0 引言

    近年來，計算工作負(fù)載一直在遷移，先是從本地數(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，旨在解決云計算所面臨的問題：線性增長的集中式云計算能力不能適應(yīng)飛速增長的海量邊緣數(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)到云計算中心會消耗大量的電能；網(wǎng)絡(luò)邊緣數(shù)據(jù)涉及的個人隱私問題尤為突出^[1]。盡管云計算目前面對很多的挑戰(zhàn)，但邊緣計算的提出并不是為了代替云計算承擔(dān)計算中心的任務(wù)，而是一種與云計算互補的計算模型。邊緣計算有自己的適用環(huán)境用來彌補現(xiàn)有云計算所不能適用的萬物互聯(lián)的環(huán)境，邊緣計算需要借助云計算現(xiàn)有的優(yōu)勢才能更好地發(fā)揮自身的特點。隨著最近業(yè)務(wù)驅(qū)動的IT項目不斷增加，實施物聯(lián)網(wǎng)解決方案、邊緣計算環(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，邊緣計算在未來2～5年時間內(nèi)是處于期望膨脹期，可見邊緣計算的重要性。

    在云計算的體系結(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），即通常所說的SPI服務(wù)模型^[3-5]。這3種服務(wù)模式是推動云計算發(fā)展的動力，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)模式對于萬物互聯(lián)時代大量的邊緣設(shè)備來說卻不能很好地適用，主要原因大致有以下幾點：邊緣設(shè)備對任務(wù)響應(yīng)大都有實時性要求^[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算提供的服務(wù)模式不再適用于邊緣計算。因此，邊緣計算需要提供適合于本身特點的服務(wù)模式。

1 計算即服務(wù)產(chǎn)生的動機

1.1 萬物互聯(lián)模型架構(gòu)

    萬物互聯(lián)時代下云計算模型與邊緣計算模型的結(jié)構(gòu)關(guān)系^[9]如下。云計算模型側(cè)重于搜集數(shù)據(jù)，進行集中式的大數(shù)據(jù)處理，通過互聯(lián)網(wǎng)可以把云計算模型的各種服務(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)。但對于應(yīng)用于特定環(huán)境下的邊緣設(shè)備來說，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)，針對性更強，更加智能化地提供服務(wù)。在特定的環(huán)境下，使用邊緣計算模型，才能更好地滿足萬物互聯(lián)模型架構(gòu)^[10]。

1.2 云計算服務(wù)模式的不足

    從云計算的SPI服務(wù)模型可以看出，該模型較適合集中式計算模式，目前的云計算中心基本都是采用這種服務(wù)模式，但在萬物互聯(lián)時代具有明顯的不足^[11-13]：

    (1)邊緣終端設(shè)備或者邊緣計算中心，僅需要提供計算能力有限的設(shè)備就能滿足，一個家庭就能擁有幾十個或更多的邊緣設(shè)備，如果再和云計算的基礎(chǔ)設(shè)施一樣那樣昂貴，萬物互聯(lián)的構(gòu)想就無法實現(xiàn)了。

    (2)平臺即服務(wù)用到邊緣設(shè)備效果就不太理想了，原因在于云計算本身的部署很耗費資金，不可能有數(shù)以萬計的云服務(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，并服務(wù)大量的用戶。但對于邊緣設(shè)備，其應(yīng)用場景豐富，平臺異構(gòu)性較大，想要提供統(tǒng)一的接口幾乎不可能，盡管有很多邊緣計算平臺提供商也在為此而努力。

    (3)軟件即服務(wù)是云計算模型提供給用戶的核心服務(wù)，而對于很多邊緣設(shè)備來說，它的資源很有限，而服務(wù)較為單一，更多的是對邊緣設(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，而非多樣性需求。

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

2 計算即服務(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)精確的模型對于任務(wù)來說非常復(fù)雜，但對于邊緣計算模型，通過數(shù)學(xué)的優(yōu)化處理允許簡單任務(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算任務(wù)模型。

2.1 二進制轉(zhuǎn)移的任務(wù)模型

    高度集成或者相對簡單的任務(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)移到邊緣計算中心服務(wù)器處理，稱為二進制轉(zhuǎn)移。這樣的任務(wù)可以用三符號域表示為A(L，T_d，X)，這個三符號域包含以下信息：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）、計算工作量X（以CPU的時鐘周期為單位）。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(如計算和通信需求)，而且便于執(zhí)行延遲的簡單評估以及能耗性能的估計。

    任務(wù)A(L，T_d，X)需要在硬截止時間T_d之前完成，該模型也可以推廣到處理軟截止時間要求，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)所需的計算工作量被建模為隨機變量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是一個范圍在(0，1]的實數(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)格地限制了計算工作量X。

2.2 局部轉(zhuǎn)移的任務(wù)模型

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

    用于局部轉(zhuǎn)移的最簡單的任務(wù)模型是數(shù)據(jù)分區(qū)模型，其中任務(wù)輸入是位獨立的并且可以任意劃分為不同的組，可以實現(xiàn)在邊緣計算系統(tǒng)下的不同實體中執(zhí)行。但是，不同過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，主要存在以下兩個關(guān)鍵問題：

    (1)函數(shù)或者例程的執(zhí)行順序，因為某些過程或組件的輸出是另一些過程或組件的輸入，對執(zhí)行順序的控制是實現(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，對邊緣設(shè)備軟件和硬件的抽象是實現(xiàn)局部轉(zhuǎn)移最大利用率的保證。

3 計算即服務(wù)的計算模型

    式(3)反映了由計算性能影響到的延遲t_m，f_m表示邊緣設(shè)備擁有的計算能力，當(dāng)LX處理的內(nèi)容一定的情況下，可以通過調(diào)整f_m來調(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行合理的分配。當(dāng)需要低延遲，保證任務(wù)實時性時，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，可以適當(dāng)減小f_m，DVFS正是提供這種能力的技術(shù)，計算即服務(wù)計算模型的關(guān)鍵技術(shù)。

4 計算即服務(wù)的服務(wù)模型

    前文給出的任務(wù)模型和計算模型主要是圍繞邊緣計算模型應(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)合實際應(yīng)用中邊緣計算設(shè)備的服務(wù)特點，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，該模型主要針對有明確順序要求的服務(wù)下，每個節(jié)點用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相同時共同完成i任務(wù)的節(jié)點編號，該節(jié)點的特點是同構(gòu)體系結(jié)構(gòu)。該模型的優(yōu)點：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，該模型主要針對無明確順序要求的服務(wù)下，每個節(jié)點用e_i表示，下標(biāo)i表示該結(jié)構(gòu)下的節(jié)點編號，該模型有兩個中心節(jié)點，如e₁分發(fā)中心節(jié)點、e₂匯集中心節(jié)點。分發(fā)中心節(jié)點根據(jù)e_i(i≠1，i≠n)的當(dāng)前狀態(tài)將根據(jù)任務(wù)特點分配到不同的節(jié)點去執(zhí)行；匯集中心節(jié)點將e_i(i≠1，i≠n)的執(zhí)行結(jié)果經(jīng)過整理后提供給用戶。該模型的優(yōu)點：由分發(fā)中心節(jié)點協(xié)調(diào)任務(wù)，能并行處理多個任務(wù)，滿足實時性要求；由匯集中心節(jié)點提出服務(wù)，對外接口統(tǒng)一，提供更友好的服務(wù)；各節(jié)點分工明確，可以最大程度地利用邊緣設(shè)備有限的計算資源。下面給出該結(jié)構(gòu)下的延遲t_total(最小延遲時間)和能耗E_s(最小耗能)模型：

5 結(jié)論

    萬物互聯(lián)時代下云計算模型的服務(wù)模式已經(jīng)無法適應(yīng)邊緣計算模型的需求，主要體現(xiàn)在邊緣設(shè)備資源的有限性、服務(wù)的實時性、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算，之后進一步介紹萬物互聯(lián)模型的架構(gòu)，該模型下不僅包含云計算模型，而且也涵蓋了邊緣計算模型，指出現(xiàn)有的云計算模型的SPI模式不能很好地應(yīng)用到邊緣計算模型中，并分析了主要的原因。然后，從計算即服務(wù)的任務(wù)模型、計算模型以及服務(wù)模型進行了抽象。根據(jù)任務(wù)是否具有順序性特點，給出兩個比較常見的計算即服務(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)的延遲和能耗評價公式，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隨機接入過程的分析與實現(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物理層隨機接入分析與接收端檢測算法[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.邊緣計算：萬物互聯(lián)時代新型計算模型[J].計算機研究與發(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.基于多個開源系統(tǒng)的6LoWPAN邊界路由器的設(shè)計[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] 萬航，王學(xué)成.基于改進的公交車骨干網(wǎng)的改進區(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3

(1.華北計算機系統(tǒng)工程研究所，北京100083；2.北京信息科技大學(xué) 計算機學(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）