0 引言

    近年來(lái),，計(jì)算工作負(fù)載一直在遷移,，先是從本地?cái)?shù)據(jù)中心遷移到云，現(xiàn)在日益從云數(shù)據(jù)中心遷移到更靠近數(shù)據(jù)邊緣的位置,，旨在解決云計(jì)算所面臨的問(wèn)題：線性增長(zhǎng)的集中式云計(jì)算能力不能適應(yīng)飛速增長(zhǎng)的海量邊緣數(shù)據(jù),；網(wǎng)絡(luò)邊緣設(shè)備傳輸大量的數(shù)據(jù)到云計(jì)算中心導(dǎo)致網(wǎng)絡(luò)傳輸帶寬的負(fù)載量急劇增加，產(chǎn)生較長(zhǎng)的網(wǎng)絡(luò)延遲,；有限電能的網(wǎng)絡(luò)邊緣設(shè)備傳輸數(shù)據(jù)到云計(jì)算中心會(huì)消耗大量的電能,；網(wǎng)絡(luò)邊緣數(shù)據(jù)涉及的個(gè)人隱私問(wèn)題尤為突出^[1]。盡管云計(jì)算目前面對(duì)很多的挑戰(zhàn),，但邊緣計(jì)算的提出并不是為了代替云計(jì)算承擔(dān)計(jì)算中心的任務(wù),，而是一種與云計(jì)算互補(bǔ)的計(jì)算模型。邊緣計(jì)算有自己的適用環(huán)境用來(lái)彌補(bǔ)現(xiàn)有云計(jì)算所不能適用的萬(wàn)物互聯(lián)的環(huán)境,，邊緣計(jì)算需要借助云計(jì)算現(xiàn)有的優(yōu)勢(shì)才能更好地發(fā)揮自身的特點(diǎn),。隨著最近業(yè)務(wù)驅(qū)動(dòng)的IT項(xiàng)目不斷增加，實(shí)施物聯(lián)網(wǎng)解決方案、邊緣計(jì)算環(huán)境和非傳統(tǒng)IT的現(xiàn)象也在迅速增多^[2],。從Gartner公司發(fā)布的2017年度新興技術(shù)成熟度曲線可知,，邊緣計(jì)算在未來(lái)2～5年時(shí)間內(nèi)是處于期望膨脹期，可見邊緣計(jì)算的重要性,。

    在云計(jì)算的體系結(jié)構(gòu)下,，提出了3種服務(wù)模式：基礎(chǔ)設(shè)施即服務(wù)（Infrastructure as a Server，IaaS）,、平臺(tái)即服務(wù)（Platform as a Service,，PaaS）、軟件即服務(wù)（Software as a Service,，SaaS）,，即通常所說(shuō)的SPI服務(wù)模型^[3-5]。這3種服務(wù)模式是推動(dòng)云計(jì)算發(fā)展的動(dòng)力,，其中軟件即服務(wù)模式與用戶的關(guān)系最為緊密,。但是，這種看似高效的服務(wù)模式對(duì)于萬(wàn)物互聯(lián)時(shí)代大量的邊緣設(shè)備來(lái)說(shuō)卻不能很好地適用,，主要原因大致有以下幾點(diǎn)：邊緣設(shè)備對(duì)任務(wù)響應(yīng)大都有實(shí)時(shí)性要求^[6],；邊緣設(shè)備數(shù)量巨大，產(chǎn)生的數(shù)據(jù)量如果要全部上傳到云上占用大量的帶寬^[7],；邊緣設(shè)備一般功能較為固定,，提供的服務(wù)較為單一^[8]，這些原因造成了云計(jì)算提供的服務(wù)模式不再適用于邊緣計(jì)算,。因此,，邊緣計(jì)算需要提供適合于本身特點(diǎn)的服務(wù)模式。

1 計(jì)算即服務(wù)產(chǎn)生的動(dòng)機(jī)

1.1 萬(wàn)物互聯(lián)模型架構(gòu)

    萬(wàn)物互聯(lián)時(shí)代下云計(jì)算模型與邊緣計(jì)算模型的結(jié)構(gòu)關(guān)系^[9]如下,。云計(jì)算模型側(cè)重于搜集數(shù)據(jù),，進(jìn)行集中式的大數(shù)據(jù)處理，通過(guò)互聯(lián)網(wǎng)可以把云計(jì)算模型的各種服務(wù)提供給用戶,，注重應(yīng)用的多樣性,，如智能應(yīng)用領(lǐng)域，用戶通過(guò)智能終端可以從云上獲取各種各樣的服務(wù),，這也是傳統(tǒng)意義上的云服務(wù),。但對(duì)于應(yīng)用于特定環(huán)境下的邊緣設(shè)備來(lái)說(shuō)，并不需要種類繁多的應(yīng)用,，終端用戶需要的是更加優(yōu)質(zhì)的服務(wù),，針對(duì)性更強(qiáng)，更加智能化地提供服務(wù),。在特定的環(huán)境下,，使用邊緣計(jì)算模型,，才能更好地滿足萬(wàn)物互聯(lián)模型架構(gòu)^[10]。

1.2 云計(jì)算服務(wù)模式的不足

    從云計(jì)算的SPI服務(wù)模型可以看出,，該模型較適合集中式計(jì)算模式,，目前的云計(jì)算中心基本都是采用這種服務(wù)模式，但在萬(wàn)物互聯(lián)時(shí)代具有明顯的不足^[11-13]：

    (1)邊緣終端設(shè)備或者邊緣計(jì)算中心,，僅需要提供計(jì)算能力有限的設(shè)備就能滿足,，一個(gè)家庭就能擁有幾十個(gè)或更多的邊緣設(shè)備，如果再和云計(jì)算的基礎(chǔ)設(shè)施一樣那樣昂貴,，萬(wàn)物互聯(lián)的構(gòu)想就無(wú)法實(shí)現(xiàn)了,。

    (2)平臺(tái)即服務(wù)用到邊緣設(shè)備效果就不太理想了，原因在于云計(jì)算本身的部署很耗費(fèi)資金,，不可能有數(shù)以萬(wàn)計(jì)的云服務(wù)提供商,，云服務(wù)提供商可以根據(jù)自己的設(shè)備提供統(tǒng)一的平臺(tái)，并服務(wù)大量的用戶,。但對(duì)于邊緣設(shè)備,，其應(yīng)用場(chǎng)景豐富，平臺(tái)異構(gòu)性較大,，想要提供統(tǒng)一的接口幾乎不可能,，盡管有很多邊緣計(jì)算平臺(tái)提供商也在為此而努力。

    (3)軟件即服務(wù)是云計(jì)算模型提供給用戶的核心服務(wù),，而對(duì)于很多邊緣設(shè)備來(lái)說(shuō),，它的資源很有限,，而服務(wù)較為單一,，更多的是對(duì)邊緣設(shè)備本身的優(yōu)化，需要設(shè)備具有自我學(xué)習(xí)和輔助學(xué)習(xí)的能力,，其核心在于用戶的體驗(yàn),，而非多樣性需求。

    因此,，云計(jì)算模型提供的SPI服務(wù)模型已經(jīng)無(wú)法適用于新興的邊緣設(shè)備對(duì)服務(wù)的需求,，針對(duì)于邊緣計(jì)算模型的新的服務(wù)模式迫在眉睫。

2 計(jì)算即服務(wù)的任務(wù)模型

    在任務(wù)模型中關(guān)鍵要素包括延遲,、帶寬利用,、上下文感知、通用性和伸縮性^[14-16],。盡管開發(fā)精確的模型對(duì)于任務(wù)來(lái)說(shuō)非常復(fù)雜,，但對(duì)于邊緣計(jì)算模型，通過(guò)數(shù)學(xué)的優(yōu)化處理允許簡(jiǎn)單任務(wù)能達(dá)到高精確的要求,。在本節(jié)中將介紹兩種較為常用的計(jì)算任務(wù)模型,。

2.1 二進(jìn)制轉(zhuǎn)移的任務(wù)模型

    高度集成或者相對(duì)簡(jiǎn)單的任務(wù)不能被分區(qū),，必須作為整體在邊緣設(shè)備執(zhí)行或者轉(zhuǎn)移到邊緣計(jì)算中心服務(wù)器處理，稱為二進(jìn)制轉(zhuǎn)移,。這樣的任務(wù)可以用三符號(hào)域表示為A(L,，T_d，X),，這個(gè)三符號(hào)域包含以下信息：任務(wù)輸入數(shù)據(jù)大小L（以bit為單位）,、完成期限T_d（以s為單位）、計(jì)算工作量X（以CPU的時(shí)鐘周期為單位）,。這些參數(shù)的使用不僅能捕獲邊緣設(shè)備處理任務(wù)的基本屬性(如計(jì)算和通信需求),，而且便于執(zhí)行延遲的簡(jiǎn)單評(píng)估以及能耗性能的估計(jì)。

    任務(wù)A(L,，T_d,，X)需要在硬截止時(shí)間T_d之前完成，該模型也可以推廣到處理軟截止時(shí)間要求,，允許數(shù)據(jù)量較大的任務(wù)在之后完成,。在這種情況下，執(zhí)行1 bit任務(wù)的輸入數(shù)據(jù)所需的計(jì)算工作量被建模為隨機(jī)變量X,。該任務(wù)模型給出以下定義：

    定義x₀為正整數(shù),，并且定義規(guī)則Pr(X>x₀)≤ρ，ρ是一個(gè)范圍在(0,，1]的實(shí)數(shù),。依賴Pr(LX>W_ρ)≤ρ，其中W_ρ=Lx₀,，在該模型下只要給定L位任務(wù)輸入數(shù)據(jù),，W_ρ就嚴(yán)格地限制了計(jì)算工作量X。

2.2 局部轉(zhuǎn)移的任務(wù)模型

    在實(shí)踐中,，許多邊緣任務(wù)是由多個(gè)子過(guò)程組成的,，這個(gè)特點(diǎn)使得將各個(gè)子過(guò)程轉(zhuǎn)移到局部邊緣設(shè)備執(zhí)行成為可能，從而實(shí)現(xiàn)細(xì)粒度的任務(wù)轉(zhuǎn)移,。具體來(lái)說(shuō),，任務(wù)可以分為兩個(gè)大的局部，一個(gè)是由邊緣設(shè)備本身處理的任務(wù),；另一個(gè)是由距離設(shè)備較近的邊緣設(shè)備或者邊緣計(jì)算中心來(lái)承擔(dān)執(zhí)行任務(wù),，也可以由邊緣計(jì)算中心統(tǒng)一協(xié)調(diào)。

    用于局部轉(zhuǎn)移的最簡(jiǎn)單的任務(wù)模型是數(shù)據(jù)分區(qū)模型,，其中任務(wù)輸入是位獨(dú)立的并且可以任意劃分為不同的組,，可以實(shí)現(xiàn)在邊緣計(jì)算系統(tǒng)下的不同實(shí)體中執(zhí)行。但是,，不同過(guò)程或者組件之間存在明顯的依賴關(guān)系,，如何處理這種依賴關(guān)系將顯著影響執(zhí)行的效率,，主要存在以下兩個(gè)關(guān)鍵問(wèn)題：

    (1)函數(shù)或者例程的執(zhí)行順序，因?yàn)槟承┻^(guò)程或組件的輸出是另一些過(guò)程或組件的輸入,，對(duì)執(zhí)行順序的控制是實(shí)現(xiàn)局部轉(zhuǎn)移正確性的保證,；

    (2)由于邊緣設(shè)備軟件和硬件等方面的限制，目前只能做到同構(gòu)轉(zhuǎn)移,，不能很好地將任務(wù)轉(zhuǎn)移到異構(gòu)設(shè)備中,，對(duì)邊緣設(shè)備軟件和硬件的抽象是實(shí)現(xiàn)局部轉(zhuǎn)移最大利用率的保證。

3 計(jì)算即服務(wù)的計(jì)算模型

    式(3)反映了由計(jì)算性能影響到的延遲t_m,，f_m表示邊緣設(shè)備擁有的計(jì)算能力,，當(dāng)LX處理的內(nèi)容一定的情況下，可以通過(guò)調(diào)整f_m來(lái)調(diào)整系統(tǒng)的延遲,，增大f_m可以減小延遲,，相反減小f_m就會(huì)增加延遲，根據(jù)CPU能耗可知f_m反映的是能耗,。因此,，邊緣設(shè)備需要在能耗與延遲之間進(jìn)行合理的分配。當(dāng)需要低延遲,，保證任務(wù)實(shí)時(shí)性時(shí),，可以適當(dāng)增大f_m；反之需要低功耗,，保證任務(wù)節(jié)能性時(shí),，可以適當(dāng)減小f_m，DVFS正是提供這種能力的技術(shù),，計(jì)算即服務(wù)計(jì)算模型的關(guān)鍵技術(shù),。

4 計(jì)算即服務(wù)的服務(wù)模型

    前文給出的任務(wù)模型和計(jì)算模型主要是圍繞邊緣計(jì)算模型應(yīng)用需求的低延遲和低能耗做工作，本節(jié)將介紹在此基礎(chǔ)上結(jié)合實(shí)際應(yīng)用中邊緣計(jì)算設(shè)備的服務(wù)特點(diǎn),，抽象出了兩種應(yīng)用較為廣泛的拓?fù)浣Y(jié)構(gòu),，下面分別介紹這兩種拓?fù)浣Y(jié)構(gòu)下的服務(wù)模型,。

4.1 順序型的服務(wù)模型

    如圖1所示,，該模型主要針對(duì)有明確順序要求的服務(wù)下，每個(gè)節(jié)點(diǎn)用e_(i,，j)表示,，下標(biāo)i表示不同階段的任務(wù)，下標(biāo)j僅表示在下標(biāo)i相同時(shí)共同完成i任務(wù)的節(jié)點(diǎn)編號(hào),，該節(jié)點(diǎn)的特點(diǎn)是同構(gòu)體系結(jié)構(gòu),。該模型的優(yōu)點(diǎn)：可以根據(jù)不同的用戶，提供不同的服務(wù),，讓服務(wù)更加人性化,；下標(biāo)i相同的任務(wù),，可以根據(jù)二進(jìn)制轉(zhuǎn)移或者局部轉(zhuǎn)移任務(wù)模型提供低延遲的服務(wù)；可以根據(jù)服務(wù)對(duì)延遲的要求,，采用DVFS技術(shù)增加或者減少j的數(shù)目,，結(jié)構(gòu)靈活，最大程度地利用能耗,。下面給出該結(jié)構(gòu)下的延遲t_total(最小延遲時(shí)間)和能耗E_s(最小耗能)模型：

4.2 中心型的服務(wù)模型

    如圖2所示,，該模型主要針對(duì)無(wú)明確順序要求的服務(wù)下，每個(gè)節(jié)點(diǎn)用e_i表示,，下標(biāo)i表示該結(jié)構(gòu)下的節(jié)點(diǎn)編號(hào),，該模型有兩個(gè)中心節(jié)點(diǎn)，如e₁分發(fā)中心節(jié)點(diǎn),、e₂匯集中心節(jié)點(diǎn),。分發(fā)中心節(jié)點(diǎn)根據(jù)e_i(i≠1，i≠n)的當(dāng)前狀態(tài)將根據(jù)任務(wù)特點(diǎn)分配到不同的節(jié)點(diǎn)去執(zhí)行,；匯集中心節(jié)點(diǎn)將e_i(i≠1,，i≠n)的執(zhí)行結(jié)果經(jīng)過(guò)整理后提供給用戶。該模型的優(yōu)點(diǎn)：由分發(fā)中心節(jié)點(diǎn)協(xié)調(diào)任務(wù),，能并行處理多個(gè)任務(wù),，滿足實(shí)時(shí)性要求；由匯集中心節(jié)點(diǎn)提出服務(wù),，對(duì)外接口統(tǒng)一,，提供更友好的服務(wù)；各節(jié)點(diǎn)分工明確,，可以最大程度地利用邊緣設(shè)備有限的計(jì)算資源,。下面給出該結(jié)構(gòu)下的延遲t_total(最小延遲時(shí)間)和能耗E_s(最小耗能)模型：

5 結(jié)論

    萬(wàn)物互聯(lián)時(shí)代下云計(jì)算模型的服務(wù)模式已經(jīng)無(wú)法適應(yīng)邊緣計(jì)算模型的需求，主要體現(xiàn)在邊緣設(shè)備資源的有限性,、服務(wù)的實(shí)時(shí)性,、決策的智能性上。本文首先從基本概念出發(fā),，介紹了什么是邊緣計(jì)算,，之后進(jìn)一步介紹萬(wàn)物互聯(lián)模型的架構(gòu)，該模型下不僅包含云計(jì)算模型,，而且也涵蓋了邊緣計(jì)算模型,，指出現(xiàn)有的云計(jì)算模型的SPI模式不能很好地應(yīng)用到邊緣計(jì)算模型中，并分析了主要的原因,。然后,，從計(jì)算即服務(wù)的任務(wù)模型、計(jì)算模型以及服務(wù)模型進(jìn)行了抽象,。根據(jù)任務(wù)是否具有順序性特點(diǎn),，給出兩個(gè)比較常見的計(jì)算即服務(wù)的服務(wù)模型(順序型的服務(wù)模型和中心型的服務(wù)模型),，并給出了相應(yīng)的延遲和能耗評(píng)價(jià)公式，用于理論分析,。

參考文獻(xiàn)

[1] Shi Weisong,，Cao Jie，Zhang Quan,，et al.Edge computing：vision and challenges[J].IEEE Internet of Things Journal,，2016，3(5)：637-646.

[2] Li Shichao,，Zhang Ning,，Lin Siyu，et al.Joint admission control and resource allocation in edge computing for Internet of Things[J].IEEE Network,，2018,，32(1)：72-79.

[3] 楊曉軍，臧飛,，李春雷.云計(jì)算在軍事領(lǐng)域中的應(yīng)用分析[J].電子技術(shù)應(yīng)用,，2018，44(6)：129-132,，137.

[4] 史寶珠,，李美安，左玉暉.生鮮產(chǎn)品的共享云物流資源優(yōu)化調(diào)度算法[J].電子技術(shù)應(yīng)用,，2018,，44(5)：5-8，12.

[5] 高世皓,，王立華,，朱吉芳，等.基于CC3200及微信公眾號(hào)的云家居交互系統(tǒng)[J].電子技術(shù)應(yīng)用,，2018,，44(3)：52-55.

[6] POPLI S，JHA R K,，JAIN S.A survey on energy efficient narrowband Internet of Things(NBIoT)：architecture,application and challenges[J].IEEE Access,，2018，PP(99)：1-1.

[7] 陳發(fā)堂,，周述淇,，鄭輝.NB-IoT隨機(jī)接入過(guò)程的分析與實(shí)現(xiàn)[J].電子技術(shù)應(yīng)用,，2018,，44(2)：75-79，87.

[8] 李小文,，屈元遠(yuǎn),，周述淇,，等.NB-IoT物理層隨機(jī)接入分析與接收端檢測(cè)算法[J].電子技術(shù)應(yīng)用，2018,，44(9)：99-103.

[9] Hong Xuehai,，Wang Yang.Edge computing technology：development and counter measures[J].Chinese Engineering Science，2018,，20(2)：20-26.

[10] 施巍松,，孫輝，曹杰,，等.邊緣計(jì)算：萬(wàn)物互聯(lián)時(shí)代新型計(jì)算模型[J].計(jì)算機(jī)研究與發(fā)展,，2017，54(5)：907-924.

[11] Li He,，OTA K,，DONG M.Learning IoT in edge：deep learning for the Internet of Things with edge computing[J].IEEE Network,，2018,，32(1)：96-101.

[12] 何艾洲,，鄭霖,，屈啟吉.基于6LoWPAN多網(wǎng)關(guān)系統(tǒng)的網(wǎng)關(guān)部署算法[J].電子技術(shù)應(yīng)用,，2018,，44(11)：72-75,，80.

[13] 鄔明彪,，吳桂清,，陳清華.基于多個(gè)開源系統(tǒng)的6LoWPAN邊界路由器的設(shè)計(jì)[J].電子技術(shù)應(yīng)用,，2018，44(7)：64-67.

[14] Lü Huazhang,，Chen Dan,，F(xiàn)an Bin，et al.Standardization progress and case analysis of edge computing[J].Journal of Computer Research and Development,，2018,，55(3)：487-511.

[15] 張德民，付永莉,，楊康.能量獲取框架下的5G綠色通信小區(qū)選擇算法[J].電子技術(shù)應(yīng)用,，2018，44(10)：118-121,，126.

[16] 萬(wàn)航,，王學(xué)成.基于改進(jìn)的公交車骨干網(wǎng)的改進(jìn)區(qū)域路由算法[J].電子技術(shù)應(yīng)用，2018,，44(6)：108-112,，119.

[17] 閆靜，楊華，任鵬婷,，等.能量收集中繼網(wǎng)絡(luò)的中繼選擇算法研究[J].電子技術(shù)應(yīng)用,，2018，44(5)：98-102.

[18] 馬得森,，沈正源,，金曉晴，等.一種車聯(lián)網(wǎng)分簇方法與簇內(nèi)中繼選擇方法[J].電子技術(shù)應(yīng)用,，2018,，44(3)：94-98.

作者信息:

王騰飛1，張瑞權(quán)1,，李建宏1,，王  龍1，侯林清2,，王忠陽(yáng)3

(1.華北計(jì)算機(jī)系統(tǒng)工程研究所,，北京100083；2.北京信息科技大學(xué) 計(jì)算機(jī)學(xué)院,，北京100101,；

3.遼寧理工學(xué)院 信息工程學(xué)院，遼寧 錦州121013）