面向物联网的边缘云计算技术导论

一、引言

在过去几十年中，由于整合带来的高成本效益和灵活性，云计算得到了极大的发展和应用，其计算、存储和网络管理功能以集中式的方式运行。随着移动互联网和物联网（IoT）应用的快速发展，现有的集中式云计算架构正面临严峻挑战。连接到远程集中式云服务器的移动设备试图获取复杂的应用，这给无线接入网络和回传网络带来了额外负载，并引入了高延迟[1]。此外，随着接入设备种类和终端用户需求的爆炸式增长，物联网正在推动现代生活各个方面的数字化转型[2]。思科估计，到2020[3]年，连接到物联网的设备数量将达到五百亿。新兴的物联网带来了新的挑战，而集中式云计算架构难以充分应对这些挑战，例如严格的延迟要求、容量约束、资源受限的设备、在间歇性连接情况下的持续服务以及增强的安全性[4]。迫切需要一种突破集中式架构、缓解容量和延迟约束的先进云计算范式，以应对这些挑战。

物联网指的是数十亿台设备之间就与现实世界对象（即“物”）相关的数据进行交互和通信。物联网的特征包括超大规模网络、设备和网络层面的异构性，以及这些“物”产生的大量事件，这使得多样化应用和服务的开发成为一项极具挑战性的任务。在物联网[5]云场景中，实现这些需求正变得愈发困难。

物联网应用通过物联网传感器产生海量数据，这些大数据随后被分析以响应事件或提取分析结果与统计信息。然而，将所有数据发送到云端需要极高的网络带宽，成本难以承受。近期的研究正在探索如何更好地利用网络边缘的能力来支持物联网及其需求[7]。在边缘计算中，由各类物联网设备产生的海量数据可在网络边缘进行处理，而非因带宽和能耗问题将其传输至集中式的云基础设施。

与云计算相比，边缘计算能够提供响应更快、质量更高的服务。边缘计算更适合与物联网集成，为大量终端用户提供高效且安全的服务，基于边缘计算的架构可被视为未来物联网基础设施的候选方案[8]。

最近，新兴技术和应用正在推动计算与通信领域的发展趋势，将集中式云计算的功能转移到网络的边缘设备上[9]。软件定义网络（SDN）及其相关的网络功能虚拟化（NFV）概念被提出作为未来网络的新兴解决方案[10]。特别是网络功能虚拟化（NFV）使边缘设备能够通过创建多个虚拟机（VMs）来提供计算服务并运行网络功能。此外，超低延迟被确定为第五代（5G）无线接入网络（RANs）的主要需求之一[11]。为了降低延迟，移动运营商倾向于在网络边缘部署应用和内容。同时，运营商可以向第三方合作伙伴开放无线接入网（RANs）的边缘设备，使其能够快速向移动用户、企业用户及其他垂直领域推出创新的应用和内容[12]。尽管可穿戴手表、智能手机及其他物联网设备的计算能力已显著提升，但它们仍受限于内存大小、电池续航、散热等基本挑战。移动设备需要通过将应用中的高能耗计算任务卸载到网络边缘，以延长电池续航时间[13]。

为了高效支持大规模机器类通信、超可靠低延迟通信以及高频谱效率（SE），产业投资和研究兴趣对网络边缘的关注已显著增长[14]。为满足资源密集型应用的低延迟需求，一种名为云粒的新架构单元已被提出[15]。为了加速基于云粒的生态系统发展，沃达丰、英特尔和华为公司联合卡内基梅隆大学（CMU）于2015年6月发起了开放边缘计算（OEC）倡议。类似地，诺基亚网络公司在2013年推出了一种与基站集成的计算平台[16]。在网络边缘执行应用和服务的初步概念逐步形成。2014年9月，欧洲电信标准协会（ETSI）提议成立一个新的行业规范小组（ISG），以制定移动边缘计算（MEC）的行业规范，该提议得到了华为、IBM、英特尔、诺基亚网络、NTT DOCOMO、沃达丰等公司的支持[17]。在2016年MEC世界大会上，MEC ISG将移动边缘计算更名为多接入边缘计算，以反映非蜂窝运营商日益增长的兴趣。预计多接入边缘计算将从2017[18]年底开始发挥作用。另一种类似的边缘计算技术被称为雾计算，由思科于2012[19]发起。为了加快雾计算的采用，开放雾联盟于2015年11月由ARM、思科、戴尔、英特尔、微软和普林斯顿大学共同成立。

作为物联网的三种典型边缘计算解决方案，迫切需要突出它们之间的差异，并且在参考背景、系统架构和关键技术的基础上，构建一个边缘计算技术的框架具有挑战性。现有的关于边缘计算的教程文章如表I所示。这些已有出版物的范围既没有提供深入讨论，也没有从整体系统架构和关键技术的角度对提高频谱效率、降低延迟和支持大规模机器类通信进行比较。因此，有必要展示一篇关于边缘计算的教程，通过提出一个综合的综述框架来探讨计算。考虑到边缘计算的重要方面和活跃的研究活动，本文提供了一个关于系统架构、关键技术以及应用特性的教程，以促进边缘计算的研究和商业成功。此外，鉴于该研究领域的广泛性，本文还介绍了将已建立完善的雾计算基础设施应用于5G无线接入网所面临的更多开放性问题和挑战性工作，这些都有必要在未来进行深入研究。

方面	综述论文	贡献
云粒	[15]	一种基于云粒的新架构，用于克服移动计算中的技术障碍。
云粒	[24]	一个基于云粒概念的开放生态系统，支持许多令人兴奋的移动应用。
移动边缘计算	[12]	MEC定义、架构蓝图、需求的概述，移动边缘计算的挑战以及MEC计划的目标。
移动边缘计算	[13]	一项关于最先进的MEC研究的综合综述，聚焦于联合无线电和计算资源管理。
移动边缘计算	[41]	主要用例和参考场景的综合综述，当前移动边缘计算标准化的进展，以及计算卸载研究
雾计算	[4]	聚焦雾计算的机遇与挑战概述，主要基于物联网的网络环境。
雾计算	[54]	雾计算定义、参考架构、用例概述，雾计算的挑战以及未来研究和工作。
综合的调查	[9]	边缘计算定义、起源与背景、挑战的概述以及应用。关于边缘计算未来研究方向的讨论。
综合的调查	[14]	综合比较三种方法：雾计算、移动边缘计算和云粒。关于进一步工作和研究的讨论，以获得类似概念行业采用的雾、移动边缘计算和云粒。
综合的调查	本文	最先进的三种边缘计算技术的综合教程，包括移动边缘计算、云粒和雾计算。一种比较的标准化工作、原理、架构和应用技术。移动边缘计算与雾计算的区别从无线接入网络的角度来看。

本文的其余部分组织如下：第二节综述了云粒的原理和应用。第三节介绍了移动边缘计算的标准化工作、应用、架构和关键技术。第四节总结了雾计算的标准化工作、应用和系统架构，并比较了基于移动边缘计算和雾计算的无线接入网络（雾无线接入网络）。开放问题与挑战在第五节中列出，随后是第六节的结论。

二、云粒：互联网的边缘

云计算面临的一个关键挑战是移动设备与关联云[20]之间的端到端响应性。为应对这一挑战，提出了云粒，即一种位于互联网边缘、支持移动性的增强型小规模云数据中心。云粒是一种可信的、资源丰富的计算机或计算机集群，能够良好连接至互联网，并可供附近的移动设备使用[15]。

云粒的主要目的是通过向移动设备提供强大的计算资源并降低延迟，来支持资源密集型和交互式移动应用。用户设备可以通过单跳高速无线局域网访问附近云粒中的计算资源。云粒代表了三层层次架构（移动设备层、云粒层和云层）中的中间层，以实现快速响应时间。云与云粒之间存在一些虽少但重要的区别：

1) 与云数据中心相比，云粒在资源供给上需要更加敏捷，因为由于用户移动性导致的大量变动，其与移动设备的关联具有高度动态性；
2) 为了支持用户移动性，需要使用虚拟机（VM）移交技术，以便在用户离开当前关联的云粒时，将卸载到第一个云粒上的服务无缝迁移到第二个云粒上；
3) 由于云粒是地理上分布的小型数据中心，移动设备在开始提供服务之前，必须首先从多个候选云粒中发现、选择并关联合适的云粒。

A. 云粒原理

移动用户利用虚拟机技术在附近的云粒上快速实例化定制软件。通常，针对特定应用定制的基础系统改动较小。如果基础虚拟机已存在于云粒上，则只需传输其与所需定制虚拟机之间的区别，这种区别称为虚拟机叠加层。使用虚拟机叠加层来配置云粒的方法被称为虚拟机合成[21]。云粒采用虚拟机合成方法实现快速部署和虚拟机移交。图1展示了动态虚拟机合成的相关步骤。移动设备将一个小型的虚拟机叠加层发送到已经拥有该叠加层所基于的基础虚拟机的云粒（该叠加层可从云或移动设备的存储中获取）。云粒解压叠加层，将其应用到基础虚拟机以生成启动的虚拟机，然后从中创建一个虚拟机实例。移动设备可以开始在此实例上执行卸载操作。

会话结束时，实例会被销毁，但启动的虚拟机镜像可以保留在持久缓存中以供将来会话使用。为了保留部分训练数据用于未来的卸载会话，云粒会生成一个虚拟机残留，该残留可被发送回移动设备并整合到其覆盖层中。实验结果表明，与云端卸载相比，云粒可使移动设备的响应时间减少51%，能耗降低高达42%[22]。

虚拟机移交负责在用户移动时将虚拟机封装的执行无缝传输至最佳卸载站点。验证实验确认，该机制是一种支持用户移动性并实现低端到端延迟应用的有前景的技术[23]。

B. 云粒的应用

基于云粒概念的开放生态系统支持并实现了许多令人期待的移动应用，这些应用既具有计算密集型特点又对延迟敏感[24]。例如，通过利用较低的端到端延迟，可在可穿戴认知辅助设备上实现实时交互[25]。通过在互联网边缘进行实时数据分析，云粒可以减少进入云的入向带宽[26]。作为因故障或网络中断而无法访问的云的物理上邻近的代表，云粒可以在恶劣环境中提高系统的鲁棒性和可用性[27]。此外，云粒还能使移动设备访问大型的传统世界中的基于Windows的桌面应用。用户个人桌面环境的虚拟机运行在云粒上，用户通过远程桌面协议连接到该虚拟机。因此，用户可以在安卓平板等通常基于ARM的移动设备上使用基于Windows的桌面应用。

为了推动围绕云粒的软件生态系统的发展，已启动开放边缘计算（OEC）倡议，并与其他工作进行同步——欧洲电信标准协会多接入边缘计算行业规范组和开放网络基金会平台的相关工作。此外，卡内基梅隆大学开发了一个名为OpenStack++的开源平台，该平台源自广泛使用的云计算Openstack平台，扩展了Openstack的功能以支持云粒。一些关键技术，如云粒发现、即时供应和虚拟机移交，已作为开源实现提供[28]。

III. 移动边缘计算：移动网络的边缘

移动边缘计算（MEC）被认为是推动物联网（IoT）和关键任务型垂直解决方案的关键使能技术之一，并被公认为关键的架构概念和技术。欧洲电信标准协会（ETSI）将MEC的概念定义为一种新技术，即“在移动网络边缘、无线接入网络（RAN）内部且靠近移动用户的位置提供IT服务环境和云计算能力”[12]。ETSI已发布关于MEC的白皮书，MEC被视为一项重要的新兴技术，将成为下一代网络的重要组成部分[17]。

A. 移动边缘计算标准化

欧洲电信标准协会（ETSI）于2014年12月成立了移动边缘计算行业规范小组（MEC ISG），旨在开发一个标准化的开放环境，以实现第三方应用在多厂商平台上的高效无缝集成。截至2017年1月，移动边缘计算行业规范小组（MEC ISG）已发布了六项规范，其中一项提供了与移动边缘计算（MEC）概念、架构和功能元素相关的术语表[29]。该规范的目的是在欧洲电信标准协会多接入边缘计算（ETSI MEC）规范内部以及在更广泛的行业内实现术语使用的一致性。另一项规范规定了实现互操作性和部署的技术要求，并描述了示例用例及其技术优势[30]。还有一项规范提供了一个框架和参考架构，使移动边缘应用能够在移动网络中高效且无缝地运行[31]。此外，移动边缘计算行业规范小组（MEC ISG）的第四项规范引入了若干可从移动边缘计算（MEC）技术中受益的服务场景[32]。概念验证（PoC）框架规范定义了一个框架，用于协调和推动多厂商概念验证项目（PoC），以展示移动边缘计算（MEC）技术的关键方面[33]。概念验证（PoC）对于证明移动边缘计算（MEC）的可行性和价值、验证正在开发的规范、演示用例，以及最终帮助构建多样化和开放的移动边缘计算生态系统至关重要。最后一项规范描述了通过在移动边缘计算（MEC）平台上部署服务可能得到改进的各种指标，例如延迟、能效、网络吞吐量、系统资源占用和质量[34]。此外，该规范还描述了测量此类性能指标的最佳实践。

欧洲电信标准协会（ETSI）于2016年9月宣布了六个不同的移动边缘计算概念验证（MEC PoC），这些项目已被慕尼黑举行的多接入边缘计算世界大会接受。有助于加强组织的战略规划和决策，并帮助识别哪些MEC解决方案在网络中可能可行。目前，MEC ISG正在开展9项与移动边缘计算API、管理接口和核心平台功能相关的新研究。此外，在网络功能虚拟化环境中的MEC正在端到端移动性方面逐步发展。NFV平台可专用于MEC，也可与其他网络功能或应用共享。MEC尽可能利用网络功能虚拟化的管理和编排实体及接口。

B. 移动边缘计算应用

由于具备低延迟、邻近性、高带宽以及对无线网络信息和位置感知的实时洞察等先进特性，移动边缘计算（MEC）为消费者、企业、医疗等多个领域带来了大量新型应用和服务。特别是，在智慧城市的背景下，MEC被认为是处理视频流服务的一种有前景的解决方案[35]。来自监控设备的视频流可在MEC服务器上进行本地化处理与分析，以从视频流中提取有意义的数据。这些有价值的数据可被传输至应用服务器，从而减少核心网络流量。增强现实（AR）移动应用在上行链路数据采集、边缘计算和下行链路数据传输方面具有天然的协作特性[36]。增强现实数据需要低延迟和高速的数据处理能力，以便根据用户的位置提供准确的信息。数据处理可以在本地MEC服务器上而非集中式服务器上执行，以提供完美的用户体验。此外，文献[37]提出了一种基于车载延迟容忍网络的智能电网数据管理方案，该方案利用了移动边缘计算范式。物联网会在电信网络中产生额外的消息通信，并需要网关来汇聚消息并确保低延迟和安全。

文献[38]提出了一种利用MEC收集、分类和分析物联网数据流的新架构。MEC服务器负责管理各种协议、消息分发以及分析处理。MEC环境创造了一个新的价值链和充满活力的生态系统，进而为移动运营商、应用和内容提供商带来了新的机遇。

C. 移动边缘计算系统架构

如图2所示，欧洲电信标准协会（ETSI）[31]描述的移动边缘计算参考架构使得移动边缘计算应用能够作为纯软件实体在MEC主机上运行。移动边缘平台为运行移动边缘计算应用提供了必要的环境和功能。移动边缘计算应用作为虚拟机运行在虚拟化基础设施之上，并且可以与移动边缘平台交互以执行与应用生命周期相关的某些支持过程。此外，虚拟化基础设施包含一个数据平面，用于执行从移动边缘平台接收到的流量规则，并对流量进行路由，在应用、本地网络和外部网络之间。MEC主机级别的管理包括移动边缘平台管理器和虚拟化基础设施管理器。前者负责管理应用的生命周期以及应用规则和需求，包括服务授权、流量规则、DNS配置和解决冲突；后者负责分配、管理和释放虚拟化基础设施中的虚拟化（计算、存储和网络）资源。

运营支撑系统通过生命周期管理代理接收来自用户应用的请求，或通过面向客户的服务平台接收来自运营商的第三方客户的请求。运营支撑系统决定是否批准这些请求。被批准的请求将被转发至MEC编排器进行进一步处理。

MEC编排器是核心功能模块，其基于已部署的MEC主机、可用资源、可用MEC服务以及网络拓扑结构维持整体视图。出于性能、成本、可扩展性以及运营商首选部署等因素考虑，MEC支持不同的部署场景[30]，例如部署在蜂窝宏基站（eNodeB）站点、3G无线网络控制器（RNC）站点、多无线接入技术小区汇聚站点，以及汇聚点（该汇聚点也可能位于核心网边缘，例如在分布式数据中心）。一个网络规划问题在于确定在哪些可用站点最优地安装MEC服务器，以在安装成本以及[39]中探讨了服务质量（QoS）的质量之间取得权衡。

D. 移动边缘计算的关键技术

包括计算卸载与移动性管理在内的MEC关键技术如图3所示。计算卸载是一种将移动设备上的资源密集型计算迁移到资源丰富的近端基础设施[40]的过程。尽管移动设备在计算能力、电池续航和散热方面受限，但通过将应用的高能耗计算卸载到MEC服务器，MEC使得用户设备（UE）能够运行新的复杂应用。关于计算卸载的一个重要部分是决定是否进行卸载、是否适用完全或部分卸载，以及哪些内容可以卸载和如何卸载。卸载决策取决于应用模型，该模型可根据三个标准[41]进行分类。第一个标准是应用是否包含不可卸载部分（例如用户输入、摄像头或获取位置等必须在UE上执行的部分）。第二个标准是某些连续执行应用的待处理数据量无法估计。第三个标准是待处理各部分之间的相互依赖性。通常，用户设备需要由代码分析器、系统分析器和决策引擎组成，以管理卸载过程[42]。代码分析器负责根据应用类型及代码/数据划分来管理卸载内容。系统分析器负责监控多个参数，例如可用带宽、待传输数据量以及执行代码所需能量。这些参数影响何时进行卸载。决策引擎则决定是否执行卸载。

计算卸载决策算法已在[41]中进行了全面的研究和比较。大多数算法旨在在满足被卸载应用可接受的执行延迟的前提下，最小化移动设备的能耗，或在这两个指标之间找到最优权衡。数值结果表明，在异构网络中，通过计算卸载可提高MEC的能效[43]。文献[44]中提出了一种博弈论方法用于多个移动设备用户之间的计算卸载决策问题。数值结果表明，所提出的算法实现了优异的计算卸载性能，并且随着用户数量增加具有良好可扩展性。针对计算卸载的节能资源分配问题已在[45]中开展研究。此外，一些研究工作聚焦于无线与计算资源的联合优化，旨在延迟和功率预算约束下最小化能耗[46]。

当用户设备（UE）切换到另一个小区时，保证服务连续性和服务质量要求至关重要[47]。许多移动边缘计算应用期望在位置变更后继续为用户设备提供服务。如果用户设备将计算任务转发至MEC，则需要启动虚拟机迁移以保障服务连续性。虚拟机迁移是一项包含在许多虚拟机监控器中的服务，用于将虚拟机从一台物理机迁移到另一台物理机，通常在同一数据中心内进行[48]。一个关键部分是决定虚拟机迁移是否取决于服务类型和需求、内容大小以及用户类别[49]。需要注意的是，具有严格服务质量要求的正在进行的视频服务可能需要迁移，而针对紧急告警机器类通信服务的延迟敏感型测量任务则始终会迁移到最优MEC服务器。

一方面，需要做出决策以确定服务是完全迁移还是部分迁移，同时考虑虚拟机迁移成本，包括虚拟机迁移所需的时间以及由于计算节点之间的流量交换而导致的回传资源消耗。另一方面，虚拟机迁移的好处在于可以减少服务延迟，同时无需为将计算结果传回用户设备分配回传资源。为了优化迁移增益与迁移成本之间的权衡，提出了利润最大化化身放置策略，通过选择性地将虚拟机迁移到其最优位置[50]来实现。此外，还探索了用于动态虚拟机放置的预测技术，并根据预期的用户移动找到最合适的通信路径[51]。与最先进的方法相比，所提出的算法将卸载延迟降低了10%至66%。

IV. 雾计算：边缘工作与云计算

开放雾联盟成立的目的是推动雾计算架构、试验台开发以及多种互操作性方面的行业与学术领导力，可组合性交付成果，能够无缝利用云和边缘架构，实现端到端的物联网场景[52]。开放雾联盟于2016年2月发布了一篇关于雾计算的白皮书，其中概述了开放雾联盟对开放式雾计算架构（开放雾架构）的方法[53]。开放雾联盟将雾计算定义为：“雾计算是一种系统级横向架构，可在从云到物的整个连续体上任意位置分发计算、存储、控制和网络资源与服务。” 雾计算不同于边缘计算，它提供了跨网络并在位于边缘的设备之间分发、编排、管理和保护资源与服务的工具。边缘架构将服务器、应用和小型云部署在边缘。雾与云协同工作，而边缘则通过排除云来定义。

A. 雾计算的标准化

雾计算的标准化主要由开放雾联盟负责，其目标是推动标准机构制定标准，使边缘的物联网系统能够在无摩擦的环境中安全地与其他边缘和云服务互操作。开放雾联盟设立了六个工作组，包括架构工作组、通信工作组、可管理性工作组、安全工作组、软件基础设施工作组和测试平台工作组。这些工作组负责评估、分类并推荐适用于开放雾架构的标准、实践和技术，以应对相应的挑战。

开放雾联盟宣布于2017年2月发布OpenFog参考架构，该架构是一个通用技术框架，旨在满足物联网、第五代移动通信和人工智能（AI）应用对数据密集型处理的需求[54]。该架构是构建开放架构雾计算环境的基础，为雾计算标准的制定提供了路线图，并迈出了创建雾计算标准的第一步。开放雾联盟将制定详细指导方针，并与电气与电子工程师学会等标准组织合作，推动相关标准建议，并为参考架构中的关键接口指定API接口。

参考架构的结构方面和视角如图4所示，该图被用作实现多厂商互操作雾计算生态系统的共同基准。它由多个视图组成，以应对雾计算价值链中的利益相关者，例如软件视图、系统视图和节点视图。节点视图是最低层级的视图，包含协议抽象层以及传感器、执行器和控制。系统视图由一个或多个节点视图与其他组件结合构成，从而形成一个平台。软件视图位于平台硬件层之上，包括顶层的三个层次。软件运行在雾平台上以满足用例需求。在雾计算的实施中贯穿了五个交叉视角，包括（1）性能与规模视角，（2）安全视角，（3）可管理性视角，（4）数据分析与控制视角，以及（5）IT商业和跨雾应用视角。

B. 雾计算的应用

基于雾计算的开放架构可实现物联网、第五代移动通信、人工智能、触觉互联网、虚拟现实及其他复杂的数据和网络密集型应用之间的互操作性。物联网应用产生了前所未有的大量数据，这些数据可在许多方面发挥作用[55]。在此背景下，可利用雾节点对来自各种传感器设备和其他物联网设备的大量多模态和异构数据进行数据挖掘和数据分析，以实现用于决策的实时和快速处理[56]。文献[57]提出了一种用于智慧城市中大数据分析的分层雾计算架构。同时，构建了一个智能管道监控的原型系统，以实验评估该架构的性能。实验结果表明，该系统在未来智慧城市的场景下实现城市范围部署是可行的。文献[58]提出了一种基于雾计算的隐私保护协议，用于增强车载众包感知路面状况监测系统的安全性。此外，已探索基于雾计算的人脸识别与解析框架，以解决一些安全和隐私问题[59]。另外，由于雾具有本地化特性，使得需要移动网络支持高数据速率和低延迟的新服务成为可能，例如虚拟现实。车辆可作为雾节点使用，以充分利用这些车载通信和计算资源[60]。移动雾节点可与其他雾节点通信，或提供信息娱乐、高级驾驶辅助系统（高级驾驶辅助系统）、自动驾驶、碰撞避免、导航等服务。紧急情况、医疗保健以及其他对延迟敏感且对安全/隐私敏感的服务需要在底层节点与远程云之间通过雾节点执行[61]。大量实验结果验证了雾计算在支持医疗信息物理系统时，通过联合考虑基站关联、任务分配和虚拟机部署，可以显著提高成本效益[62]。雾计算为一些需要实时决策、低延迟、更高安全性和受网络限制的应用提供了业务价值。

C. 雾计算系统架构

基于雾计算的典型分层架构如图5所示。从功能角度来看，雾节点具有多种功能，包括网络、计算、加速、存储和控制。雾节点之间可以通过有线或无线传输方式进行通信。此外，雾节点具备一定的通用计算能力，特别是那些用于增强分析的雾节点，需要配置诸如图形处理单元（GPU）、现场可编程门阵列（FPGA）和数字信号处理器（DSP）等加速模块，以提供额外的计算吞吐量。雾节点需要多种类型的存储，以满足系统和应用场景对可靠性及数据完整性的要求。通常，在一个应用场景中，网络边缘部署了大量传感器和执行器。这些传感器和执行器通过多种接口（如PCIe、USB、以太网等）连接到雾节点。雾节点可以以网状方式运行，实现负载均衡、弹性、容错、数据共享以及最小化云通信。雾计算系统通常包含三层，但在特殊应用场景下也可以支持更多层级。

在网络边缘，雾节点主要负责传感器数据采集、数据归一化以及对传感器和执行器的指令/控制；在更高一层级，雾节点侧重于数据过滤、压缩和转换；在更高级别或靠近后端云的位置，雾节点则专注于数据聚合和将数据转化为知识。从架构上看，边缘处的雾节点在处理能力、通信能力和存储能力方面通常低于高层级节点。然而，为促进边缘侧传感器数据输入所需的输入/输出（I/O）加速器，其总体规模远大于为高层级节点设计的I/O加速器。随着层级数量的增加，每一层都会筛选和提取有意义的数据，从而创造更多智能。

传统的集中式云计算在雾计算兴起的同时，仍持续作为计算系统的重要组成部分。云计算与边缘计算相互补充，形成互利且相互依赖的服务连续体。某些功能在集中式云中执行具有天然优势，而另一些功能则更适合在边缘端执行。在[63]中提出了一个场景的定量能耗分析，其中25%的物联网应用需要实时和低延迟服务，并表明雾计算中的平均能耗比传统云计算模型低40.48%。评估结果表明，与现有的云计算范式相比，雾计算是一种改进的、环保型计算平台，能够更好地支持物联网。为了充分利用边缘计算并补充集中式云计算，应识别出在雾计算架构中更节能的部分物联网应用。为了比较使用集中式数据中心（DCs）的云计算应用与基于雾计算的纳米数据中心（nDCs）应用的能耗，本文在[65]中提出了针对共享和非共享网络设备的基于流量和时间的能耗模型。相应地，一组测量和实验用于为模型提供数据，其中在雾计算中实现纳米服务器。

结果表明，对于在终端用户场所生成并分发大量数据且接入数据速率较低的应用（如终端用户家庭中的视频监控），使用nDCs可实现最佳的节能效果。[66]研究了雾‐云计算系统中功耗与传输延迟之间的权衡。任务在边缘和后端云之间的分割是应用特定的。关于医疗急救服务用户案例的仿真结果显示了融合雾和云系统的协同控制与管理的优势。因此，设计一种协同管理策略至关重要，需要在一个能够管理新兴的边缘到云计算及网络架构的联合框架中，应对不同的云/边缘资源[67]。

D. 雾无线接入网络：无线接入网络中的雾计算

第五代无线接入网络（RAN）实现了万物的无缝和广泛连接，与当前的4G LTE网络相比，区域容量提升了1000倍，支持1000亿个连接的无线设备，并提供多样化用例以及多媒体应用的高QoS要求[68]。为实现上述目标，C‐RAN被提出作为无线网络和云计算领域新兴技术的结合[69]。传统基站被解耦为两部分：基带资源集中于BBU池中的集中式位置，具备射频功能的远端射频单元通过有线/无线前传链路连接至BBU池。基于通过虚拟化共享存储和计算资源的集中式云原则，C‐RAN在提高频谱效率和能效的同时，降低了网络部署和运营成本。然而，实际的前传链路常常存在容量受限或时延受限的问题，成为C‐RAN容量的瓶颈[70]。为了克服前传受限带来的C‐RAN缺点，H‐CRAN被提出作为一种潜在解决方案[71]。与C‐RAN架构相比，所提出的H‐CRAN通过高功率节点（例如宏或微基站）的参与缓解了前传需求。用户面和控制面在H‐CRAN中实现了解耦。高功率节点执行控制面功能，向用户设备发送所有控制信令和系统广播数据。高功率节点通过回传链路连接到BBU池，从而减轻了前传链路的约束。然而，H‐CRAN在实际应用中仍面临相同挑战。越来越多的物联网应用在网络边缘产生前所未有的数据量，进一步加剧了前传链路的限制。此外，边缘设备中的处理和存储能力尚未得到充分利用，而这一方向有望有效缓解前传链路和BBU池的负担。充分结合雾计算与C‐RAN的优势，雾无线接入网络（F‐RAN）被提出以应对C‐RAN和H‐CRAN上述所述的缺点[72]。在F‐RAN中，本地无线信号处理、协作式无线资源管理和边缘设备的分布式存储能力，可减轻前传链路的沉重负担，并避免在集中式基带单元池中进行大规模的无线信号处理。因此，雾无线接入网络能够实现高频谱效率/能量效率、低延迟和出色的可靠性，以满足5G需求。

	MEC	雾无线接入网络
动机	实现一个开放无线接入网络，能够托管第三方创新应用和网络边缘的内容	以克服前传链路约束，其容量有限且时延较长
关系与C‐RANs	与C‐RAN互补	C‐RAN的增强与演进
关键技术	计算卸载	边缘缓存
部署方案	与传统无线网络兼容架构	一种新的系统架构被演化出来，来自异构网络和C‐RAN的引入F‐AP

V. 开放问题与挑战

Item	移动边缘计算	云粒	雾计算
组织	由欧洲电信标准协会多接入边缘计算支持 华为、IBM、英特尔、诺基亚网络、NTT DOCOMO和沃达丰	由以下公司推出的开放边缘计算 沃达丰、英特尔、华为和卡内基梅隆大学	开放雾联盟成立 ARM、思科、戴尔、英特尔、微软和普林斯顿大学
是相应的联盟是一个标准机构吗？	Yes	No.（影响其他标准组织 例如 ETSI MEC）	No.（OpenFog 与 IEEE 存在附属协议 并将与其他标准组织建立联络关系， 旨在协作创建标准)
哪个业务兴趣是驾驶？	5G需求在电信行业	一些基于移动计算	物联网
动机来自该应用观点	实现开放无线接入网络，能够承载第三方创新应用和内容在网络边缘	支持新型移动应用，这些应用既为计算密集型，又对延迟敏感，且基于开放生态系统云粒	实现高性能，互操作性和安全的多厂商雾计算基于生态系统的
关于开放性	运营商开放其网络提供给第三方以部署创新应用和服务	OPENSTACK++是一个开源平台，该扩展了Openstack的功能以支持云粒	OpenFog参考架构被用作实现的通用基准多厂商互操作雾计算生态系统

在本节中，总结了一些边缘计算领域需要进一步研究的相关开放性问题。

A. 边缘计算中的大数据挖掘

为了适应海量类型的数据包流量和时变的无线信道，边缘计算应具备信息感知能力并可重新配置。由体量、多样性、速度和价值描述的大数据，包括用户级、小区级、核心网级及其他层级的数据，可推动网络向更具主动性的方向发展[74]。得益于大数据挖掘的快速发展，利用大数据技术提取有用模式或知识以增强边缘计算中的自组织能力成为可能。应采用分层数据挖掘技术。边缘设备采集的大量数据传输会给前传/回传链路带来沉重负担，因此可在边缘设备中预先执行数据挖掘。在集中式云计算中，这些预处理的信息将被再次处理。同时，对稀疏、不确定和不完整数据的计算是一个重大难题，需要先进的数据挖掘算法[75]。

B. 边缘计算中的网络切片

为满足移动互联网和物联网新兴应用的多样化用例和商业模式需求，人们预期将出现革命性的无线网络架构和先进技术。因此，最近提出了网络切片技术，以一种经济高效的方式灵活提供软定义网络。在网络切片的概念中[76]，网络实体被划分为多个相互隔离的网络切片实例，每个切片实例具备适当的网络功能，并使用先进的无线接入技术来支持特定的用例或商业模式。通过探索软件定义网络和网络功能虚拟化，可方便地实现网络切片实例及其之间的隔离[77]。尽管网络切片在集中式云计算中具有明显的优势，但在边缘计算中的应用仍面临若干严峻挑战。首先，传统的网络切片实例创建主要由业务驱动，现有网络切片方案主要关注不同服务的需求，未能突出边缘计算在切片创建方面的特点。例如，当无线接入网中的无线资源不足时，所请求的网络切片可能无法有效建立。因此，网络切片应考虑无线传输的影响，并应定义联合考虑无线接入网状态的相应网络切片方案。其次，现有的大多数网络切片研究完全基于核心网，而网络切片作为端到端解决方案应涵盖无线接入网的特定特性。为应对这些挑战，亟需一种面向边缘计算的新型网络切片技术的框架解决方案。

VI. CONCLUSION

本文概述并综述了最先进的边缘计算技术。为了深入理解关键技术的复杂性，我们将相关知识体系 broadly 划分为云粒、移动边缘计算和雾计算三个方面。在每个方面中，我们详细介绍了其原理、系统架构、标准以及应用的教程。然而，鉴于该领域尚处于相对初级阶段，在关键技术与先进解决方案方面仍存在许多亟待进一步研究的问题。考虑到研究领域的广泛性，还需开展更为严谨的研究，并更加关注如何将成熟的雾计算技术转化为基于雾计算的无线接入网络。此外，随着先进的大数据挖掘和网络切片技术的引入，不同程度的自由度及其相关约束条件进一步推动了在边缘计算背景下对原创模型的设计与验证工作。