edge computing 相关资料

物联网体系结构

物联网作为一种技术体系，可以分为4层：传感器（控制层）、网络层、平台、应用层。

传感器：感知和控制传输
网络层：数据传输
平台：作为通信、数据和管理
应用层：数据分析与相关应用的实际实施

平台与应用层应该是位于数据中心，其主要实现的功能应该包括管理、分析、控制和数据处理等。网络层主要的功能则是进行数据传输以及通信。

为什么需要edge computing

背景：
1，云计算已经无法匹配海量数据处理
2，从网络边缘到数据中心网络带宽、延时的限制
3，边缘设备设计个人隐私与安全尤为明显
4，能耗
很多行业对实时性、可靠性与安全性等有严格要求，而物联网作为一种便携可移动的装置，有其别与传统互联网的特点——受限于接入带宽、流量、成本、能耗等条件的限制，所以对数据应该进行合理的处理，特别是进行预处理，以便能够进行“物尽其用”，避免资源的浪费。
在靠近物或者数据源头的网络边缘需要一个集连接、计算、存储和应用于一体的开放平台，用于就近提供边缘智能服务。
总结：边缘计算可以满足敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求，这些需求也正是物联网行业需要解决的问题。

边缘计算需要关注的四个方面

1. Application
   Example:
   Vehicular,Video surveillance,Smart city,Smart grid,Camera
   Intelligence,Mobile and wearable,Disater-relief,Bedside clinical
   Challenge:
   1, Real-time processing and communication
   2, Security and privacy
   3, Adaptive application development
   4, Tools for the development and testing of apps in edge-computing
2. Architecture
   Challenge:
   1，Enabiling QoS on Network Edge
   2，Data Provenance
   3，A Theorem for Tradeoffs，
   （1）Mobility，（2）Latency，（3）Capability，（4）Privacy .The conflicts may be such things: large capability implies long latency and improving privacy dictates increasing latency
   4，Cage-Level Securit
3. Capability
4. Service
   Questions：

• 4.1 What types of computing resources are there in edge computing?

  • Edge devices(Smartphones, tablets, etc)
  • Backend clouds(Google Services, Facebook, etc)
  • Edge infrastructure(In-car servers that are built in a vehicle)
  • 

• 4.2 Who provides the resources?

  • Cloud service provider model
  • Hird party edge service provider model
  • End-user model

  Challenge:

  • Naming, identifying, and discovering resources
  • Standardized APIs
  • Intelligent Edge Services
  • Security and Trust
  • Edge Service Ecosystem

  Benefits：

  • 分布式和低延时计算
  • 对终端设备的数据进行筛选，不必每条原始数据都传送到云，充分利用设备的空 闲资源，在边缘节点处过滤和分析。节能省时。
  • 减缓数据爆炸，网络流量的压力，在进行云端传输时通过边缘节点进行一部分简单数据处理，进而能够设备响应时间，减少从设备到云端的数据流量。
  • 智能化（Edge intelligence）

  Requests:

  • 差异性、可扩展性、隔离性、可靠性
  • 众多的设备要怎样部署
  • 服务模式会有何种变化
  • 不能所有数据都在边缘节点计算亦不能所有数据都在云端进行计算，如何进行数据筛选，对实时、简单的数据进行处理，而将一些数据传输云端
  • 轻量级库和算法
  • 可持续能源消耗
  • 高水准的服务质量（QoS）和服务体验（QoE）
  • 开放和安全的使用边缘节点
  • 微型操作系统和虚拟化

可研究什么

基于边缘计算的实时应用和服务质量
基于边缘计算的容错、响应、一致性、可用性
边缘计算中的负载均衡和服务选择
基于边缘计算的用户认证、授权和计费
边缘计算的部署和管理
边缘计算和云计算的交互作用
软件定义网络的边缘计算
实时内容计算