回归本源——边缘计算 的演进，物联网视角

当个人计算时代的需求和处理需求增长到足够程度时， 用户开始考虑云服务器。这推动了云计算的发展，并 开启了“一切即服务”的时代。当物联网理念广泛传 播后，大量传感器和小型设备被为普适计算和无处不在的计算而引入。收集和处理所有这些数据最简单的方法是将设备 连接到云。这需要高速网络和互连。然而，无论速度多快，工程师们都意识到，并非所 有数据都需要通过链路传输到中央数据服务器，而在中央数据服务器前端以及更靠近用 户位置的地方分布小型服务器会更加高效。这开启了将数据采集和处理推向终端用户设 备的演进过程，形成了一种新的计算方式——边缘计算，它以多种形式出现，例如雾计算、 云粒和移动边缘计算。

物联网（IoT）是一个由各种设备组成的网络，这些设备通过互联网相互通信。这些设备 在通信‐执行网络中的普及形成了物联网，其中传感器与执行器与我们周围的环境无缝融 合，信息在各个平台之间共享。1
各种硬件、软件、数据和服务相互连接，应用领域十分广泛，包括智能环境（智能家居、智 慧城市等）、医疗保健（分诊、患者监测、健康状况等）、紧急服务（远程监控、资源管理， 传输控制（交通管理、基础设施监控等）以及与环境相关的服务（资源供应、环境监测等）。

互联的“物”根据其位置、类型、性质、电源供应以及包括代表其状态的相关数据的特征 在内的其他各个方面，具有不同的特性。从位置来看，它们可以是静态或可移动设备，需 要移动和无线连接以实现移动自由——例如，可穿戴传感器是佩戴在人体上的设备，采用 电池供电，并通过移动和无线连接传输数据。

“物”的位置也决定了其电力资源，无论是标准电力供应还是电池。由于电池寿命有限， 使用电池供电的设备需要较小的处理能力，这就产生了将存储和处理任务卸载到更强大服 务器（如云和雾计算）的需求。所收集和处理的数据量巨大，进一步增加了向服务器卸载 的需求。卸载理念带来了新的架构问题，例如服务器应位于何处、如何避免长时间的通信 延迟，以及如何确保低能耗并增强物联网设备的移动性和独立性。本文将分析物联网领域 中通信、存储、处理以及能耗需求的演进。并通过适当的计算机基础设施架构设计来详细 阐述需求分析。

背景与基本定义

传感器与执行器是用于数据生成（采集）或控制设备的关键物联网设备。我们的目标是实 现小型物联网设备，使其独立于平台、位置和环境。通过将存储和计算从物联网设备卸载 到服务器或边缘设备，可以实现这一目标。这将使物联网设备能够移动并与环境无线连接。

在此背景下，边缘指的是靠近物联网设备的终端用户设备。与边缘设备通信的服务器， 通常称为边缘服务器，是设置在边缘设备附近的服务器，从而避免通信延迟。例如基站 中的小型服务器，有时也包括手机。

云是实现卸载理念的一种方式，而边缘计算则是更靠近终端设备的云的延伸。边缘计算 是指使能技术，这些技术允许在网络边缘针对云服务的下行数据和物联网服务的上行数 据进行计算处理。2

雾计算的出现旨在利用将服务器部署在基站附近的优势，以应对增加的数据流量，从而 在网络边缘托管服务、工作负载、应用程序和大量数据。3,4 这使得雾计算成为边缘计算 的同义词，因为它促进了终端设备与云计算数据中心之间计算、存储和网络服务的运行。 这种方法是通信领域对IT业务兴起并提供基于IT的服务的回应。

使用云作为服务器的一个众所周知的挑战是，与本地计算和称为云粒的小规模分布式计 算相比，移动设备与云服务器之间存在长延迟。5 云粒与云协作，进行识别后将结果发 送回移动设备。在云小站解决方案中，移动设备通过无线网络直接与云粒上的本地服务 器交换数据，而不是连接到云服务器。6

移动边缘计算是在移动运营商的基站实现边缘计算。因此，它是一种具有精确定位中间 服务器的特殊边缘计算形式。云粒也是位于互联网服务提供商场所局域网内、处于终端 用户设备与服务器之间的小型服务器。

物联网的ICT处理需求与解决方案

现代技术趋势和可用技术正在推动各种物联网传感器和远程控制器设备的商业化和大规模应用。

基本要求

让我们从描述一个典型的物联网传感器或远程控制器设备开始分析。物联网传感器是一种 能够感知环境信息或来自社交网络的数字数据等信息的设备。它可检测任何物质（物理、 化学或生物）以及某些非物质信息的变化。该传感器包含以下功能：感知、将信息转换为 电信号，并将电信号传输到邻近环境。

一些物联网传感器连接到物联网控制器设备，提供足以触发控制器设备动作的足够信息。它 可以是任何其他非传感类物联网设备，负责控制（移动）某个机构或系统，通常称为执行器。

物联网传感器与控制器设备之间的通信可以通过个人区域网络连接实现，通常通过直连电 缆、蓝牙或其他无线连接方式。这形成了一个独立自主的传感与控制系统。除非该系统需 要记忆先前的状态，否则仅需使用少量内存存储进行有限的处理。

计算与存储卸载需求

在此期间，需求和处理需求不断增加，工程师们试图实现更复杂的系统，并将其连接到 外部世界。增加的复杂性也要求与外部世界的连接性，以及对所收集数据更强的处理能 力和更高的存储需求。

逻辑上的解决方案是利用云数据中心的能力，因此接下来的需求是将物联网传感器和控制 器设备连接到互联网和云服务器，如图1所示。

与云的连接通过两种方式得到了相当高效的解决：互联网服务提供商和移动运营商。第 一种场景通过使用互联网和本地网络实现。物联网设备的终端用户可以利用其互联网连 接以及安装在场所内的局域网。为了连接到物联网传感器，他们可以设置一个WiFi路由 器或使用直接局域网电缆连接。图2展示了这种连接到云服务器的思路。

当传输数据量不大且不会造成通信瓶颈时，该解决方案能够高效运行。然而，物联网传感 器和控制器设备的设计可能会使用具有大数据量和高速率的流数据。

物联网传感器和设备发展的另一个特点是使其具备移动性和无线性，能够在移动时不受 任何阻碍。这意味着它们无法连接到静态电源供应，而必须依赖小型电池。因此，由于 资源受限，问题随之而来：处理任务必须足够轻量以节能，同时在充电前延长电池寿命。

资源受限不仅限制了处理能力，也限制了无线连接的使用。解决方案是采用小型个人局 域网连接，以尽可能延长物联网传感器和设备的资源使用寿命。典型示例包括蓝牙或其 他相关无线网络技术。这种情况改变了整体概念，因为无线网络需要更强大的无线连接， 不适合电池供电的设备。

解决此问题的方法是创建具有特殊用途的新设备，以配合物联网设备并充当数字信号中继 器。这些设备通过个人局域网（如直连电缆或蓝牙）与物联网传感器或控制器设备相连， 并能与WiFi路由器通信，如图3所示。它们的唯一功能是接收微弱的信号，进行缓冲，然 后通过无线网络或其他局域网连接传输到目的地。

其中一些设备不再需要移动或无线连接，它们可以使用常规电源，并连接到其所在场所 安装的局域网。另一些设备则需要充电，但其尺寸允许配备更高电池容量，从而减少频 繁充电的需求。此类设备的一个典型示例是智能手机，它可以从一侧与个人可穿戴传感 器通信，从另一侧连接无线网络。

图3中所示的解决方案是物联网传感器或控制器设备通过标准互联网连接到云的典型解决方 案。

基于云的解决方案

接下来我们解释直接互联网连接的替代方案。移动运营商为此问题提供了解决方案——他 们提供了移动网络解决方案，以替代设置WiFi路由器和互联网连接。为了更贴近物联网 传感器，他们使用其运营服务中的3G/4G或5G连接。该解决方案需要一种新型设备，能 够接收来自个人局域网的信号，并连接到移动运营商网络。用户可以使用传统的移动设备， 通过蓝牙与物联网设备连接。市场上还提供了专用设备的解决方案，这些设备可通过蓝牙 通信，并可插入SIM卡以连接到移动运营商网络。图4展示了移动运营商为物联网传感器 和远程控制器设备提供的典型解决方案。

如果物联网传感器不需要大量通信和处理，这些设计就足够了。例如，在测量环境温度 的情况下，无需持续传输数据，而是定期传输，比如每分钟一个数值，或更少。

新技术使得传感器更加先进，能够以高频率持续感知数据。例如，摄像头可以感知交通密 度，心电图（ECG）传感器可以感知心跳。大数据的诞生正是基于此类流数据源，这些 数据源具有高容量、高速度、多样性、可变性和真实性等特点。

大数据的演进为物联网世界引入了新的功能和物联网设备的特性，同时也带来了对增加 存储和处理需求的要求。此前的设计考虑现在引发了新的问题，例如流数据应存储在何 处，以及由谁来处理这些数据以在控制器设备上触发相关操作。

基于云的物联网（图3）或移动操作的基于云的物联网解决方案（图4）的现有设计还不够 完善。问题在于，随着连接数量的增加，通过广域网传输的流数据将迅速占用网络吞吐量， 并引发服务器拥塞。当然，可以通过增加广域网带宽来解决，但连接的物联网传感器数量 增长速度超过了网络提供商能够应对的能力。

云朵和移动边缘计算

避免通信瓶颈的解决方案是将处理能力分布到更接近用户的位置。这是云小站解决方案 的基础。在更接近用户的地方部署小型服务器，所有的存储和处理需求现在都被分配到 这些小型云微服务器上。它们提供与云数据中心相同的功能，但只能接受有限数量的物 联网设备并提供相关服务。云数据中心由此减轻了高通信需求的压力，并与云小站协作 交换相关信息。

提供具有附加值的扩展服务。

图5展示了面向流媒体物联网设备的云小站解决方案架构。物联网传感器或控制器设备通 过个人局域网，利用无线蓝牙技术或直接电缆连接与数字中继器进行通信。数字中继器对 收到的信号进行缓存，然后通过WiFi路由器将其传输至云小站服务器。云小站服务器 收集流数据并对其进行处理，提供相关服务。只有经过选择和处理的信息才会被发送到 云数据中心，从而对输入数据进行更全面的分析。由于延迟更小，并且将高吞吐量的流 数据和处理任务分配到本地服务器，该方案是对直接云解决方案的成功升级。已经证明， 即使云微服务器的处理速度慢于云数据中心，由数字中继器和WiFi路由器、蓝牙/ WiFi和局域网连接以及较慢的云微服务器所产生的延迟，仍小于访问云数据中心的整体 延迟。该设计最大的影响在于降低了对高吞吐量的需求。

移动运营商提出了类似的概念来满足物联网设备的高吞吐量需求（图6）。他们在基站场 所部署小型服务器，将存储和处理能力带到网络边缘更靠近用户的位置。这被称为移动 边缘计算解决方案。

边缘计算解决方案

到目前为止，我们已经提出了四种针对物联网领域计算和存储卸载需求的解决方案：

• 通过互联网直连的云（图3）。
• 移动运营商运营的云解决方案（图4）。
• 云小站解决方案（图5）。
• 移动边缘计算解决方案（图6）。

第一种和第三种使用了某种开放环境，因为用户可以选择互联网服务提供商和云服务提供 商。第二种和最后一种解决方案是移动运营商的专有方案，用户通常处于“锁定”状态， 无法选择或更改任何内容。在云小站解决方案中，用户需要安装自己的云小站服务器，并 支付月订阅费。而在移动运营商解决方案的情况下，月预付费订阅是唯一的选择。

最后两种设计解决了物联网数据流的问题，包括将集中式服务向用户靠近移动（通过边 缘计算概念的实现，通过将处理推向逻辑边缘来推动应用程序、数据和计算能力）。云 粒或移动边缘计算解决方案的架构假设在云服务器和物联网设备之间以边缘服务器的形 式建立一个中间层。

这又回到了将数据采集和初步处理推向更靠近用户、更靠近数据生成和使用地点的概念。 这意味着在终端用户物联网设备与中间层之间，将存在另一层，即附加边缘设备。

图7中提出的概念是将中继器替换为一种边缘设备形式的小型服务器（有时称为露计算9）。 它可以是台式计算机、笔记本电脑、平板电脑、智能手机或任何能够本地处理传入数据流 的移动设备。此外，它可有限时间存储数据，若未及时卸载数据，则旧数据将被删除。它 既可以与较低层级（物联网设备）通信，也可以与较高级层（云朵或移动边缘计算服务器 及云数据中心）通信。

与物联网设备的通信包括数据接收和触发信号传输。较高级层实现与外部世界的互联和 信息交换，例如卸载存储的数据并将相关信息发送到云数据中心。这种边缘计算设计使 数据采集和处理更接近源头和最终用户。

讨论

Dolui 和 Datta 在基于实现方式比较相关术语时，对相关术语进行了很好的对比。10 他们通过路由器、交换机或网关来分析雾计算节点设备，将云粒视为附近局域网中的数据中心，而将移动边缘计算视为移动运营商基站处的服务器。

从各种架构方法的角度对边缘计算进行了分析。Nastic 等人提出了用于边缘计算的无服务器架构，从而使更贴近数据生产源头的理念得到进一步强化。11

最佳边缘计算解决方案分析

我们的想法是选择最佳的边缘计算解决方案，将处理分发到更靠近用户和数据源的位置。有人会问，哪种解决方案最好，是云朵、雾、移动边缘计算，还是这些概念的组合？这个问题没有直接的答案，因此我们将分析有助于解决方案提供商做出最佳选择的条件。

与边缘计算概念相对的直接云解决方案，在静态物联网传感器感知环境数据（例如温度）且数据随时间变化不大的情况下，是最佳替代方案。该传感器不进行数据流传输，而是定期发送信息，在这种情况下，通信、存储和处理需求都非常小。在有稳定电源供应的电力条件下，这一点尤为重要。

带有云粒服务器和云数据中心的边缘计算解决方案在处理大量数据流的静态物联网传感器（如视频信号）时表现最佳。传感器传输的大量数据会在边缘设备上存储有限时间段，选定数据将被发送至云小站服务器，并与云数据中心协作进行进一步处理。

如果传感器不是静态的（即其地理位置发生变化）且没有可用的互联网服务提供商覆盖，则移动边缘计算解决方案是一个很好的替代选择。在这种情况下，传感器直接与移动运营商网络通信，雾/边缘服务器将收集和处理传入的数据，并与其云数据中心协作。

移动边缘计算和云微端解决方案是可移动流媒体物联网传感器和边缘设备的最佳替代方案。移动边缘设备可能没有连续的互联网连接。由于该边缘设备会收集、处理和存储数据，因此无需保持永久互联网连接。在这种情况下，只要物联网传感器和边缘设备进入互联网连接范围内，数据就会被卸载，云微端/云服务器将更新当前状态。也可以通过3G/4G连接与云微端/云服务器交换数据。

表1给出了物联网传感器及其相应边缘设备在各种场景下的最佳解决方案汇总。根据它们的位置，确定了以下类别：

• 静态位置，当物联网传感器和边缘设备在时间推移中不移动且具有持续电源供应时；
• 可移动位置，在物联网传感器可移动的情况下；
• 边缘设备，由电池供电。

在我们的分类中，如果传感器的采样频率高于每秒1个数据项（即1赫兹），则该传感器属于流式传输数据。我们了解到这一数值并非绝对精确，但通常认为，采样频率高于100赫兹的数据属于流数据，而采样频率低于0.1赫兹的数据则被认为不属于流式传输数据。

表1. 基于数据流的静态与可移动物联网传感器的最佳解决方案和互联网可用性。

位置/数据	流数据	发送文件
静态	边缘设备和云朵/云	仅云
可移动	边缘设备和多接入边缘计算	仅雾计算
可移动的无线网络	边缘设备和云朵/云	仅云

在所提出的分类中，我们还区分了永久互联网连接和移动网络接入的可用性。

一个案例研究：可穿戴心电图传感器

让我们分析一种使用边缘设备的现有健康相关物联网解决方案的信息与通信技术需求。该案例研究包括一个附着在人体上的可穿戴心电图传感器和一部作为边缘设备的手机。可穿戴传感器与边缘设备之间的通信通过蓝牙实现，而连接互联网则通过无线网络或3G/4G进行。

用户更愿意佩戴他们的心电图传感器，并在边缘设备（智能手机）上监测心脏功能，而不受任何妨碍其正常身体活动的限制。他们更倾向于使用电池续航超过20小时而无需充电的手机，因为通常习惯是在夜间用户睡觉时为手机充电。

存储要求

边缘设备（智能手机）的存储能力有限。假设连接的可穿戴心电图传感器以500赫兹频率采样，并使用2字节样本，则该边缘设备（智能手机）需要每秒存储1KB，即每天 86.4MB。除非该边缘设备（智能手机）卸载并删除旧数据，否则在一个月内存储 incoming 数据的需求将达到2.6GB。

年度存储需求将超过949 GB，接近TB的限制。

通信需求

如果所有数据都通过无线网络流式传输到高层服务器，那么当流数据在没有标识、时间和空间戳的情况下传输时，该系统对传输速率的要求为8Kbps。然而，应用软件可能会带来较大的开销，例如复杂的.Net方法会传输文本数据而非二进制数。

典型的TCP/IP连接由于所实现的TCP/IP层级的头部信息，通常会增加开销。考虑到确认信息和其他控制机制，我们预计该传输速率将翻倍。

即使传输速率翻倍也是可以接受的，因为当前标准的有线运营商提供的上行速度至少为 1Mbps。因此，从用户的角度来看，与云的通信不会造成实质性问题。

然而，如果数百或数千名用户登录云并并发流式传输数据，云数据中心可能会出现通信瓶颈。该问题主要出现在服务器端，即云数据中心的场所内。

处理需求

处理需求主要取决于实现的算法。小型流水线式ECG分析和特征提取算法可能需要每样本多达1K次计算，而综合分析可能需要每样本超过1M次操作。

假设每秒到达500个样本，那么流式流水线算法需要每秒50万次操作，而综合分析则需要每秒5亿次操作。理论上，所有现代智能手机每秒都能执行足够的操作，例如iPhone 6达到2 Gflops/s，三星Galaxy S6甚至更高。

然而，如果数百或数千个心电图传感器将数据流传输到云中心，那么在云数据中心的场所可能会出现瓶颈。

能耗

到目前为止，我们已经分析了信息与通信技术需求，并得出结论：边缘设备（智能手机）能够提供足够的能力来应对这些需求。然而，真正的问题始于对能耗的分析。

智能手机制造商声称，其2016年款型号的电池容量至少为1.800 mAh，并且在耗尽电量前可播放视频至少10小时。然而，在3D游戏情况下，它们只能维持约两个半小时。这两个例子表明，在处理器活动增加的情况下，电池寿命不足以支持随意的24小时使用。仔细分析显示，大部分能量消耗来自屏幕，而在监控应用中并不需要屏幕。屏幕仅在用户希望监控活动或发生紧急情况时才会使用。多项测试表明，通过无线网络或3G/4G传输心电图（ECG）信号可以利用现有的电池容量实现。然而，问题在于软件解决方案以及用于检测心跳和诊断心脏功能的算法。使用对心电图信号进行综合分析的算法将需要过多的处理器活动，这会使电池寿命在至少4小时内耗尽（比3D视频游戏更短）。因此必须做出妥协，开发人员必须使用高效的流算法编写软件。

建议

可穿戴物联网（ECG）传感器和边缘设备（智能手机）可以被设计成能够满足通信、存储和处理需求的足够能力。然而，真正的问题出现在分析可穿戴边缘设备的能耗时。

折衷方案是降低部分分析的通信、存储和处理需求。第一个解决方案是选择要传输到云的数据，第二个是选择要存储的数据（并非全部数据），最后一个是实现精度较低的监控算法。

通常，解决方案提供商会在这所有需求之间进行折中，或选择最后一种方案：开发较小的监控能力，并将所有数据传输到云，在那里可以实现综合分析。该解决方案旨在确保安全，将所有数据保存并传输到服务器，并实现关键监控信息。

以心电图（ECG）为例，还会出现其他一些相关问题，因为除非检测到心脏处于非正常功能状态，否则并非所有数据都是必需的。因此，边缘设备将在这一计算概念的进一步发展中发挥巨大作用。只有选定数据才会被传输并存储在云上。这些数据主要包含存在问题的部分，因为代表心脏正常活动的数据无需进行进一步分析。当然，云可以提供有限的存储能力来保存特定时间间隔的数据，例如过去一至两个月。旧数据将被删除，除非被标记为需要保留。

结论

本文从物联网的角度阐述了边缘计算概念的演进。在过去，物联网传感器和控制器设备需要通过无线网络或3G/4G 或 5G连接到云数据中心进行处理。这一概念成功实现了在云环境中的集中式处理。

然而，随着流数据的物联网传感器的演进，改变了事件的发展方向。在撰写本文时，通信和处理通过在移动运营商网络边缘建立云朵服务器或移动边缘计算服务器，被推向更接近用户的位置。新的边缘计算概念在此基础上更进一步，将通信和处理推向离用户更近的地方，并在靠近物联网设备和终端用户的区域部署边缘设备。这一演进展示了计算架构随时间的变化过程：起初我们采用集中式解决方案，而现在我们正回归到分布式终端用户设备。

最后，边缘计算实现了对持续联网的独立性，降低了处理延迟，同时允许与远程服务器进行自主运行和协作。