《边缘计算介绍》PPT课件.ppt

上传人:小飞机 文档编号:5610645 上传时间:2023-08-02 格式:PPT 页数:27 大小:1.04MB
返回 下载 相关 举报
《边缘计算介绍》PPT课件.ppt_第1页
第1页 / 共27页
《边缘计算介绍》PPT课件.ppt_第2页
第2页 / 共27页
《边缘计算介绍》PPT课件.ppt_第3页
第3页 / 共27页
《边缘计算介绍》PPT课件.ppt_第4页
第4页 / 共27页
《边缘计算介绍》PPT课件.ppt_第5页
第5页 / 共27页
点击查看更多>>
资源描述

《《边缘计算介绍》PPT课件.ppt》由会员分享,可在线阅读,更多相关《《边缘计算介绍》PPT课件.ppt(27页珍藏版)》请在三一办公上搜索。

1、边缘计算,1 介 绍,2 相关研究工作,一种基于边缘计算的用户业务排队优化方法,4 区块链和边缘计算结合的论文,Content,5 5G边缘计算,1 介 绍,施巍松等,边缘计算:万物互联时代新型计算模型 吴勇毅,下一个技术风口论边缘计算 ECC(Edge Computing Consortium,边缘计算产业联盟)2016 年成立,是边缘计算的积极推动者。ECC的边缘计算定义:是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的分布式开放平台,就近提供边缘智能服务,满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。随着物联网和5G的快速发

2、展,此时,边缘计算(EC,Edge Computing)技术应运而生。EC已成为ICT(信息、通信和技术)产业中继云计算之后的下一个技术风口、爆发点。,1 介 绍,如今,我们已经从物联网时代迈进万物互联(Internet of Everythin,IoE)的时代,相比物联网而言,万物互联除了“物”与“物”的互联,还增加了更高级别的“人”与“物”的互联,其突出特点是任何“物”都将具有语境感知的功能、更强的计算能力和感知能力。在边缘计算模型中,网络边缘设备已经具有足够的计算能力来实现源数据的本地处理,并将结果发送给云计算中心边缘计算模型不仅可降低数据传输带宽,同时能较好地保护隐私数据,降低终端敏感

3、数据隐私泄露的风险因此,随着万物互联的发展,边缘计算模型将成为新兴万物互联应用的支撑平台,将使云计算中心的部分应用服务程序迁移到网络边缘设备。边缘设备兼顾数据消费者和生产者。,1 介 绍,边缘计算的中心思想是把原先由核心节点进行的事务处理,分到各个边缘节点进行处理,并靠近终端用户来布局,从而使系统更高效和易于管理。正是由于边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。边缘计算中边缘的下行数据表示云服务,上行数据表示万物互联服务,而边缘计算的边缘是指从数据源到云计算中心路径之间的任意计算和网络资源。,2 相关研究工作,对于目前边缘计算研究,学者们主要围绕模型,资源的优化调

4、度与管理,数据的迁移与存储,性能的保证措施,网络安全与可靠性,工程应用等展开研究。未来边缘计算的种典型案例,包括云计算任务迁移、视频分析、智能家居、智慧城市、智能交通以及协同边缘。随着大数据时代的发展,为了解决云计算中心计算负载和数据传输带宽的问题,研究者也提出多种关于计算任务从云计算中心迁移到网络的边缘的技术,其中主要典型模型包括:分布式数据库模型、P2P模型、CDN模型、移动边缘计算模型、雾计算模型以及海云计算。,2 相关研究工作,2.1 分布式数据库模型 分布式数据库系统是数据库技术和网络技术两者结合的结果。大数据时代,数据种类和数量的增长使分布式数据库成为数据存储和处理的核心技术。数据

5、存储在多台计算机上,分布式数据库操作不局限于单台机器,而允许在多台机器上执行事务交易,以此来提高数据库访问的性能。相比于边缘计算模型,分布式数据库提供了大数据环境下的数据存储,较少关注其所在设备端的异构计算和存储能力,主要用以实现数据的分布式存储共享。分布式数据库技术所需的空间较大且数据的隐私性较低,对基于多数据库的分布式事务处理而言,数据的一致性技术是分布式数据库均要面临的重要挑战。边缘计算模型中数据位于边缘设备端,具有较高的隐私性、可靠性和可用性。万物互联时代,“终端架构具有异构性并需支持多种应用服务”将成为边缘计算模型应对大数据处理的基本思路。,2 相关研究工作,2.2 P2P(peer

6、-to-peer computing)P2P计算不仅与边缘计算紧密相关,而且还是较早将计算迁移到网络边缘的一种文件传输技术。P2P的术语于2000年首次被提出并用于实现文件共享系统,此后,其逐渐发展成为分布式系统的重要子领域,其中分散化、最大化可扩展性、容忍较高层节点流失以及恶意行为防止已经成为P2P主要的研究主题。该领域的主要成就包括:1)分布式Hash表,其后来演变为云计算模型中key-value分布式存储一般范式;2)广义Gossip协议,其已被广泛地用于非简单信息扩散的复杂任务处理类应用中,如数据融合和拓扑管理;3)多媒体流技术,其表现形式有视频点播、实时视频、个人通信等。边缘计算模式

7、源于P2P,但拓展了一些P2P中原来没有的新技术和新手段(雾计算、MEC、Cloudlet、分布式云等),将P2P的概念扩展到网络边缘设备,实现P2P计算和云计算的融合。,2 相关研究工作,2.3 内容分发网络(Content Distribution Networks,CDN)内容分发网络是基于互联网的缓存网络,通过在网络边缘部署缓存服务器来降低远程站点的数据下载延时,加速内容交付。内容分发网络的缓存服务器与边缘计算模型中边缘服务器类似,均位于网络的边缘。但是,边缘计算模型的“边缘”不限制在边缘节点,还包括网络边缘的摄像头、智能手机、网关、可穿戴的计算设备和传感器等设备。,2 相关研究工作,

8、2.4 移动边缘计算(Mobile Edge Computing,MEC)移动边缘计算是在接近移动用户的无线电接入网范围内,提供信息技术服务和云计算能力的一种新的网络结构,并已成为一种标准化、规范化的技术。移动边缘计算是发展5G的一项关键技术,有助于从延时、可编程性、扩展性等方面满足5G的高标准要求移动边缘计算通过在网络边缘部署服务和缓存,中心网络不仅可以减少拥塞,还能高效地响应用户请求。移动边缘计算模型强调在云计算中心与边缘设备之间建立边缘服务器,在边缘服务器上完成终端数据的计算任务,但移动边缘终端设备基本认为不具有计算能力。相比而言,边缘计算模型中终端设备上具有较强的计算能力,因此,移动边

9、缘计算是一种边缘计算服务器,作为边缘计算模型的一部分。,2 相关研究工作,2.5 雾计算(Fog Computing)思科于2012年提出雾计算,并将雾计算定义为迁移云计算中心任务到网络边缘设备执行的一种高度虚拟化的计算平台雾计算在终端设备和传统云计算中心之间提供计算、存储和网络服务,是对云计算的补充。雾计算通过在云与移动设备之间引入中间层,扩展了基于云的网络结构,而中间层实质是由部署在网络边缘的雾服务器组成的“雾层”,雾计算避免云计算中心和移动用户之间多次通信。边缘计算和雾计算概念具有很大的相似性,在很多场合表示同一个意思如果要仔细区分二者,我们认为边缘计算除了关心基础设施,也关注边缘设备,

10、包括Things的管理等,而雾计算则更多是指基础设施。,2 相关研究工作,2.6 海云计算 在万物互联背景下,待处理数据量达到ZB级,信息系统的感知、传输、存储和处理的能力需提高个数量级,同时整体能耗要保持在2010年的水准。中国科学院于2012年启动了10年战略优先研究倡议,称之为下一代信息与通信技术倡议,倡议的主旨是要开展“海云计算系统项目”的研究,其核心是通过“云计算”系统与“海计算”系统的协同和集成,增强传统云计算能力,其中,“海”端指由人类本身、物理世界的设备和子系统组成的终端(客户端)。与边缘计算相比而言,海云计算关注“海”的终端设备,而边缘计算是从“海”到“云”之间的任意中间计算

11、资源和网络资源,海云计算是边缘计算的一个非常好的子集实例。,3 一种基于边缘计算的用户业务排队优化方法,本发明涉及一种基于业务需求的多尺度频谱接入方案,尤其是一种基于边缘计算的用户业务排队优化方法。具体实现步骤:第一步:业务分类;第二步:建立批量到达模型并采用批量到达模型 对业务到达进行概率估计;第三步:根据批量到达模型获得边缘计算节点的服务参数,然后根据边缘计算节点的服务参数选择边缘节点;第四步:设置时间阈值为T,根据时间阈值T控制边缘计算节点的开闭,以节约能源。,3 一种基于边缘计算的用户业务排队优化方法,第一步:业务分类 个子缓存管理模块由同一个边缘计算节点提供服务时,所需总带宽为:,为

12、第 级业务的包个数,为每个包的平均速率。边缘计算节点服务用户的总个数为:,假设某一边缘计算节点的总调度容量为带宽。则此边缘计算节点可同时支持包的总个数为:,3 一种基于边缘计算的用户业务排队优化方法,第二步:建立批量到达模型并采用批量到达模型对业务到达进行概率估计 假设一个有 个分类缓存的边缘计算节点,同时服务 个用户,在该边缘计算节点服务某一业务 时,设业务A批量到达强度为 个包,且,设每个包的平均速率为,每个包的流入服从参数为 的指数分布,流出服从参数为 的指数分布,服务规则为先到先服务,以此为基础,采用马尔科夫链建立排队论模型 设马尔科夫链的状态空间为,其从 状态转移到 状态,其中,对于

13、是否有批量事件到达有两种情况,若有批量强度为的事件到达,其概率为,若没有事件到达且 时,其概率为。其中 为从 状态到 状态没有包流入的概率,为从 状态到 状态有包流入的概率。,3 一种基于边缘计算的用户业务排队优化方法,第二步:建立批量到达模型并采用批量到达模型对业务到达进行概率估计 因此,只有批量事件到达,才能使状态 返回自身。由该关系可得 其中,。令,其中,为每个包流入服从的指数分布的参数。由,由(5)式获得排队系统的业务时延,由(6)式获得系统的带宽利用率。,3 一种基于边缘计算的用户业务排队优化方法,第二步:建立批量到达模型并采用批量到达模型对业务到达进行概率估计 状态 的流入有 状态

14、的流入 和 批量到达 组成,状态 的流出有 状态的流出 和批量到达 组成。由于,到达流入状态 的最大值为,状态 的流入流出图如右图所示。设排队系统的稳态概率为,由 可解出排队系统的稳态概率。设业务到达的概率为 由 可对业务到达进行概率估计。,系统的状态转移矩阵:,3 一种基于边缘计算的用户业务排队优化方法,其中,为批量到达率,以 为例,其为到达状态 的最大批量到达率,为 状态的批量流入率。,3 一种基于边缘计算的用户业务排队优化方法,第三步:根据批量到达模型获得边缘计算节点的服务参数,然后根据边缘计算节点的服务参数选择边缘节点;选择边缘节点的方法如下:用户产生的业务根据其服务质量QoS的需求选

15、择相应的边缘计算节点,若某业务需求丢包率小,则相应边缘计算节点的丢包率大于用户业务所要求的丢包率,满足选择要求。第四步:设置时间阈值为T,根据时间阈值T控制边缘计算节点的开闭,以节约能源。由于业务到达具有一定的随机性,为了减少边缘计算节点的能源浪费,在边缘计算节点设置一时间阈值T,将其称为开关延迟期,边缘计算节点在服务完相应业务之后,判断在T时间内是否有业务到达,若在T时间内无业务到达,则将该边缘计算节点的业务通道关闭,当有业务到达时再开启,若在T时间内有业务到达,则保持该边缘计算节点的业务通道开启。,4 Optimal Pricing-Based Edge Computing Resourc

16、e Management in Mobile Blockchain,斯塔克尔伯格模型(主从博弈模型)Stackelberg Game:现在假设厂商1先决定它的产量,然后厂商2知道厂商1的产量后再做出它的产量决策。因此,在确定自己产量时,厂商1必须考虑厂商2将如何作出反应。斯塔克尔伯格竞争模型是一个价格领导模型,厂商之间存在着行动次序的区别。产量的决定依据以下次序:领导性厂商决定一个产量,然后跟随者厂商可以观察到这个产量,然后根据领导性厂商的产量来决定他自己的产量。要注意的是,领导性厂商在决定自己的产量的时候,充分了解跟随厂商会如何行动这意味着领导性厂商可以知道跟随厂商的反应函数。因此,领导性厂

17、商自然会预期到自己决定的产量对跟随厂商的影响。正是考虑到这种影响的情况下,领导性厂商所决定的产量将是一个以跟随厂商的反应函数为约束的利润最大化产量。在斯塔克尔伯格模型中,领导性厂商的决策不再需要自己的反应函数。,4 Optimal Pricing-Based Edge Computing Resource Management in Mobile Blockchain,纳什均衡(Nash equilibrium):又称为非合作博弈均衡,是博弈论的一个重要策略组合,以约翰纳什命名。指的是参与人的这样一种策略组合,在该策略组合上,任何参与人单独改变策略都不会得到好处。换句话说,如果在一个策略组合上

18、,当所有其他人都不改变策略时,为了让自己的收益最大,任何一方都不会(或者无法)改变自己的策略,这个时候的策略组合就是一个纳什均衡。囚徒困境例子中,两个囚犯符合自己利益的选择是坦白招供。这种两人都选择坦白的策略以及因此被判刑五年的结局就是“纳什均衡”。,4 Optimal Pricing-Based Edge Computing Resource Management in Mobile Blockchain,In this paper,we consider the edge computing as the network enabler for mobile blockchain.(边缘计

19、算作为区块链挖矿的网络提供者)We adopt a two-stage Stackelberg game to jointly maximize the profit of the ESP and the individual utilities of different miners.(利用两个阶段的斯塔克尔伯格模型对边缘计算服务提供商和不同挖矿者的个人工具的费用实现两者利益最大化)Mobile Blockchain Mining with Edge Computing:a mobile blockchain application;a group of miners;an ESP depl

20、oying the edge computing units.The proof-of-work puzzle can be offloaded to a nearby edge computing unit.成功挖矿的成本,5 5G边缘计算,近日,中央广播电视总台联合中国移动、华为公司在广东深圳成功开展了5G网络4K电视传输测试。这是我国首次成功实现4K超高清电视5G网络传输测试,为2019年春晚5G技术的应用做好了技术验证和准备。届时,春晚深圳分会场将划时代地实现4K超高清内容的5G网络传输,并在央视4K频道面向亿万观众播出。2013年,华为宣布投入6亿美元用于5G的标准与技术研究。201

21、7年,华为集结力量,全年投入超过40亿元人民币用于5G端到端解决方案。如今在华为遍布全球各地的11个研究创新中心里,每天都有数千名5G研究专家在专注于5G研发。,5 5G边缘计算,持续多年的高强度投入,让华为在5G组网架构、频谱使用、空口技术、原型机实现和外场验证等多个领域取得了突破性进展,其创新的Polar Code、F-OFDMA新空口、UCNC上下行解耦等技术被5G国际标准接受为核心技术。与此同时,华为还是5G 信道编码及SBA架构标准的主要贡献者。事实上,据欧洲电信标准化协会(ETSI)统计,截至2018年6月,华为在全球5G新空口和新核心网领域的标准专利数量均排名第一。中国移动研究院

22、,陆璐,面向5G网络的边缘计算技术研究;中兴,黄强等,5G边缘计算演进;北邮,项弘禹等,5G边缘计算和网络切片技术5.1 边缘计算标准和产业发展现状 ETSI MEC工作组于2014年成立,迄今共发布11本白皮书,提出边缘计算整体架构,在边缘计算平台能力、应用生命周期管理、资源管理等方面已有较成熟的规范,但还欠缺与移动网络能力/信息开放的对接部分,这也是ETSIMEC下一步的工作重点之一。,5 5G边缘计算,目前,整个边缘计算产业还处于技术完善期和商业探索期,随着5G和工业互联网的快速发展,将进一步促使边缘计算产业的成熟。5.2 面向5G网络的边缘计算技术分析 面向5G网络的边缘计算总体架构由

23、3GPP定义的分散在5G网络架构中的分布式用户面功能UPF(UserPlan Function)和ETSIMEC定义的边缘计算平台ECP(EdgeComputingPlatform)两部分组成。与路由转发相关的本地分流功能由灵活部署的UPF实现,UPF 在边缘计算中主要实现本地分流能力。与边缘数据处理相关的功能由ECP实现,ECP是支持虚拟化/容器技术的平台系统。容器技术逐渐成为边缘计算虚拟化平台选择的重要技术。目前,ETSIMEC工作组定义的接口除了ECP 平台系统内部的管理接口外,还对边缘计算应用提供了一套基于Restful 的统一API 接口,支持第三方应用的灵活加载和移动网络信息的封装和开放。,5 5G边缘计算,在5G时代,由于接入网功能集中与核心网功能下移,使得网络面临复杂多样的部署。边缘计算与接入网单元的关系,以及边缘计算在网络中的部署位置都是需要明确的问题。,THANK YOU FOR WATCHING,

展开阅读全文
相关资源
猜你喜欢
相关搜索
资源标签

当前位置:首页 > 生活休闲 > 在线阅读


备案号:宁ICP备20000045号-2

经营许可证:宁B2-20210002

宁公网安备 64010402000987号