合网络、计算、存储、应用等核心能力，可以有效支撑计算、数据、通信等资源密集型应用，通过优化已有行业应用或创造新应用生态，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全隐私等诸多方面的需求。
近年来，信息技术不断推进终端设备的高速发展，移动智能终端和物联网（Internet of Things，IoT）终端是两种具有代表性的终端设备形态。
移动智能终端是移动互联网的访问入口，是用户的通信中心、消息中心、业务中心、多媒体中心和内容呈现中心，其形态不断向集成化、智能化等方向演进，承载着越来越广泛和丰富的移动互联网业务。
物联网终端负责将各类物体接入网络，感知和采集物理世界的各种信息，完成数据处理和传输，接收处理结果并执行指令，其形态不断向多模式、低功耗等方向发展，将越来越多的物体和越来越丰富的感知信息接入互联网。
移动智能终端和物联网终端均属于嵌入式设备，难以具有传统电子设备完善的计算处理、数据存储、网络传输和电量供应能力。嵌入式设备先天的资源受限情况形成了弱应用承载环境，主要表现为以下3个方面。
1）计算/存储能力受限。尽管嵌入式设备的处理器性能在不断提高，但由于受到设备尺寸与电池供电等因素的限制，嵌入式设备的计算和存储能力同桌面和服务器设备相比仍有很大差距，无法有效满足承载计算/数据密集型应用需求。
2）通信能力受限。嵌入式设备主要通过无线网络进行信息传输，少部分使用有线网络，受限于天线尺寸、电池供电和所处地点的复杂网络环境，通信质量不稳定，易随无线环境的变化而波动，难以始终满足网络应用的高速、高可靠通信需求。
3）能量供给能力受限。电池供电是嵌入式设备的主要能量供给方案，设备需要在任务本地处理耗能和续航时间之间做出权衡，因此，能量供给受限成为限制终端任务处理能力的瓶颈。
现有绝大多数移动互联网和物联网应用均建立在云管端架构（云-管道-终端）之上，即应用由终端部分和云端部分共同组成，而通信网络作为连接二者的管道，负责二者之间的信息交互。应用的正常运行需要终端和云端的协同配合，即终端侧负责信息采集和用户交互，网络负责数据传输，云端侧负责业务处理[2]。然而，云管端架构的远距离集中处理模式越来越难以满足大规模移动互联网和物联网业务愈发严苛的性能需求，其主要体现在以下3个方面。
1）云和端间距离远，传输时延过大。云服务器和终端设备之间的距离过远，交互信息需要经过接入网、承载网、核心网和互联网等多个网络转发，涉及排队、缓存、协议转换等过程，网络传输相对耗时过长，无法满足高实时性应用需求。
2）密集数据传输致使网络传输负载过大。对于数据密集型应用，大规模数据由终端采集上传至云服务器，会大幅增加网络传输负载，不仅会造成网络拥塞从而增加传输时延，而且会影响网络中的其他应用的数据传输。
3）集中式任务处理致使云端计算负载过大。对于计算密集型应用，来自终端的大量计算请求经由网络传输，最终汇聚至云服务器处理，这种集中式处理方式将大幅增加云端计算负载，影响服务性能。另外，云服务器故障、损坏等问题将造成全局服务中断，降低服务可靠性。
近年来终端应用在种类和数量上爆发式发展，其应用领域的广度和深度也得到了大幅拓展。持续膨胀的终端应用需求日益对终端设备和云管端架构的服务能力提出严峻挑战，各类计算密集、数据密集、通信密集等资源密集型应用对计算、存储和通信资源的要求在不断提升。然而，一方面，终端设备有限的计算能力、存储能力、通信能力和能量供给能力仍然将长期妨碍终端应用的发展；另一方面，传统的云管端架构难以适应未来大规模终端应用任务计算、数据传输和存储中的性能需求，将限制终端应用的规模化发展和性能优化提升。总而言之，用户对资源密集型终端应用的需求与终端有限资源可用性、云管端架构局限性之间的矛盾将日益加剧。
为了满足计算、存储和通信方面的服务需求，突破现有的技术矛盾，不仅需要充分利用终端的内部和外部资源，还需要借助云管端架构中各单元的配合。边缘计算是解决以上问题的有价值的手段之一，其核心思想是将计算、存储和服务能力放置于网络边缘节点（如蜂窝网络基站、Wi-Fi路由器、物联网网关、通信网络汇聚层服务器、现场指挥控制设备等），贴近用户终端，提供物理近距离（指边缘节点和终端间网络距离近）和场景近距离（指边缘节点和终端间业务场景距离近）服务，降低时延和能耗，实现多样化的边缘服务形式。边缘计算的主要功能如下。
1）计算卸载（Computation Offloading，又称计算迁移）。将终端的计算任务传输至边缘节点，边缘节点处理完毕后再将结果回传给终端，与任务在终端本地处理或传输至云服务器处理相比，计算卸载可有效降低终端任务计算时延。
2）数据缓存（Data Caching，又称数据迁移、数据卸载）。将云端数据下载至边缘节点，提供内容缓存服务，终端可直接访问边缘节点获取数据，与终端向云服务器请求数据相比，数据缓存可有效降低终端数据访问时延。
3）资源管理（Resource Management）。资源管理负责管理边缘节点和云边端网络架构中的所有通信、计算、存储等资源，完成计算卸载、数据缓存中的任务调度、服务和缓存放置、各类资源分配及服务定价等工作，实现系统性能、网络资源利用率及用户服务质量的提升。
一方面，边缘计算将任务从资源受限的终端内部迁移至资源相对丰富的边缘节点，通过终端内外部资源协同工作，有效改善终端的弱应用承载环境，增强终端能力——有效提高应用服务质量，提升应用运行效率，降低终端能耗。另一方面，边缘计算将云端的计算与存储资源由集中式云服务器向边缘节点分散，通过云服务器与边缘节点的协同工作，有效降低云服务器计算与存储负载及网络通信负载。
边缘计算是未来通信网络的基础性服务之一，成为运营商和消息服务提供商的重要业务增长点，在学术界和工业界均受到广泛关注。
边缘计算的价值包括降低时延、减少能耗、缓解负载、保护隐私、定制服务、增强能力等多个方面，同云计算和端计算相比，边缘计算在以上方面具有显著优势。
边缘计算相较于云计算的一项显著优势在于其计算资源更接近终端用户。在边缘计算的框架下，数据处理任务可以被分配到离数据源更近的网络节点，这意味着数据可以在不经过长距离网络传输的情况下进行处理。因此，边缘计算能够规避集中式远程云计算中心所面临的网络时延问题，从而显著缩短数据处理时间并提升响应速度，这对于需要实时反馈的应用场景尤为重要。
边缘计算能够提供高度实时的服务，从而显著提升用户体验。对于大多数物联网应用来说，云计算解决方案的时延取决于网络条件、应用需求以及数据中心的位置，一般在几十毫秒到几百毫秒之间，网络条件较差时的时延甚至为秒级。然而，采用边缘计算的策略有望将端到端的时延降低到接近单跳传输的水平，在理想条件下，实时性可能提升20倍左右，但具体的提升程度可能会因多种因素（例如边缘节点的位置）而有所不同。
在大规模物联网应用环境中，物联网设备数量的大幅增长将直接引发计算和数据的激增，从而导致信息系统能耗大幅度上升。数据传输、计算和存储消耗了大量的能源，在一些城市和地区甚至成为能耗的主要来源。然而，在边缘计算中，大量的前端设备数据无须再汇集到云中心，而是以分布式的方式存储在各个边缘服务器上，这极大地减少了网络中的数据传输量，从而降低了能耗。此外，计算请求也被分散到各地的边缘服务器上进行，这种方式有效地避免了云端大规模存储和计算产生的能耗。这种新的计算范式通过改变数据传输的距离以及计算和存储的位置，实现了能源的高效利用，降低了能耗，有望从根本上解决数据无限增长带来的能源瓶颈问题。
在传统的云计算模型中，所有数据均需传输至远程数据中心进行处理，这一过程需要消耗大量带宽和能源，从而增加了网络负载。同时，所有的计算任务都在数据中心的服务器上执行，这种集中式的处理方式需要大量的计算资源和能源，从而增加了云负载。然而，边缘计算模型将数据处理任务转移到离数据源更近的设备上执行，减少了数据在网络中传输的距离和频率，降低了网络负载。此外，边缘计算模型通过更有效地利用边缘设备的计算资源，降低了云端大量数据集中处理所产生的云负载，提高了计算效率。因此，边缘计算可以显著降低网络负载和云负载，这对于实现可持续发展和环保目标具有重要意义。
相较于云计算来说，边缘计算在隐私保护上颇具优势。首先，边缘计算的数据不需要传输到远程的服务器，用户数据可以在生成它的设备上进行处理和分析，从而减少了数据在传输过程中泄露的风险。其次，边缘计算可以提供更好的数据控制。因数据在本地处理，用户可以更好地控制哪些数据共享、如何共享。此外，边缘计算可以提供更加强大的数据控制能力，数据在本地处理使攻击者需要直接攻击设备才能获取数据，这相比于在云计算中，攻击者获得服务器的访问权限就有可能获得存储在服务器上的所有数据，提高了数据的安全性，更好地保护了用户隐私。
边缘计算的服务器主要是为与其直接相连的设备提供服务，然而前端设备的通信形式、服务类型、服务要求各不相同，会导致边缘服务器上所承载的服务因对应设备和服务请求的不同而产生差异。因此，在不同的应用场景下，面对各类设备类型的不同资源需求，边缘计算的服务对象呈现异构、多样的特点，服务类型也呈现高度定制化的特点。同时，边缘计算采用的通信技术具有相对较小的覆盖范围，每个边缘服务器所面向的用户主要由本地的固定用户和流动用户构成，这导致每个服务器上运行的服务类型、资源配置、接入策略等均有所不同，形成了服务器类型高度定制化的特点。众多云计算难以支持的实时和低功耗服务正在转向边缘计算。与传统的云计算相比，边缘节点的服务对象、服务类型和服务器类型都呈现出高度定制化的特点。这种全新的定制模式被视为边缘计算的一种潜在应用，展示了边缘计算的巨大潜力，为边缘计算的未来发展提供新的方向和可能。
随着互联网不断发展，越来越多的城市基础设施和移动智能设备产生了计算需求，这种无处不在的计算主要通过边缘节点的大量算力部署去实现。在整个物联网的发展过程中，边缘计算不仅可以为设备提供计算服务，更是赋予了物联网中的各种终端设备更智能、更灵活的思考方式和更强大的决策能力。系统能够即时响应各类指令和事件，这种计算模式不仅提高了设备的实时性能，还为物联网的智能化发展提供了新的可能性。
在众多领域，边缘计算为终端场景应用带来了新的优势。例如，在安防监控领域，通过在监控摄像头内集成计算单元，引入边缘计算，可以有效处理原始视频数据，避免将冗余数据上传到云端。此外，还可以植入人脸识别应用，在边缘对数据进行解析和模型匹配，从而快速识别重点监控对象，提高识别效率。在本地零售领域，边缘计算可以在本地就地进行数据处理和优化，无须将各分支的数据汇总到中心位置进行分析，从而在决策和行动方面获得更快、更及时的反馈。在在线课堂领域，边缘计算在靠近终端的网络边缘上提供服务，全域覆盖的节点资源仿佛打造了一张高质量、低成本的实时视频转发网络，更好地避免网络抖动带来的掉线和卡顿问题，将授课内容实时、高质量地呈现在学生面前。
边缘计算能够解决数字业务场景下云计算的时延、带宽、自主性和隐私保护需求问题，其具体应用将由人、设备和业务之间的数字业务交互来定义，拥有十分广阔的发展前景。
1.2 边缘计算的演进历程边缘计算经历了雏形阶段、发展阶段和应用阶段3个演进阶段。工业界（云服务提供商、通信设备商）和学术界均在演进历程中发挥了重要作用。
作为新兴技术，边缘计算在未来也将持续演进，通过与未来新型信息通信技术融合，形成新的形态。
边缘计算的演进历程如图1-1所示。
图1-1 边缘计算的演进历程
将任务从本地设备卸载至网络边缘节点，或者将云能力下发至网络边缘节点，是边缘计算的主要功能之一，而这种计算模式在边缘计算概念形成之前便已被提出。这个时期称为边缘计算的雏形阶段，工业界（包括云服务提供商、通信设备商）和学术界均提出了类似的技术和概念。
云计算的出现和发展是信息技术领域的一次重大革新。云计算的概念最早可以追溯到20世纪60年代，当时的“时间共享”模式是云计算的雏形。真正的云计算技术直到21世纪初才逐渐成熟。2006年，亚马逊推出了EC2（Elastic Compute Cloud），这是第一个商用的云服务平台，标志着云计算时代的到来。随后，谷歌、微软等科技巨头也纷纷推出了自己的云服务平台，如Google App Engine、Microsoft Azure等。这些平台提供了弹性、可扩展的计算资源，使得企业和个人可以按需使用，并且无须投入大量资金购买和维护硬件设备。云计算极大地降低了IT成本，提高了运算效率，在各行各业的数字化转型中发挥了重要作用。
将云计算能力下沉、分散，形成分布式云计算体系架构，是解决由云计算资源过度集中而导致的云计算负载过大和网络传输负载过大问题的重要手段。CDN和Cloudlet是执行数据密集型任务和计算密集型任务的代表性分布式云计算技术。
（1）CDN
内容分发网络（Content Delivery Network，CDN）是1998年由Akamai公司推出的一种构建在互联网上的分布式数据缓存系统，旨在有效地向用户提供Web内容和其他服务。CDN的主要目标是通过将内容发布到离用户更近的服务器上，来加快内容传输速率、减少网络拥塞，并提高网站的可用性和安全性。
当用户请求访问某个网站时，CDN会根据用户的位置和服务器的负载情况，将内容从原始服务器缓存或复制到离用户最近的CDN服务器上，这样用户可以就近获取所需的内容，而不需要完全依赖原始服务器。这种分发方式可以大大提高网站的访问速度，降低时延，并在一定程度上减轻原始服务器的负载压力。总之，CDN通过就近提供内容、优化网络流量以及增强网站安全性等方式，为用户和网站提供了更快速、更可靠的网络体验。
（2）Cloudlet
2009 年，卡内基梅隆大学的教授 Mahadev Satyanarayanan发表了学术界首篇关于Cloudlet的论文，明确提出了Cloudlet的概念。Cloudlet是一个移动增强的小型云数据中心，部署于互联网的边缘。Cloudlet更加接近用户和设备，可以在离用户更近的位置处理和存储数据。这意味着数据传输时延更低，响应时间更短，适用于对实时性要求较高的应用场景。Cloudlet还可以与云中心进行协同工作，将计算任务根据需求分配到云端或边缘进行处理，实现资源的灵活利用。从这个角度来看，Cloudlet可以被视为如今边缘计算的原型。
今天的边缘计算早已超出CDN和Cloudlet的范畴。与CDN相比，边缘计算涵盖计算、存储等多种功能，而非仅仅包含CDN中的静态内容分发；与Cloudlet相比，边缘计算中的“边缘”不局限于边缘节点，而是包括从数据生成源到云中心路径之间任意计算、存储的通信资源。
通信设备商提供用于通信传输、接收和处理的各种设备和技术，其产品涵盖网络设备、无线通信设备、传输设备、通信终端设备、通信测试设备等多种类型的设备。将计算、存储等能力与传统通信设备相融合，对通信设备商而言，是开拓新领域、创造新利润的重要机会，具有重要的商业价值。
2012年，思科正式提出雾计算（Fog Computing）的概念，其名称源于“雾是更贴近地面的云”。雾计算通过在网络边缘部署雾节点（Fog Node）来处理和存储数据，减少数据传输的时延和带宽消耗。雾节点可以是传统网络设备（如早已部署在网络中的路由器、交换机、网关等），也可以是专门部署的本地服务器。这些雾节点可以执行部分计算任务，并提供实时的数据分析、决策和响应，减轻对云中心的依赖。
雾计算的思想与边缘计算具有相似性，二者大部分内容是重叠的，而区别在于，一般而言，雾计算更强调网络的层次架构和雾节点在网络层中的分布式协同，而边缘计算不仅包含网络架构和边缘节点间的协同模式，还考虑边缘侧的业务运行，以及与云和端的配合。
边缘计算的基本思想在学术界早已存在，其核心之一——“计算卸载”，在数十年前便有学者提出。然而，受制于当时无线通信技术有限的数据传输速率，边缘计算在当时的通信环境中难以发挥作用，另外，当时终端载体的信息业务种类相对单一，对就近计算的需求并不强烈，因此，那时边缘计算并未受到学术界的广泛关注。
移动通信系统演进至4G阶段后，随着移动互联网、物联网业务的兴起，在通信技术进步和用户需求激增的背景下，边缘计算成为重要的使能技术。2009年，Mahadev Satyanarayanan发表了题为“The Case for VM-based Cloudlets in Mobile Computing”的论文，后续在全球移动计算和云计算交叉领域激发了许多技术努力，促成了边缘计算概念的出现。自此，边缘计算开始逐步发展，演进成为计算机、通信、电子等多个领域的热点研究方向。
2014年，欧洲电信标准化协会（European Telecommunications Standards Institute，ETSI）正式定义了移动边缘计算（Mobile Edge Computing，MEC）并成立移动边缘计算规范工作组。移动边缘计算是一种基于移动通信网络的全新的分布式计算方式，构建了无线接入网侧的云服务环境。移动边缘计算主要专注于在移动通信网络中为移动终端用户提供低时延、高带宽、个性化的服务。它将计算、存储和网络资源部署到移动通信网络的边缘，以便更快地响应终端用户的请求，并提供更丰富的应用体验。移动边缘计算技术主要依赖于移动通信基站或者终端设备附近的边缘服务器，这些服务器可以提供近距离的计算和存储能力，从而减少终端用户的业务访问和数据传输时延，另外，移动边缘计算通过将云计算业务迁移到各边缘服务器，来减少网络拥塞并降低云中心负载，最终提高用户体验。
2017 年，ETSI将MEC的解释由移动边缘计算调整为多接入边缘计算（Multi-access Edge Computing，MEC），用这个概念来概括更加广泛的边缘计算的场景和内涵，在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力而形成开放平台。多接入边缘计算更加强调在多种接入技术下实现边缘计算服务的一致性和可用性。它将边缘计算的服务与不同的接入技术（如Wi-Fi、蜂窝网络、传统有线网络等）进行整合，通过网络切换、流量管理、负载均衡等手段实现多接入技术下边缘计算服务的无缝切换和优化。
算力网络是“一种根据业务需求，在云、网、边之间按需分配和灵活调度计算资源、存储资源以及网络资源的新型信息基础设施”。具体而言，算力网络利用云网融合技术以及软件定义网络（Software-Defined Networking，SDN）、网络功能虚拟化（Network Function Virtualization，NFV）等新型网络技术，将边缘计算节点、云计算节点以及含广域网在内的各类网络资源深度融合在一起，通过集中控制或者分布式调度方法实现边缘计算节点、云计算节点的计算和存储资源、广域网的网络资源的协同，组成新一代信息基础设施，为客户提供包含计算、存储和连接的整体算力服务，并根据业务特性提供灵活、可调度的按需服务。
算力网络是由我国运营商主导提出的新型信息基础设施，对我国信息通信技术在国际上发挥引领作用具有重大意义。边缘计算是算力网络中的核心组成，是算力网络中算网融合的重要体现之一。
中国移动、中国电信、中国信息通信研究院等研究机构在推动算力网络的发展和建设方面作出了显著的贡献，作为国内领先的通信和研究机构，这些组织开展相关体系架构、关键技术的研究，发布了有关算力网络的标准和白皮书，推动了算力网络建设。
目前，算力网络的研究呈现百花齐放的繁荣景象，但相关架构、标准的设计依赖于传统网络技术，尚未形成统一的标准体系。未来，算力网络有很大的发展前景。
以“Edge Computing”为关键词在IEEE Xplore上搜索2013—2023年论文发表情况，结果如表1-1所示。注意，表中的数据主要反映增长趋势，很多关于边缘计算的论文并未使用该关键词，故实际的论文数量应远大于表中的数据。
表1-1 论文数量年份对应表
| 年份/年 |
2013 |
2014 |
2015 |
2016 |
2017 |
2018 |
2019 |
2020 |
2021 |
2022 |
2023 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 论文数量/篇 |
288 |
313 |
372 |
599 |
937 |
1696 |
2538 |
3143 |
3646 |
4302 |
4988 |
2016年以前，边缘计算处于原始技术积累阶段；2017年至今，边缘计算开始被业内熟知，与之相关的论文发表数量快速增长，边缘计算开始飞速发展。
边缘计算受到了国际学术组织的广泛关注。IEEE、ACM和其他学术组织相继举办了相关的会议和研讨会，如IEEE International Conference on Edge Computing（EDGE）、ACM/IEEE Symposium on Edge Computing（SEC）；多个国际一流学术期刊和会议，如IEEE Journal on Selected Areas in Communications（JSAC）、IEEE Transactions on Mobile Computing（TMC）、IEEE Transactions on Communications（TCOM）、IEEE Transactions on Wireless Communications（TWC）、IEEE International Conference on Computer Communications（INFOCOM）、IEEE Global Communications Conference（GLOBECOM）、IEEE International Conference on Communications（ICC）、IEEE Wireless Communications and Networking Conference（WCNC）等也大量接收边缘计算方向的高水平论文。另外，多个国内著名学术期刊，如《中国科学：信息科学》《电子学报》《通信学报》《物联网学报》等，也大量刊载边缘计算方向的论文成果。
当前，学术界对边缘计算的研究主要集中在以下3个方面。
1）边缘计算的体系结构和架构：包括终端节点、边缘服务器、云服务器之间的协同关系，以及边缘计算中的计算、存储、网络和安全等方面的问题。
2）边缘计算的应用场景和应用程序：包括智能制造、智能城市、智能交通、医疗保健、虚拟现实、游戏等多个领域，以及在这些领域中如何设计和实现高效、可靠、安全的边缘计算应用程序。
3）边缘计算的系统优化和性能评估：包括边缘计算中的任务调度、资源管理、能耗优化等问题，以及如何通过仿真、实验和测试等手段来评估边缘计算系统的性能和可靠性。
总之，学术界对边缘计算的研究正在不断深入和拓展，未来还将有更多的关注点和挑战。
边缘计算的技术发展水平已经可以满足行业落地需求，然而，边缘计算属于新兴技术，尽管潜力巨大，但由于发展时间较短，其行业应用仍然处于探索和试验阶段，商业模式和应用场景也需要进一步明确和优化，需要行业各方共同努力，推动边缘计算的行业应用。
边缘计算应用现主要体现在以下两个方面。
1）边缘平台。边缘平台是云计算服务平台在边缘侧的延伸，满足客户对于边缘计算资源的远程管控、数据处理、分析决策、智能化的诉求。众多云计算企业，如华为、阿里巴巴、腾讯、中兴等国内企业，亚马逊、谷歌、微软等国外企业，均推出了自己的边缘计算软件平台。
2）边缘设备。边缘设备是一种内置边缘计算服务能力的硬件装置，集成于特定应用的信息系统中，实现现场级边缘计算解决方案。近年来，边缘计算在多个行业（如公共安全、交通物流、医疗保健、生活家居、消费电子、现代工业、现代农业、军事国防等）中逐步实现了应用，增强了应用性能，提高了服务质量。
随着5G/6G、物联网、人工智能等技术的快速发展，边缘计算的应用场景会越来越丰富，边缘计算也将推动数据处理和分析的方式发生根本性变化，并在未来数字化世界中发挥越来越重要的作用。
边缘计算不断吸引着工业界和学术界的高度关注，在基础理论、关键技术、创新产品方面持续取得一系列的创新性进展。
边缘计算与6G的深度融合是未来边缘计算的重要发展领域。6G移动通信网络融合卫星通信系统和地面通信系统，构建星地融合、优势互补的天地一体化网络架构，为用户提供全球无缝覆盖和大容量、高速率的通信体验。卫星通信是一种无线通信技术，它利用人造卫星在地球轨道上的位置来传输和接收信息。卫星通信与边缘计算相结合，将产生一种新的计算模式，即卫星边缘计算。在该模式下，卫星不仅是传输数据的中继站，还可以处理数据，这样可以有效缩短服务响应时间，节省卫星网络中宝贵的回传带宽资源，缓解地面数据处理中心的压力。
另外，未来边缘计算也将在如下方向持续进步。
1）边缘智能。边缘计算与人工智能的结合将成为未来的趋势。在边缘设备上运行轻量级的机器学习和深度学习算法，可以实现实时的智能决策和数据分析，提高端侧应用的智能化水平。
2）分布式边缘计算。随着物联网设备的不断增多和应用场景的复杂化，边缘计算将更加分散化。边缘节点将更广泛地部署在各种终端设备、基站、工厂和建筑等，形成庞大的边缘计算网络，实现更低时延的数据处理，提升决策能力。
3）云边端协同。边缘计算与端计算和云计算之间将形成紧密的协同关系，形成统一的云边端计算架构。通过云边端协同，运营商可以更好地统筹管理全网的各层资源，实现服务质量和用户体验的按需优化，以及网络成本和开销的有效控制。
4）安全与隐私保护。随着数据在边缘设备上的处理和存储增加，安全和隐私保护将成为关键问题。未来，边缘计算更加注重数据的安全传输、安全存储和加密技术，以确保用户数据的安全性和隐私性。
5）跨行业应用。边缘计算将在各个行业中得到广泛应用，相比现阶段更广和更深。例如，在智能交通领域，边缘计算可以实现实时的交通监控和智能导航；在工业自动化领域，边缘计算可以优化生产过程和提高安全性；在医疗保健领域，边缘计算可以支持远程医疗和健康监测；等等。
总而言之，未来边缘计算将实现更加分布式、智能化和安全化的发展。它将与人工智能、物联网、云计算等技术相结合，为各种行业和领域带来更多创新和发展机会。
1.3 边缘计算的工作模式边缘计算是一种新型计算范式，它的核心理念是将数据处理和分析推向边缘，从而降低时延、提高效率，同时减少对云计算资源的依赖，增强终端的信息处理能力。边缘计算的工作模式不能只依赖于边缘节点，还需发挥边缘计算自身优势，与云计算、端计算、卫星计算等其他计算模式相互补充，形成融合共生的新型信息网络基础设施。
下面将分别介绍边缘计算与云计算和端计算的协同工作模式——云边端协同，以及边缘计算与卫星计算相结合的工作模式——卫星边缘计算。
云边端协同计算模式是一种综合云计算、边缘计算和端计算的计算模式，旨在实现高效的数据处理、减少云端的数据传输，使边缘节点和终端设备更加智能化，不依赖云端就可以进行自主的决策和处理[3]。在云边端协同模式下，其网络架构主要包括云端、边缘端和设备端3部分，如图1-2所示。
在云边端协同的计算体系结构中，云端承担大规模云中心的角色，主要负责处理对时延要求不高但具有高度复杂性的数据分析、机器学习模型训练的任务以及存储大规模全局数据。云端提供高度可扩展的计算和存储资源，以满足大规模数据处理的需求。与此同时，边缘端包括分布式的边缘节点，这些节点具备计算、存储和网络连接的能力，主要负责处理相对轻量级的计算任务，进行数据预处理和缓存，并提供低时延的快速响应。边缘节点的存在有助于减少数据传输时延和网络拥堵。
图1-2 云边端协同网络架构
在整个体系结构中，设备端包括各种终端设备，如智能手机和传感器，它们为用户提供交互界面，同时也是数据的产生者和消费者。这些终端设备能够与边缘节点和云端进行通信，上传数据并接收处理后的结果。此外，终端设备还能够执行本地计算，实现实时响应，从而减少对边缘和云的依赖。
在实现云边端协同的网络架构中，有4种主要模式：边端协同、云边协同、边边协同和云边端协同。边端协同指的是终端设备将计算任务卸载到边缘节点执行；云边协同是指边缘节点将计算密集型任务卸载到云中心执行；边边协同是指边缘节点将计算任务卸载到其他空闲的边缘节点执行；云边端协同是指终端设备采集数据并上传到边缘节点，边缘服务器对数据进行轻量级处理和小规模存储，然后将大规模数据上传到云中心，云中心处理计算密集型任务，并将结果返回给边缘节点和终端设备。
云边端在资源管理、数据处理、服务提供和应用层面体现出密切的协同。在资源管理方面，根据业务需求、流量情况和可用资源，对计算、存储、带宽和应用软件资源进行智能调度和分配。在数据处理方面，边缘端根据本地数据提供本地化服务，避免将所有数据传送回云中心造成网络负载压力；云端则能够进行全局数据深度分析，为边缘节点提供相应的调整和管理方案。在服务提供方面，边缘节点分布在网络各处，形成分布式计算能力，而云中心对这些节点进行统一管理和控制，为用户提供高效、优质的服务。在应用层面，通过有效的协同机制，实现各类应用的业务数据分发和应用请求调度。云边端协同作用使计算和存储能够下沉至边缘，实现应用的自动注册。同时，云边端协同机制实现任务处理的快速交付，提供高效的边缘服务。这种协同体系使整个系统更灵活、响应更快。
随着物联网时代的到来，未来世界各地的大小型设备都将需要连接。然而，地面网络所覆盖的陆地面积有限。此外，地面网络容易受到洪水、地震等自然灾害的影响。低地球轨道（Low Earth Orbit，LEO）卫星星座可以提供全球级网络覆盖，被认为是地面网络和未来5G/6G通信的有力补充，同时也是解决上述难题的关键。
相比其他形式的卫星通信，LEO卫星星座具有低时延、高带宽、全球覆盖和应急通信等特性，可满足现代通信和互联网的多样化需求，特别是在战地、灾区、海上等移动通信基础设施难以提供服务的特殊场景，LEO卫星星座具有天然的优势。但是传统的LEO卫星星座计算能力弱，且没有统一的服务框架和服务接口，无法直接提供计算服务。常见的卫星系统的任务执行流程为：地面终端向卫星发送命令，卫星将原始数据或者请求转发到地面数据中心，然后在地面对数据进行处理和计算，最后将处理和计算结果通过卫星传回地面终端。其中，卫星主要起“中继转发”作用。
卫星边缘计算将边缘服务器部署到卫星网络上，在没有地面网络或者地面网络条件较差时，地面用户可以直接使用卫星边缘服务器进行任务处理。这种卫星边缘计算方案可以减少数据传输量，提高卫星网络的效率和用户获得的服务质量。卫星边缘计算的经典任务执行流程为：地面用户实时上传任务请求，这些任务可能是来自地面的紧急通信请求、分析卫星采集的遥感图像等；当卫星接收到这些请求后，它会考虑在轨道上处理这些任务，而不是将任务全部发送回地面的云数据中心；卫星所携带的边缘服务器可以在轨道上自主执行资源分配和任务调度等工作，它会考虑星座中每颗卫星的资源使用情况，并制定合适的在轨卸载策略[4]。
卫星边缘计算的优势，一方面是其能在轨处理计算任务，地面终端发出的计算任务可以在卫星边缘节点上得到及时处理与计算，而不是完全依赖地面的云数据中心，这种处理模式能够大大缓解地面云数据中心的计算压力，同时降低服务响应时延、节省卫星链路的带宽资源。另一方面，卫星边缘计算中卫星覆盖范围广，可以满足那些地面网络无法提供服务的偏远地区（如海洋、高地等）的计算和通信需求。同时，在面临地震、洪水等自然灾害时，卫星边缘计算也能提供即时的通信和计算支持，协助救援工作、数据收集和危机管理。
但是，卫星边缘计算因其特殊性也存在一定的局限。
1）卫星资源受限。受卫星设备本身所能携带的计算资源和其能源获取方式的限制，卫星边缘节点能提供的通信和计算资源有限。
2）卫星网络具有移动性。卫星边缘节点一直处于高速周期性运动的状态，所以地面设备和卫星的连接状态动态变化，容易受到链路切换的影响。
3）需要有效的负载均衡策略。因为卫星网络服务区域不同，卫星之间的任务负荷存在差异，所以需要通过服务放置/任务卸载、内容缓存/请求调度等决策来实现各节点的负载均衡。
1.4 边缘计算行业与应用边缘计算行业与应用正在引领数字化时代的浪潮，它们不仅改变了数据处理和分析的方式，还催生了各种创新应用。从物联网设备的实时监控和智能工厂的自动化到自动驾驶汽车的智能决策及医疗保健领域的远程诊断，边缘计算的应用广泛且多样化。其核心优势在于降低数据传输时延、提高响应速度，同时确保数据隐私和安全。边缘计算在信息产业中崭露头角，为企业和消费者带来了更高效、更智能化的解决方案，创造了新的商机，预示了其未来无限的潜力和可能性。
边缘计算在全球范围内得到了广泛的关注和应用。下面我们从市场规模和竞争格局两个角度对边缘计算的行业现状进行简单分析。
随着互联网、物联网和移动通信的不断发展，边缘计算的市场需求正在不断增加，各行业对边缘计算的需求也在持续增长。
在国内，根据IDC（International Data Corporation）统计数据，2021年中国边缘计算市场规模达到33.1亿美元，较2020年增长23.9%。随着靠近数据产生端的边缘应用场景逐渐丰富，边缘定制服务器需求快速增长，以适应复杂多样的部署环境和业务需求，2022年，中国边缘硬件市场专用服务器总出货量达到3.4万台，边缘服务器市场规模达到约40亿美元。2023年，中国边缘计算服务器市场仍保持稳步增长，上半年中国定制边缘专用服务器市场规模达到1.3亿美元，同比增长49%。估计2027年中国边缘计算服务器整体市场规模将达到111亿美元，整体市场规模年复合增长率将达到23.1%。
在国际上，全球边缘计算市场受到5G、物联网等技术飞速发展的推动，处于蓬勃发展阶段。Grand View Research数据显示，2022年全球边缘计算市场规模达到112.4亿美元，其中工业物联网（Industrial Internet of Things，IIoT）领域应用占比超过29%。随着物联网设备数量呈指数级增长，集中式云架构可能面临处理海量数据的挑战，边缘计算提升了可扩展性、响应能力、安全性和隐私性，具备应对不断演进的物联网生态系统需求的潜力，应用场景广阔，初步预测到2028年，全球边缘计算市场规模可以超过580亿美元。
边缘计算涉及多个领域，细分市场广阔，市场潜力巨大。本土企业积极迎头赶上了这一行业的发展，因此中国边缘计算产业的发展与国际同步，涌现出了许多积极布局边缘计算市场的本土企业，未来发展前景十分可观。同时，边缘计算领域由于其多样性和广泛性，市场容量巨大，因此形成了多家巨头共存的竞争格局。
另外，算力网络的不断完善离不开功能强大的边缘计算平台。近年来，我国高度重视边缘计算的发展。国务院印发的《“十四五”数字经济发展规划》，强调推进云网协同和算网融合发展，加强面向特定场景的边缘计算能力，强化算力统筹和智能调度；工业和信息化部等部门印发了《5G应用“扬帆”行动计划（2021—2023年）》《新型数据中心发展三年行动计划（2021—2023年）》《工业互联网综合标准化体系建设指南（2021版）》等相关文件，持续加快推进边缘计算在产业界的应用与发展。
边缘计算产业的完整价值链覆盖了上游、中游和下游3个关键环节。
在上游，硬件供应商和芯片制造商为边缘计算设备提供关键组件，确保其性能和可靠性。
上游涌现了多家领先厂商，它们在提供硬件、处理器和技术方面发挥着关键作用。Intel以其Xeon处理器和Movidius视觉处理器等产品而著称，为边缘计算提供强大的处理能力；NVIDIA以GPU技术为基础，推出了Jetson系列处理器，专注于处理视觉、机器学习和人工智能任务；ARM则提供用于嵌入式系统和边缘计算的处理器架构，广泛应用于移动设备和物联网设备；Qualcomm作为一家以研制移动芯片为主的公司，也在边缘计算领域提供了处理器和技术。此外，DELL、HPE、Lenovo等大型IT设备制造商以及Siemens、Schneider Electric等工业自动化和物联网领域的公司也提供各种边缘计算解决方案，包括硬件设备、服务器和边缘节点设备等。这些上游厂商的不懈努力为边缘计算提供了强大的基础设施和工具，推动了这一领域的持续发展。
中游环节包含软件开发者、平台提供商和通信网络设备提供商，他们共同构建边缘计算的基础设施和生态系统。软件开发者负责创建应用程序和操作系统，平台提供商提供边缘计算平台服务，而通信网络设备提供商确保设备之间稳定的通信连接。
在国内，各大软件巨头在边缘计算领域积极布局，推出了各自的边缘计算软件平台。华为云推出了华为云IoT边缘，这是一个在边缘侧融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘服务，满足实时业务和应用智能的需求。阿里巴巴提出的物联网边缘计算则是一款物联网信息一体化解决方案，与阿里云大数据联动，打造云边端联动协同的计算体系。腾讯云物联网边缘计算平台（IoT Edge Computing Platform，IECP）将云端服务拓展到边缘侧，让用户在本地的计算硬件上创建连接IoT设备的本地边缘计算节点。此外，中兴通讯提供的Common Edge边缘计算解决方案通过与运营商网络的结合，提供了一个全新的网络架构，创造了性能高、时延低、带宽大的服务环境。
在国际上，亚马逊、谷歌和微软等云巨头也纷纷推出了边缘计算系统。亚马逊的AWS IoT Greengrass允许物联网设备和边缘设备在本地进行计算和数据处理，以提高性能、降低时延，并保持在云连接不稳定情况下的可用性。Google Distributed Cloud允许客户使用Google Cloud服务在本地迁移应用并处理数据，并可以在Google的网络边缘、运营商边缘、客户边缘和客户数据中心4个位置运行服务。微软的Azure专用多接入边缘计算结合网络功能、应用程序与边缘化的Azure服务，提供高性能、低时延的解决方案，满足企业的现代化业务要求。这些巨头在边缘计算领域的竞争格局愈发明朗，形成了一个庞大的边缘计算产业，为未来提供了广泛的应用前景。
至于下游，行业应用开发商则负责开发和推广基于边缘计算的具体应用，满足智能城市、工业自动化等领域的需求。最终，企业终端用户通过采用边缘计算技术来优化业务流程、提高效率，从而受益于整个产业链的发展。
AWS（Amazon Web Services）提供了用于存储、分析和部署边缘计算应用的各种云服务，如AWS IoT Core和AWS Greengrass；Azure提供了包括Azure IoT Hub和Azure IoT Edge在内的各种云服务，用于支持边缘计算应用；具有分布式数据库解决方案的公司，如MongoDB等，在下游存储和处理边缘计算生成的数据；IBM Edge Application Manager是IBM提供的边缘计算应用管理解决方案，用于在边缘计算节点上部署和管理应用程序；VMware Pulse IoT Center提供设备管理和监控功能，支持在边缘设备上部署和管理应用。
这种紧密合作的价值链使得边缘计算产业得以协同推进，不断创新并适应不同行业的需求。这意味着在未来的竞争格局中，可能会有更多的参与者进入市场，从而推动边缘计算技术的发展和应用。
边缘计算目前处于蓬勃发展的阶段，呈现出以下5个显著特点。
1）多方竞争格局。行业内存在多个竞争巨头，包括云计算巨头（如阿里云、腾讯云、百度智能云）、设备制造商（如华为、中兴通讯）、CDN服务提供商（如网宿科技）及一系列创业公司。这种竞争格局推动了边缘计算技术和服务的不断创新。
2）全产业链发展。边缘计算的产业链完整，覆盖了硬件供应商、芯片制造商、软件开发者、平台提供商、通信网络设备提供商及行业应用开发商等多个环节。这有助于形成一个紧密的合作体系，推动整个行业的协同发展。
3）政府政策支持。我国政府高度重视边缘计算的发展，通过文件发布和政策制定，推动云网协同和算网融合发展，强调推进边缘计算能力面向特定场景的应用，加强算力统筹和智能调度。这些政策为行业提供了支持和方向。
4）技术驱动和应用场景多元。边缘计算的发展受到技术创新的推动，包括芯片技术、网络技术、智能算法等方面的不断突破。同时，边缘计算在智能城市、工业自动化等领域的应用场景多元，为不同行业提供了面向其特定需求和挑战的解决方案。
5）国际化竞争。国际上的云计算巨头（如亚马逊、谷歌、微软）也在边缘计算领域投入了大量资源，推出了相应的系统和服务。这加剧了全球范围内的竞争，也为国内企业提供了更广泛的合作和市场机会。
边缘计算作为一种新生的计算形式，不仅在技术上不断成熟，还在商业应用中迅速扩展。未来，随着更多的创新和投资，会有更多令人激动的边缘计算应用和解决方案出现，为我们的数字世界带来更多的便利和效益。
边缘计算将计算资源和数据处理能力推进至靠近数据源头的网络边缘侧，能够为使用者提供即时计算、数据存储和网络通信等服务，具有时延低、效率高、实时性好、安全可靠的特点，在产业界具有极高的应用价值。本小节我们主要介绍边缘计算在产业界的一些具体应用。
当今，城市规模不断扩大，城市人口不断增长，城市管理问题日益突出，城市治安、灾害预警、公共卫生等问题备受关注，为此，公安部牵头提出了平安城市这一特大综合性信息化管理系统，以满足社会治安和灾害防控等需求。
我国的平安城市建设具有监控点多、信息量大、存储时间长及7×24小时不间断等特点，由此产生的海量数据如果全部由云端处理，会对核心网络造成极大的压力。而边缘计算有其特有的网络架构优势，可以在靠近数据源的地方实时处理任务，能够极大地提高工作效率，节省网络资源。目前，边缘计算在公共安全领域已有广泛应用。
1）实时监测与目标识别。在城市内广泛分布的传感器和摄像头会生成大量的实时数据。通过采用边缘计算技术，可以在接近数据源的地方对这些数据进行即时处理，从而减轻云中心的数据处理负担。借助城市中的摄像头，边缘计算还可以实现目标识别，例如检测交通事故、危险行为或突发事件。这种边缘计算技术使前端摄像头能够从仅仅“看得见，看得清”升级为“看得懂”，有助于执法部门更迅速地响应警情，提高城市的安全性。
2）危急事件的快速响应。在突发自然灾害、恐怖袭击或公共卫生事件等紧急情况下，传统的云计算架构可能会受到网络时延的限制，而边缘计算则能够在离事件发生地点最近的位置实时处理数据和发出警报。这种实时性有助于应急服务部门和执法部门更快速地响应紧急情况，采取行动，降低风险和损失。
3）隐私保护与数据安全。边缘计算通过将数据处理本地化，降低了数据传输的需求，减少了数据在互联网上的暴露。在边缘设备上处理数据，公共安全机构可以更好地掌握数据的流向和存储位置，从而更好地保护敏感信息。这种本地数据处理不仅提高了数据的安全性，还降低了数据被窃取或滥用的风险。对于公众而言，这种方法为个人隐私提供了更强有力的保护，让人们更加放心地参与各种与公共安全相关的活动。
从实时监测与目标识别到对危急事件的快速响应，再到隐私保护与数据安全，边缘计算的应用范围广泛，为城市管理者和执法部门提供了更快速、更智能、更安全的工具。通过采用边缘计算技术，我们能够更好地保护城市居民的安全和隐私，提高社会的紧急响应能力，为城市的公共安全建设提供强有力的支持。
交通问题一直是城市管理的核心问题之一，交通拥堵、交通事故和道路规划等问题与居民的生活质量密切相关。为解决这些问题，改善居民出行体验，智慧交通这一概念应运而生。
智慧交通是以互联网、物联网等网络组合为基础，以智慧路网、智慧装备、智慧出行、智慧管理为重要内容的交通发展新模式，具有信息联通、实时监控、管理协同、人物合一的基本特征。边缘计算作为一种新兴的计算模式，在其中发挥了巨大作用[5]。
1）交通监测。智慧交通系统需要交通流量、车辆位置和路况等实况信息来实现实时交通监测与智能信号控制。在此过程中，边缘计算节点可以利用分布在城市各个角落的传感器和监控摄像头收集大量实时数据，生成交通热图，智能控制交通信号，从交通管理者层面减少交通拥堵的发生。
2）自动驾驶。自动驾驶作为智能交通的另一个重要组成部分，在改善交通方面也有远大的前景。自动驾驶车辆依赖大量的传感器进行环境感知和决策制定，如果沿用云计算模式，网络状况不稳定带来的时延可能会导致严重的安全问题和效率问题，这时边缘计算的作用就显得尤为突出。通过将算力部署在车辆附近的边缘节点上，车辆可以实现低时延的数据分析与反应，更快地做出决策，再结合智慧交通系统的交通热图，选择合适的路线通行，就能从车辆层面减少拥堵的发生。
3）车联网。边缘计算可以为车辆提供处理视频、音频和信号数据所需要的架构、服务和支持，降低端到端的时延，使数据能够更快地被处理，避免数据处理过程过长而导致交通事故。通过接入互联网，车辆能够与其他车辆通信，告知它们任何预期的风险或者交通拥堵。
4）快递物流。通过在物流包裹上安装识别标签，可以实时感知和传输货物的位置信息，并且结合深度学习算法，利用各类无人设备可以实现自动化分拣，这为物流行业带来了更高的货物追踪可视性和可追踪性。同时，在运输车辆上安装的各类边缘计算设备可以实时监测车辆的行驶状态，自主识别并判断潜在的安全风险，从而保障运输过程的安全。
边缘计算在智慧交通中的应用发挥了关键作用，在交通监测、自动驾驶、车联网和快递物流等方面都产生了积极影响。通过在城市各个角落部署边缘计算节点，我们能够实现实时数据采集、分析和决策，减少交通拥堵、提高交通安全性，同时也为自动化驾驶和物流管理提供更强大的支持，从而构建一个和谐且强大的智慧交通生态系统，为城市建设注入更多的智慧与效率。
远程医疗是指通过互联网与通信技术来进行医疗服务的一种医疗方式，让患者无须亲自去医院就能享受医疗建议、健康监督以及病情诊断等服务。随着各种医疗物联网设备的普及，远程医疗的应用日益普遍，随之而来的是海量的数据，处理这些数据需要大量带宽与更大的云存储空间，这对医院的数据隐私保护也提出了更高的要求。
边缘计算技术将计算能力部署在数据源附近，减少了数据量与网络时延。患者可以通过各种医疗设备（如心率检测仪、血压计、血糖仪等）收集生理数据，并将其传输至边缘计算节点进行实时处理和分析，从而使医生能够及时做出诊断，提高医疗服务的质量，缩短诊断和治疗的时间，提升患者的就医体验[6]。
得益于边缘计算与5G技术的结合，远程手术这一创新性的医疗实践已经变得更加可行与可靠。边缘计算技术将算力部署在手术室，5G通信技术实现了极低时延通信，医护人员可以实时接收高清图像与声音反馈并精准操作医疗器械，极大地提高了手术的可靠性与成功率。
此外，边缘计算还具有极强的可拓展性，助力医疗系统实现更强的适应性和可持续性。边缘计算允许医疗机构根据其需求自由分配计算资源，构建合适的基础设施，具有极大的灵活性。此外，在紧急情况和突发事件中，边缘计算的灵活性使医疗机构能够快速响应，迅速部署额外的算力，以处理大量患者数据和支持医疗决策。
与此同时，边缘计算在患者隐私保护方面也具有天然的优势。边缘计算减少了传输至云中心的数据量，削减了需要接触数据的中间环节，有利于保护患者隐私，降低数据泄露的风险。此外，边缘设备具有的强大加密技术可以有效防止未经授权的访问，确保了患者的数据安全。
边缘计算在赋能医疗保健行业，助力医护人员提供更加高效、可靠的医疗服务的同时，拓展了医疗服务的范围，为医疗保健行业的发展开拓了新的方向，让医疗服务不再局限于地域范围，减少了患者的就医成本，也为平衡地区医疗资源作出了卓越的贡献。
随着物联网技术的不断进步，智能家居系统也日益完善。这些系统依靠大量物联网设备实时监测和控制家庭内部状态，接收控制指令，从而有效地提升家庭的安全性、便利性和舒适性[6]。边缘计算在智能家居方面主要有以下4个应用场景。
1）智能家居。边缘计算为家居领域带来了革命性的改变，它使家居系统具有了一定的数据处理能力，为家居生活带来了新的可能。这一技术使得家居设备能够在家庭内部实时处理和分析数据，无须云端介入，因此家居系统能够更快地响应指令，实现高度自动化的家庭生活。不同的家居设备系统可以实现高度的互联互通与协同工作，实现更加智能、高度自定义的家庭环境。
2）家庭安防。家庭安防系统也受益于边缘计算技术，它可以实时监测异常情况或者非法入侵。家庭中遍布的摄像头与传感器可以实时监测各种异常情况，同时家庭中的边缘服务器利用视频分析和识别技术，通过深度学习算法进行目标检测与识别，可以自动识别出人员、车辆及各种异常情况，减少误报和漏报，提高监控的准确性和可靠性，提供更加安全智能的家居环境。
3）能源管理。边缘计算设备能够更加精确地根据家庭成员的需求和生活模式调整能源使用，智能控制温控系统与照明系统，根据家庭成员的需求与状态调节室内温度与照明，减少能源浪费，提高能源利用效率，为可持续发展作出贡献。
4）隐私保护。涉及家庭数据的隐私性问题时，用户并不倾向于让云端提供家居服务，而边缘计算允许家居设备在本地进行数据处理和分析，不必将数据传输至云服务器，减少了家庭数据被窃取的风险，增强了用户对个人数据的掌控力。此外，边缘计算的端到端加密通信和安全传输技术进一步增强了智能家居系统的隐私保护能力，为用户提供了安全可靠的家居服务。
边缘计算与智能家居的结合代表着未来家居生活的发展趋势。它不仅为家居生活提供了更多便利，还为住户创造了更加智能、高效、舒适的家庭环境，为家庭生活带来了更多的可能性。
在数字化时代，消费电子已经成为我们日常生活中不可或缺的一部分。从云游戏、可穿戴技术到虚拟现实体验，消费电子产品不仅为我们带来了便利，还赋予了我们更多互联网连接和智能化的能力。而在这一领域的创新和进步中，边缘计算技术扮演着越来越重要的角色[6]。
1）边缘计算与云游戏。云游戏的显著特点之一是其对实时性的要求极高，通常玩家对时延的容忍度在50毫秒以下，这对硬件性能和网络稳定性提出了极高的要求。为了满足这一要求，我们可以通过在离用户更近的边缘节点上部署云游戏实例来优化服务，它允许厂商根据网络、算力等需求实时分配计算资源，实现就近接入，缩短传输线路，大幅降低游戏时延，在优化流量成本的同时提升并发能力。
2）边缘计算与虚拟现实（Virtual Reality，VR）。VR具有的高清晰度、高流畅性和极致的交互体验与VR设备的轻量化要求对传统的网络和计算方式提出了巨大的挑战。边缘计算在这些方面具有天然的优势。边缘计算将计算资源推向距离用户设备更近的边缘节点，显著降低了设备时延。同时，边缘节点具备的强大计算能力可以用于实时图像渲染和处理及用户数据捕捉，确保用户看到的虚拟世界与他们的动作和环境保持高度同步，从而确保虚拟元素与真实世界的交互更加自然。
3）边缘计算与智慧零售。随着网络建设的不断发展，消费者的购物习惯发生了巨大变化。人们逐渐熟悉了无人售货，而商家也趋向于利用网络平台来降低经营成本。在各类零售场所中，结合门店内的摄像头等设备的边缘计算发挥了关键作用，它能够生成顾客消费热力分布图，感知商品销售情况，进行销售态势的分析和预测，为零售店的营销、销售和产品规划提供决策支持，从而提升门店的服务水平和盈利能力。
边缘计算在消费电子领域的广泛应用为我们的日常生活带来了更多便利和智能化体验。随着技术的不断进步，我们期待边缘计算继续推动消费电子领域的创新，在未来取得更多令人兴奋的发展。
智慧工厂是制造业的一项革命性创新，它的理念是将数字化技术与自动化流程融入工业生产过程中，从而提高生产效率，降低生产成本，优化资源利用，同时提高产品质量。在智慧工厂中，边缘计算以其独特的优势发挥着至关重要的作用[7]。
1）边缘计算为智慧工厂提供了强大的数据处理能力。边缘计算节点能够实时分析和处理生产线上的各类传感器生成的大量即时数据，帮助管理人员掌握生产线的详细信息，更准确地了解生产进程，从而及时调整生产计划，及时发现潜在问题并进行调整。这有助于减少废品率，提高产品质量，更好地实现智能化生产。
2）边缘计算为工业制造提供了高度的灵活性与可拓展性。边缘计算节点易于添加和修改的特性能够让工厂在不大量改造基础设施的情况下根据需求动态地调整计算和存储资源，降低工厂转型和拓建的成本，提高生产的连续性。因此，智慧工厂在制造业中更加具有竞争力，生产者可以快速推陈出新、调整生产线以响应市场变化，从而获得更大的增长潜力，这有利于生产者在时刻波动的市场中保持竞争优势。
3）边缘计算为工厂提供了新的信息保护方案。边缘计算在生产信息、工艺参数与产品设计等机密信息的保护方面也有其独特优势。在系统部署边缘设备的自动化工厂中，敏感数据可以始终保持在工厂内部的边缘服务器中流转与存储，减少了数据流出的机会，可以有效地减少数据被拦截或窃取的风险，从而有效地保护企业的知识产权与技术内容。
4）边缘计算为行业降低了生产成本。能源成本是工业生产中的重要支出之一。通过在设备和工厂中部署传感器和智能控制系统，边缘设备可以实时监测能源消耗情况，并自动调整设备的运行模式以节省能源。边缘计算也可以用于供应链管理。通过实时监测供应链的各个环节，边缘设备可以帮助企业优化库存管理、生产计划和物流。这有助于减少生产停滞，提高供应链的效率。
边缘计算在制造业的发展中扮演了不可或缺的角色，它以强大的数据处理能力、高度的灵活性与极佳的隐私保护能力为制造业带来了巨大的变革和提升。工业生产不再是各类设备的机械运行，而是一个高度数字化、智能化的工业生态系统。
边缘计算在现代农业中的广泛应用代表了农业领域的数字化和智能化新趋势，为农业提供了新的发展方向。边缘计算在养殖业和畜牧业的应用可以为农业提供新的活力，提高农业生产的效率和农产品的质量，同时也能解放从业者，减轻工作压力，改善工作环境，为广大劳动者带来福祉[8]。
在温室大棚场景中，对作物的生产环境和生长环节进行精细的控制和管理是最重要的环节。通过大规模部署传感器和摄像头，管理者能够实时监测并掌握关键的环境参数，如气温、土壤湿度、光照等，从而确保温室内的作物能够在最理想的条件下生长。这些传感器和摄像头的数据不仅提供了实时的环境信息，还为智能化农机的运作提供了基础。边缘计算节点能够即时处理这些数据，使农业从业者可以根据实时信息做出决策，以实现精准的农业管理。具体而言，边缘计算技术支持精确施肥、智能灌溉和自动化收割等应用，这些应用不仅提高了农业的效率，还有助于资源的有效利用，减少浪费，推动智慧农业的可持续发展。
在畜牧业养殖场环境中，管理猪、牛、羊等畜牧产品涉及一系列复杂的挑战。这些畜牧产品是活体生物，其行动轨迹难以预测，而养殖场内的摄像头视野受限，无法全面监控每个动物的运动情况。因此，通常需要人员进行巡逻检查，以确保畜牧资产的状况和健康。为了应对这一问题，养殖场引入边缘计算技术，通过在养殖场中安装边缘计算设备，并搭载视觉识别技术，实现对每头牲畜的识别、运动轨迹和健康状况的实时检测。这意味着畜牧场主可以更有效地监控和管理养殖场内的动物，确保它们的健康和行为符合预期。此外，在特殊的放养环境中，还可以部署配备摄像头的车辆或者无人机，以进行更广泛区域的监控。这种方式可以监测大范围区域，提高管理人员的工作效率。
边缘计算与现代农业的结合展示了数字技术在农业领域的无限潜力，为现代农业注入了新的活力。从实时数据采集到智能化农机的运用，边缘计算技术已经成为农业管理和生产的关键支持工具。边缘计算的不断发展将持续推动农业向着更加智能、高效和可持续的方向前进。
在现代军事环境中，信息的快速获取、实时数据处理和即时决策制定至关重要。
在战场这种资源受限的环境中，战场网络常常面临诸多挑战。首先，战场环境具有极快速的时空特征演变，包括信号遮挡、电磁干扰、爆炸辐射、通信中断及设施损毁等，这些因素会导致网络通信不稳定和不可靠。其次，各类军事装备通常需要大量及时的响应和高计算能力的支持，而各类便携式和移动式武器装备以及指挥设备的计算资源有限，难以有效满足计算需求。这些因素使得在战场上维护稳定、高效的通信和计算环境成为一项具有挑战性的任务。
因此，军事领域需要考虑利用边缘计算技术和架构，实现更快速、更安全和更可靠的数据处理和决策。将计算资源部署在战场前沿可以降低数据传输和处理的时延，提高军队的反应速度和效能。边缘计算的军事应用构想如下。
1）情报侦察与感知。军事侦察在军事作战中具有至关重要的地位，它提供了关于敌人的意图、行动和战场环境的重要信息，为军事决策提供了坚实的基础。军队可以大量部署无人机、侦察机等无人设备，实时获取关键信息，同时利用边缘智能进行快速情报分析与目标识别，协助指挥中心进行实时决策。
2）地区安防与监测。无论是战时还是平时，军队和武警都有大量的安保任务。以往通常采取派遣士兵进行昼夜巡逻的方式，不仅消耗大量的人力物力，而且由于实地状况的不同，安排可能出现纰漏。可以在关键区域部署传感器和摄像头等设备，实时获取关键信息，同时边缘计算的高度机动性和灵活性也能适应各类场景，无论是战场还是后方，军方都能够快速进行设备部署，应对威胁。
3）保密通信。在高度对抗的战场环境下，只要通过网络传输信息，就有被敌方截获、破坏和篡改的风险。利用边缘计算，信息发出者可以在终端进行数据预处理，加密通信内容，减小泄密风险。同时，战场条件通常十分恶劣，可能存在高温、高湿和电磁干扰等，边缘计算设备良好的耐用性与抗干扰能力可以适应这一环境，保障通信的完整与稳定。此外，边缘计算设备具有高度的机动性和适应性，可以轻松部署在各种军事平台上，包括战术车辆、飞机和士兵的装备中。这种便携性使通信能力能够随时随地为军队提供连接，无论是在陆地、海洋还是空中。
目前，边缘计算的军事应用已经崭露头角。
1）Maven。由美国国防部发起的Maven项目是一个利用人工智能和边缘计算技术来分析军事情报的项目。它使用机器学习和计算能力，分析大量的图像和视频数据，以支持情报收集、目标识别和情报分析。这个项目的目标是提供更快速、准确和自动化的情报支持，以加强美国军队的军事优势。
2）TAK（Tactical Assault Kit）。TAK是一款用于战术通信和情报共享的移动应用程序，广泛应用于美国军队和其他盟国的军事行动中。它使用边缘计算技术，允许士兵和指挥官实时共享地理位置、情报数据和战术信息。TAK提供了一种高度互操作的通信平台，有助于增强战场上的协同作战。
3）JADC2（联合全域指挥与控制）。JADC2是美国军方的一个综合项目，旨在提高军队各部门之间的协同作战能力。它涵盖了边缘计算、人工智能和大数据分析等技术，以支持更快速、更智能的战场决策和行动。
4）OFFSET（OFFensive Swarm-Enabled Tactics）。美国国防高级研究计划局（DARPA）的OFFSET项目旨在开发使用边缘计算的自主无人机和机器人系统，以支持未来的军事作战。这个项目研究了如何在战场上部署自主军事机器人，以增强部队的作战能力。
5）JEDI（Joint Enterprise Defense Infrastructure）。美国国防部的JEDI项目旨在建立云计算和边缘计算基础设施，以支持各种军事应用，包括情报收集、作战计划、后勤支持等。
边缘计算已经成为现代军事战略的重要组成部分，塑造着未来军事操作的面貌。随着技术的不断演进，边缘计算将继续在军事领域中发挥不可或缺的作用，为国家安全和国防力量的现代化提供强有力的支持。
边缘计算应用的展望在当今科技领域引起了广泛的兴趣和期待。随着物联网、人工智能和高性能计算等技术的不断发展，边缘计算崭露头角，为我们带来前所未有的发展机会。
边缘计算作为一项新兴技术，正以迅猛的步伐不断演化和发展，为各行各业带来了革命性的变革。它的发展主要有以下4个方面。
1）边缘计算的应用领域日益扩大。除了传统的信息技术领域，边缘计算已经渗透到医疗保健、智能制造、城市管理、军事安全等多个领域。在医疗领域，它支持实时健康监测和医疗诊断，提供了更加个性化的医疗服务。在智能制造领域，边缘计算协助实现了设备的智能化。这些广泛的应用为边缘计算的发展提供了坚实的基础。
2）5G技术的普及推动了边缘计算的快速发展。5G的高速、低时延特性为边缘计算提供了理想的通信基础，使得数据可以更快速地从终端设备传输到边缘节点进行处理，然后返回终端设备。这种高效的通信方式不仅加快了应用的响应速度，还支持了更复杂的边缘计算任务，如虚拟现实、增强现实和自动驾驶等。
3）云边协同成为边缘计算的核心。边缘计算不再是孤立的计算节点，而是与云计算相结合，形成云边协同的体系。云端提供了大规模的计算和存储能力，而边缘节点则负责实时数据处理和响应。这种协同使得数据可以被更智能地分布和利用，从而提高整个系统的效率和性能。
4）边缘智能是边缘计算的一个重要方面。通过将机器学习和人工智能技术部署到边缘设备上，我们可以实现智能感知和决策。这使得边缘设备能够更加自主地处理数据和执行任务，为各种应用场景提供更高的智能化水平[9]。
展望边缘云计算产业格局，生态合作将长期成为该领域的主导趋势。边缘云的核心价值高度依赖于上层应用的成功落地，因此当前阶段各层次的参与者更倾向于聚焦核心能力范畴，积极构建生态系统。
电信运营商拥有独占的网络优势，难以绕过，因此综合型厂商尽管可能布局自有边缘云节点，但仍应与MEC（多接入边缘计算）打通。同时，电信运营商希望自己不仅充当网络管道的角色，还提供更多面向具体场景的服务能力，为MEC解决方案商提供了机会。在MEC解决方案商中，一类是信息与通信技术（Information and Communications Technology，ICT）厂商，它们长期以来一直是电信运营商的重要合作伙伴；另一类是来自私有云、SDN、开源等领域的创新型边缘云厂商，它们虽然规模较小，但通常具备技术和服务优势。运营技术（Operational Technology，OT）厂商在IoT边缘云方面占有优势，因为其能力与其他类型厂商有较大差异，所以更倾向于合作而非竞争。
总体而言，边缘云计算产业发展将更加依赖于跨行业、跨领域的合作生态，各方将共同努力推动边缘计算在不同场景中的应用和创新。
边缘计算作为一项具有无限潜力的技术，虽然在各个领域取得了显著的进展，但也面临着一系列挑战。
1）资源异构。边缘计算的资源异构性带来了一系列挑战。首先，硬件多样性表现为边缘计算环境中的硬件通常根据业务需求进行深度定制，这导致设备接口和数据标准不一致，增加了资源的互通难度。其次，OT领域与IT网络的历史割裂，硬件厂商众多、多代技术并存，设备难以互认，使得网络改造的难度进一步加大。
2）边缘安全。边缘云的特点包括分布广、环境复杂、数量庞大。这不仅使现场管理问题变得更加复杂，还因数据分散性而增加了潜在的攻击面，为非法攻击提供了更多的接触点。在边缘云中，由于计算和存储资源相对中心云更受限，同时众多应用对实时性有极高的要求，传统的安全手段难以满足边缘侧的安全需求。因此，必须建立更有针对性的边缘安全体系，以有效应对潜在的威胁和安全风险。
3）基础设施。边缘基础设施建设需要统筹规划网络架构、硬件资源管理和容量规划。网络架构的优化是确保数据快速传输的关键，需要考虑通信网络、物联网连接和边缘节点的通信。同时，有效管理硬件资源，包括服务器和传感器，以及规划资源容量，包括计算和带宽，也至关重要。这些方面的统筹规划将有助于实现高效的边缘计算基础设施，满足不同应用的需求。
4）投入产出比。高昂的部署成本是首要挑战，使得企业对于投资边缘计算感到犹豫。由于边缘计算的产出效果不易即刻衡量，企业对于投资回报的期望缺乏明确的指引，成为决策的难点。此外，多数场景下，边缘计算仍属于体验升级型需求，而非刚性需求，致使投资的紧迫性相对较低。下游应用场景的推广速度相对缓慢，难以形成规模化应用，进一步限制了边缘计算的投入产出比。
边缘计算还面临着诸多挑战，如标准化、资源管理和互操作性等。尽管如此，边缘计算对推动国民经济发展具有重要价值，随着边缘计算技术和相关产业的持续进步，其所面临的问题在未来均会通过不断创新、改进和合作逐步得到解决。
1.5 边缘计算与算力网络算力网络是一种具备在云、网、边之间按需分配和灵活调度计算资源、存储资源以及网络资源能力的新型网络基础设施[10]。其中，边缘计算作为其组成部分，将计算能力下沉到网络边缘，提高了实时性和效率。两者的结合为应用提供了更灵活、更强大的信息网络基础设施，共同满足从低算力需求的简单物联网应用到高算力需求的大型人工智能应用。
在数字化时代，计算资源，即算力，已经成为一项至关重要的基础资源。各种计算密集型业务（如人工智能等）不断涌现，对计算资源需求巨大。在云计算解决方案中，通常采用建设集中化的超级计算池来满足这些需求。
然而，在许多新兴业务场景中，集中式计算并非解决所有问题的唯一途径。受业务特性、成本、网络条件等多种因素驱使，集中式计算难以满足应用需求，例如会有时延、功耗等多种约束因素，相反，需要在多个分散的算力节点之间进行选择，这意味着用户需要能够随时获得分布式的算力资源。因此，在数据生成和计算需求不断增长的人工智能时代，算力将逐渐从云中心分散到网络内和网络的边缘，以满足数据和计算资源之间的即时需求，分布式计算代表着未来云计算和网络技术的重要演进趋势。
边缘计算的实施需要通过有效的通信实现资源的互联，因此资源可达性成为首先要考虑的问题。随着5G、SDN、NFV等技术的不断发展，通信网络得以按需连接资源池与用户，极大地提高了连接速度和质量，克服了阻碍资源可达性的瓶颈。
5G时代的到来使更多地区可以享受不受限制的高速网络接入，其高速和低时延特性彻底改变了互联网的应用方式。从更快的下载速度到实时高清视频通话，5G为各种应用提供了无缝运行的可能性，不仅提升了娱乐体验，还为远程办公、远程医疗和智能城市等领域创造了全新的机遇。5G的引入为边缘计算提供了强有力的支持，显著降低了终端与边缘之间的数据传输时延，使得实时决策和处理成为切实可行的选择。
SDN技术的进步使得在用户和算力池之间建立灵活弹性的连接变得更加迅速高效。用户的数据通过SDN技术可以以快速、高效、安全的方式传送到特定资源池，完成用户服务后，连接可以迅速拆除，从而减轻网络负担，进一步降低用户成本。这一发展为边缘计算的实施提供了更为可靠的基础。
NFV技术支持使用通用化的硬件构建统一的资源池，这样不仅可以大幅降低硬件成本，还可以实现网络资源的动态按需分配，从而实现资源共享和资源利用率的显著提升。在基于NFV架构的网络中，业务部署只需申请云化资源加载软件即可，网络部署和业务创新变得更加简单。
前面的分析表明，边缘计算业务正在迅猛发展，这需要广泛分布的计算资源，这些资源可能分布在不同的地点。然而，关键在于如何通过网络有效地协调和整合这些分散的资源，以便用户可以根据其业务需求自由选择适当的计算资源。因此，资源整合和协同成为一个新兴的挑战。
我们需要进一步研究云服务提供商是否有能力有效整合这些资源。如前所述，云服务提供商依靠规模效应来降低成本，特别是在人力成本方面，他们希望实现数据中心的自动化运维，减少人工干预。然而，如果他们要大规模地与各个机房的所有者进行洽谈、签署合同，并承担后期设备的管理和维护，这将需要大量人力资源。在当前市场状况下，云服务提供商更愿意与拥有大量资源的企业合作来共同运营。换句话说，云服务提供商面临着一个重要问题，即如何有效地协调和整合边缘计算所需的分散资源。他们更愿意与资源丰富的合作伙伴合作，而不是承担大规模的独立运营和管理工作。
中小型算力资源的所有者也面临着很大的经营难题。这是因为他们通常拥有有限的技术能力，难以开展广泛的业务，能够提供的产品和服务也相对有限。特别是在用户提出新需求时，他们难以迅速提供有效的技术支持。此外，企业由于规模较小，市场推广的力度有限，很难将自身的资源信息传达给潜在客户。
算力网络的兴起标志着数字时代中一种新型的计算力资源共享模式的出现。这一概念源于计算业务对计算能力日益增长的需求。算力网络的本质是通过互联网连接各种计算设备，形成一个分布式的算力网络，允许用户在需要时访问这些计算资源[10]。个人用户、企业和研究机构可以通过算力网络灵活地获取和提供计算资源，无须依赖传统的集中式云计算服务。这种新兴的模式不仅降低了计算成本，还促进了更广泛的计算资源共享，推动了科学研究、数据分析和人工智能等领域的创新发展。
算力网络是一种通过网络分发服务节点的计算能力、存储、算法等资源信息，并结合网络特性（如带宽、时延等），根据不同类型用户的需求，提供最佳的资源分配和网络连接方案的新型信息基础设施，可实现整个网络中资源的最优化利用。
从资源分配的角度看，算力网络与云网协同都可以做到将算力资源信息与网络资源信息匹配，以实现多类资源的联合优化。但云网协同和算力网络两者在本质上有很大的差异。
云网协同，有时也称为云网融合或云网一体化，其核心概念是以云计算为中心，网络连接根据云服务的特性来进行调整，这被描述为“网随云动”。这一战略的主要实施方式包括以下两种。
1）云管系统的资源调度。网络资源的能力被开放给云管系统，这个系统负责协调管理计算资源、存储资源和网络资源等。这种方法的核心思想是云服务的需求决定了网络的配置和性能。
2）网络控制单元的调度。云管系统将网络需求发送给专门网络控制单元，如网络协同编排器。这个网络控制单元根据云业务的需求来调整和协调网络资源，确保网络满足云服务的要求。
要注意，这种方法的关键是首先选择云服务，然后根据所选服务的特性来确定适当的网络连接。这意味着一个云服务提供商可以连接到多个不同的网络，甚至可以利用SDN、网络功能虚拟化等技术来实现不同网络运营商的跨域连接。这种方法的目标是最大限度地提高云服务的性能和可用性，通过灵活的网络配置来满足不同云业务的需求。
算力网络是以另一种方式解决计算资源分配问题的方法。在这种网络中，算力池会将其闲置的计算资源信息发送给网络控制面，然后通过网络控制面（可以是集中式控制器或分布式路由协议）来分发这些计算资源信息。当系统接收到用户的业务需求时，它可以通过分析路由表中记录的网络信息和计算资源信息，来选择最适合的算力池和网络路径。
如图1-3所示，基于算力网络架构中各模块功能的分类，以及各模块之间的关系，算力网络按功能层次划分，大致可分为服务提供层、服务编排层、网络控制层、算力管理层、算力资源层和网络转发层。
图1-3 算力网络架构
服务提供层是用户与平台之间的接口，它实现了用户服务开发功能。用户可以通过服务提供层调用平台的原子功能和服务，如负载分担和人工智能算法等。服务提供层通过北向接口与用户的业务服务连接，允许用户在自己的应用中定义业务服务。对于需要的功能和算法，用户将其委托给服务提供层来执行。服务提供层会处理这些任务并返回结果。用户对服务提供层功能的管理通常通过服务编排层间接实现，但直接调用原子功能则通过与服务提供层的接口实现。同时，服务提供层从网络控制层获取算力资源和网络资源信息，以支持信息处理，并在返回结果给用户的同时，将处理后的中间数据和其他必要信息提供给网络控制层使用。
服务编排层充当了整个算力网络的中央控制器的角色。它负责监控、管理、调度、分配和全生命周期管理虚拟机、容器、网络等各种服务资源。服务编排层通过与不同层级的接口协同，下发编排和调度指令，并获取相关信息，最后将这些信息传递给用户。这一层的功能可以被类比为算力网络的“大脑”协调各种资源以满足用户需求。
网络控制层在算力网络中具有重要作用。它通过网络控制平面实现对算力信息资源的关联、分发、寻址、调配和优化等功能。这一层既负责收集和分发底层资源信息，又提供网络服务给上层使用。此外，当服务编排层需要与网络控制层进行信息交互时，网络控制层能够提供最新的网络状态信息和全局算力信息，起到连接上下层的桥梁作用。简而言之，网络控制层是整个算力网络的关键组成部分，协调和优化资源分配以满足用户需求。
算力管理层是关键的资源管理层，主要负责注册、建模和支持不同类型的异构算力资源，如中央处理单元（Central Processing Unit，CPU）、图形处理单元（Graphics Processing Unit，GPU）、神经网络处理单元（Neural Processing Unit，NPU）等。CPU用于通用计算，GPU专注于图像处理，而NPU则用于加速神经网络相关计算等。这些不同类型的算力资源需要在算力管理层进行注册，然后由网络控制层发布到网络上。
此外，算力管理层还扮演了合理调度不同类型处理器资源的角色，确保它们能够最有效地执行适合它们的任务。这涉及统一建模，并与网络控制层的调度相结合，以确保异构算力资源能够充分发挥各自的优势，为上层提供最佳的计算支持。
算力资源层和网络转发层在算力网络中以一体化方式合并设置，需要根据实际情况和应用需求，结合计算处理能力和网络转发能力，实现各类计算和存储资源的高质量传输和流动。
算力资源层的职责是维护各种异构算力资源，包括CPU、GPU、NPU等主要用于计算的处理器，也包括带有存储能力的各种独立存储或分布式存储，以及通过操作系统逻辑化的各种数据处理设备。从设备的角度来看，算力资源层包括常见的数据中心计算设备，同时还考虑未来智能互联设备，如汽车、手持终端、无人机等，它们都能提供算力支持。
网络转发层则属于SDN架构的数据平面，它负责部署各种网络设备，并根据网络控制层下发的转发表项来引导数据包的转发。这两个层面的融合协同，确保了计算资源和网络资源之间的协调运作，以实现高效的数据传输和处理。
在算力网络的架构中，边缘计算被巧妙地融入整体系统，形成高效的分布式计算生态。该网络包括云数据中心、边缘节点和可能的物联网设备。架构的核心思想是将计算资源尽可能地推向离数据源更近的地方，以提高系统的整体性能和响应速度。
在算力网络的设计中，边缘节点的选择和配置起着至关重要的作用，直接影响整个系统的性能和效率。首先，硬件规格是选择边缘节点时的关键考虑因素之一。不同的应用场景和任务类型需要不同的计算资源。处理器性能、内存大小、存储容量和网络带宽都需要根据实际需求进行精心平衡。例如，对于计算密集型任务，需要选择性能较高的硬件以确保任务的迅速完成，对于数据密集型任务，更大的存储容量和高带宽的网络可能更为关键。
在考虑边缘节点的选择时，任务类型是一个需要仔细考虑的因素。不同节点可能更适合处理不同类型的任务。合理的任务分配可以优化整个系统的性能。此外，能源效率也是一个不可忽视的因素，特别是在移动边缘设备或物联网设备中，对能源的高效利用是必不可少的。
在考虑边缘节点在算力网络中的部署时，地理位置是一个关键的考虑因素。选择离用户或数据源更近的位置有助于降低数据传输的时延，提高系统的响应速度。地理分布的节点可以有效构建鲁棒性更强、更可靠的系统，以适应不同地区的需求。边缘节点被布置在关键地理位置，可能是城市中心、工业园区或其他关键场所。这些节点可以是强大的服务器、边缘计算设备或嵌入式系统，根据任务和性能要求的不同而灵活配置。边缘节点之间通过高速网络连接，来实现实时数据交换和协同计算。
了解算力网络的未来趋势对技术、商业和社会都具有重要意义，因为它们将深刻地塑造我们的未来，影响各个领域的发展和演进。
首先，算力网络是现代科技的关键驱动力之一。随着计算能力的不断增长，我们能够解决更加复杂的问题，加速科学研究，推动技术创新。了解算力网络的未来趋势有助于我们预测计算能力的发展方向，从而更好地规划研究和开发项目，提高技术的效率和性能。
其次，算力网络的未来趋势对商业世界至关重要。云计算、边缘计算、分布式计算等技术的发展将改变商业模式和市场竞争格局。了解未来的计算趋势可以帮助企业更好地适应和利用这些变化，提供更好的产品和服务，拓展市场份额，增加竞争力。
最重要的是，算力网络的未来趋势对社会有着深远的影响。它们将影响教育、医疗、交通、工业等各个领域。例如，边缘计算可以改善医疗诊断和远程手术的精度和效率，智能交通系统可以减少交通拥堵和事故，提高出行的安全性。了解未来的计算趋势有助于社会更好地规划基础设施和公共政策，提高生活质量和社会福祉。
我国的主要电信公司，如中国移动、中国电信和中国联通，都已制定了与边缘计算、5G承载和云网融合相关的战略规划。例如，中国联通在2019年公布的《中国联通算力网络白皮书》中指出，基于国家战略以及对5G和人工智能发展的预测，中日韩这三个制造业大国，都面临着人口老龄化的挑战，这必将推动产业升级，实现信息化向智能化的转变。因此，这三个国家也将是全球最早研究和实践“算力网络”的地区。中国电信的《中国电信云网运营自智白皮书》聚焦于边缘计算的智能应用。白皮书提到，算力网络将与人工智能、大数据分析等技术相结合，实现更高效的数据处理和决策。中国电信认为，算力网络在医疗保健、智慧城市、农业等领域有着广阔的商业前景，可以提供个性化的解决方案。中国移动的《中国移动算力网络白皮书》则更加关注边缘计算的安全性和可靠性，强调了在物联网时代，边缘设备需要更强大的安全性保障，以防止数据泄露和网络攻击。中国移动计划通过构建边缘安全网络，提供全方位的安全服务，为各行业提供信任和保障。
在算力网络时代，我国已经通过5G和人工智能的结合，开始在各行各业实现智能化。近年来，我国研究机构已经开始协同合作，积极向全球推广算力网络的需求、场景和生态，初步掌握了算力网络研究的主导权。
在2021世界计算大会上，中国信息通信研究院发布了《中国算力发展指数白皮书》。白皮书建立了算力发展研究框架和指标体系，从算力规模、算力环境和算力应用 3 个维度建立算力发展研究体系，给出了算力的研究范畴、总体框架和测算方法，研究了全球及我国算力发展的态势，系统测算了全球及我国的算力规模，以及算力对经济的带动作用，客观评估了我国各省市现阶段的算力发展水平，对各地推动算力技术产业、基础设施建设及算力应用的发展具有较强的指导作用。
2021年3月，中国联通推出了新一代数字化基础设施CUBE-Net 3.0，强调中国联通作为电信运营商，致力于成为数字基础设施新网络的构建者、算网一体确定性新服务的创造者、智能端云产业新生态的合作者，以更好地推动经济社会产业升级，助力各行各业的数字化转型和智能化改造。
中国移动同样在布局算力网络创新技术研究。2021年以网强算，提出“算力网络”全新理念：以算为中心、以网为根基，网、云、数、智、安、边、端、链（ABCDNETS）等深度融合，实现算力泛在、算网共生、智能编排一体服务。2023年，中国移动在技术架构上，提出“大-广-融”的技术架构规划，推动云网协同向云网融合方向发展；在资源投入上，累计投产云服务器超71万台，净增超23万台，不断优化“4+N+31+X”集约化梯次布局，已实现100%省份覆盖。在赋能行业上，目前移动云聚焦政务、医疗、教育等重点行业场景，助力超百万政企客户数字化转型升级，为数字中国构筑强大“云底座”，真正做到“为国建云”。
在社会变革方面，算力网络的出现将对社会和文化产生深远影响。首先，算力网络将推动社会向更加智能化的方向发展，提高社会运行效率。其次，算力网络将促进社会公平，让更多人享受到数字化带来的便利。最后，算力网络将推动文化的变革，新的文化产品和服务将不断涌现，丰富人们的精神生活。
然而随着算力网络的不断发展，其对社会和政策的影响也日益显现。在法规和监管方面，算力网络的复杂性和去中心化特性给传统的监管方式带来了挑战。因此，有必要出台新的法规来监管算力网络，确保其合法合规运行。例如，可以制定算力网络的数据安全法规，保护用户隐私和数据安全；制定算力网络的运行规范，防止恶意竞争和市场操纵；制定算力网络的税收政策，确保公平公正。此外，在软硬件选型方面，算力网络具有碎片化和异构性的特点，会有各类不同的计算框架。这就要求既要对自身应用的计算特性做深入了解，从而找到计算能力满足应用需求的硬件产品，又要找到合适的软件框架进行开发，同时还要考虑硬件的功耗成本在可接受的范围内。因此设计用于性能、功耗和成本分析的边缘计算平台是一项复杂的任务，需要深入了解应用需求、硬件设备、软件框架以及与之相关的资源管理和优化策略。
综上所述，算力网络的发展带来了机遇和挑战。在抓住机遇的同时，我们也应看到潜在的风险，通过制定合适的法规和政策，引导算力网络的健康发展，实现社会和文化的共同进步。随着ICT的不断发展，算力网络将会不断完善，在不远的将来必定会成为数字化信息社会的重要服务基石。
1.6 本书结构本书各章内容安排如下。
第1章，概述边缘计算，介绍边缘计算的基本概念、演进历程、工作模式、行业应用，以及边缘计算与算力网络之间的关系。
第2章，介绍边缘计算网络架构、基础技术与服务模式，分析边缘计算信息基础设施涉及的网络架构、所需边缘节点的软硬件基础技术和通信网络基础技术，以及各类边缘服务模式。
第3章，介绍边缘计算资源管理使能技术与平台，阐述边缘计算资源管理的重要性，分析无线接入管理、网络资源管理、云边端服务管理中所涉及的各类使能技术和平台。
第4章，分析边缘计算资源管理在不同应用场景下的基本问题与优化方法，包括基本问题、系统模型、优化目标及优化算法。
第5～9章，分别讨论边缘计算在各个典型应用场景下的资源管理技术，介绍场景特征、需求、关键问题、建模方法和已有研究工作，包括边缘智能、多无线接入网中的边缘计算、车辆边缘计算、工业物联网中的边缘计算及卫星边缘计算5个典型场景。
参考文献[1] ABBAS N, ZHANG Y, TAHERKORDI A, et al. Mobile Edge Computing: A Survey[J]. IEEE Internet of Things Journal, 2017, 5(1):450-465.
[2] MAO Y Y, YOU C S, ZHANG J, et al. A Survey on Mobile Edge Computing: The Communication Perspective[J]. IEEE Communications Surveys & Tutorials, 2017, 19(4):2322-2358.
[3] 陈玉平,刘波,林伟伟,等. 云边协同综述[J]. 计算机科学, 2021, 48(3):259-268.
[4] CHAI F R, ZHANG Q, YAO H P, et al. Joint Multi-Task Offloading and Resource Allocation for Mobile Edge Computing Systems in Satellite IoT[J]. IEEE Transactions on Vehicular Technology, 2023, 72(6):7783-7795.
[5] ARTHURS P, GILLAM L, KRAUSE P, et al. A Taxonomy and Survey of Edge Cloud Computing for Intelligent Transportation Systems and Connected Vehicles[J]. IEEE Transactions on Intelligent Transportation Systems, 2021, 23(7):6206-6221.
[6] PORAMBAGE P, OKWUIBE J, LIYANAGE M, et al. Survey on Multi-Access Edge Computing for Internet of Things Realization[J]. IEEE Communications Surveys & Tutorials, 2018, 20(4):2961-2991.
[7] QIU T, CHI J C, ZHOU X B, et al. Edge Computing in Industrial Internet of Things: Architecture, Advances and Challenges[J]. IEEE Communications Surveys & Tutorials, 2020, 22(4):2462-2488.
[8] ZHANG X H, CAO Z Y, DONG W B. Overview of Edge Computing in the Agricultural Internet of Things: Key Technologies, Applications, Challenges[J]. IEEE Access, 2020, 8(14):1748-1761.
[9] WANG X F, HAN Y W, LEUNG V C M, et al. Convergence of Edge Computing and Deep Learning: A Comprehensive Survey[J]. IEEE Communications Surveys & Tutorials, 2020, 22(2):869-904.
[10] 雷波,刘增义,王旭亮,等. 基于云、网、边融合的边缘计算新方案:算力网络[J]. 电信科学, 2019, 35(9):44-51.
