边缘计算系统设计与实践：引领科技创新的新浪潮

文章目录

一、边缘计算的概念
二、边缘计算的设计原则
三、边缘计算的关键技术
四、边缘计算的实践应用
《边缘计算系统设计与实践》
- 特色
- 内容简介
- 作者简介
- 目录
- 前言/序言
- 本书读者对象
- 获取方式

随着物联网、大数据和人工智能等技术的快速发展，传统的中心化计算模式已经无法满足现代社会的需求。边缘计算，作为一种新型的计算模式，以其低延迟、高带宽和高可靠性等优点，正在逐渐改变我们的生活和工作方式。本文将从边缘计算的概念、设计原则、关键技术、实践应用等方面，对边缘计算系统进行深入探讨。

一、边缘计算的概念

边缘计算是一种新型的计算模式，它将计算任务从数据中心转移到网络的边缘，使得数据在产生的地方就能得到处理，从而大大减少了数据传输的延迟和带宽消耗。边缘计算不仅可以提高数据处理的效率，还可以保护用户的隐私，提高数据的安全性。

二、边缘计算的设计原则

边缘计算的设计原则主要包括以下几点：

分布式架构：边缘计算系统通常采用分布式架构，将计算任务分散到网络的各个节点上，从而提高系统的处理能力和可靠性。
资源优化：边缘计算系统需要对网络资源进行优化配置，包括计算资源、存储资源和通信资源等，以满足不同应用的需求。
安全性：边缘计算系统需要考虑数据的安全性，包括数据的加密、访问控制和隐私保护等。
可扩展性：边缘计算系统需要具有良好的可扩展性，以适应不断变化的应用需求和网络环境。

三、边缘计算的关键技术

边缘计算的关键技术主要包括以下几个方面：

边缘节点：边缘节点是边缘计算系统的重要组成部分，它负责处理网络中的数据。边缘节点可以是物理设备，也可以是虚拟设备。
边缘协议：边缘协议是边缘计算系统中用于数据交换和通信的协议。常见的边缘协议有MQTT、CoAP和HTTP等。
边缘服务：边缘服务是边缘计算系统中提供的各种服务，包括数据处理、数据分析和数据存储等。
边缘应用：边缘应用是运行在边缘计算系统上的各种应用程序，包括智能家居、智能交通和智能制造等。

四、边缘计算的实践应用

边缘计算已经在许多领域得到了广泛的应用，包括物联网、工业自动化、智能交通和医疗健康等。

物联网：在物联网中，边缘计算可以实时处理设备产生的数据，减少数据传输的延迟和带宽消耗，提高设备的响应速度和效率。
工业自动化：在工业自动化中，边缘计算可以实现设备的实时监控和故障预测，提高生产效率和设备的使用寿命。
智能交通：在智能交通中，边缘计算可以实现车辆的实时定位和路径规划，提高交通的效率和安全性。
医疗健康：在医疗健康中，边缘计算可以实现患者的实时监测和疾病预测，提高医疗服务的质量和效率。

总结，边缘计算作为一种新型的计算模式，以其低延迟、高带宽和高可靠性等优点，正在逐渐改变我们的生活和工作方式。然而，边缘计算也面临着许多挑战，包括技术难题、安全问题和管理问题等。因此，我们需要不断研究和探索，以推动边缘计算的发展和应用。

《边缘计算系统设计与实践》

在这里插入图片描述
探秘云边端，揭示原理，实践边缘技术：一本真正能够指导工程师将边缘计算项目落地的指南，拿来即用。

特色

（1）内容全面：基本覆盖了边缘计算的各个方面，读者可以通过本书对边缘技术有一个非常全面的了解和认识。
（2）面向各类读者：既有深入的理论和架构研究，同时也有各种实用的方法、技巧和解决思路，无论是边缘技术爱好者还是本领域的专业人士，均能从中有所收获。
（3）贴近实际：书中的很多解决方案和案例都是出自笔者亲历的项目和研究中的问题，对于实际工程应用有一定的启发和指导作用。
（4）实用新颖：所有涉及的知识点和理论都尽量能够以真正应用中的技术为基础，同时在每一部分都能够介绍一些最新的研究方向和成果。
（5）趣味性：不但介绍了大量的专业知识，而且穿插了很多有意思的内容，使本书既有知识性，也兼顾趣味性。

内容简介

目前市场上边缘计算相关的书籍偏理论方面的比较多，而本书则特别强调理论和实践相结合，书中的很多案例、思路和总结都是来源于实际的项目和实践经验。本书不仅说明边缘计算技术是什么（what），而且解释为什么（why）和指导怎么做（how）。
本书对边缘计算涉及的技术领域进行了比较全面的介绍和总结。全书共分为10章，第1章是总体介绍；第2~5章主要介绍边缘计算涉及的基础设施层面的知识和技术，包括硬件、存储、通信和安全几个方面；第 6~9章主要介绍边缘计算架构和应用层面的知识和技术，包括微服务、数据处理、工业物联网和机器学习几个方面；第10章介绍了三个典型的边缘计算开源框架。
本书内容全面，贴近实际，实用新颖，可读性强，特别适合从事物联网和边缘计算领域的工程和研究人员阅读和参考；也适合希望了解边缘计算的架构师、工程师和项目管理者阅读；还适合计算机和信息技术专业的学生，以及物联网和边缘计算技术爱好者阅读。

作者简介

杨剑，具有十多年国内外大型科技企业的研发、架构和项目管理的经验。曾经作为高级工程师参与全球部署和应用的企业级信息系统的设计和开发；负责过华为海外供应链信息系统、生产制造信息系统和相关的物联网和边缘平台的项目管理、设计和实施；最近两年参与并负责了多个国家重点研发计划项目相关课题的研究和开发。对边缘计算、工业物联网和智能制造领域有较深入的研究和丰富的经验。
李长乐，博士，高级工程师，长期从事边缘计算在新能源微电网及储能系统中的应用研究、船舶电力系统研究、产品研发、标准研究等工作。承担及参与国家和省部级科研项目10余项，行业团体标准1项，授权专利10项，其中发明专利8项。入选2021年“上海产业菁英”高层次人才：产业青年英才。

第1章 边缘计算介绍
1.1　边缘计算简史 2
1.1.1　IT基础技术的演进历史 2
1.1.2　挺进边缘计算 4
1.2　云计算、IoT和边缘计算 7
1.2.1　近边缘端和远边缘端 8
1.2.2　边缘计算的应用场景 9
1.3　通信与硬件技术的发展对边缘计算的推动 11
1.3.1　计算单元和存储系统 13
1.3.2　能源管理和收集 15
1.3.3　通信技术 18
1.4　热门技术和边缘计算 20
1.4.1　5G技术和边缘计算 20
1.4.2　云计算、边缘计算和IoT 23
1.4.3　机器学习和边缘计算 24
1.4.4　移动边缘计算和移动云计算 26
1.5　云计算平台提供的边缘计算服务 26
1.5.1　AWS IoT Greengrass 27
1.5.2　阿里云Link Edge IoT 27
1.5.3　百度智能边缘 29
第2章 边缘计算的硬件
2.1　不同运算核心硬件在边缘计算中的应用 33
2.1.1　CPU与冯·诺依曼体系 33
2.1.2　GPU与并行处理 38
2.1.3　FPGA与ASIC 45
2.1.4　未来的新计算技术 49
2.2　边缘网关和边缘服务器 50
2.2.1　边缘网关 51
2.2.2　边缘服务器和边缘一体机 52
2.3　各种传感器技术 55
第3章 边缘计算存储系统设计和实现
3.1　边缘计算存储系统设计 61
3.1.1　边缘计算的分布式存储系统 61
3.1.2　分布式存储理论基础 62
3.2　开源分布式存储系统 66
3.2.1　直连式存储和集中式存储 66
3.2.2　大规模分布式存储技术 67
3.2.3　分布式存储系统总结 94
3.3　存储系统硬件技术的发展 94
3.3.1　早期存储硬件技术 94
3.3.2　固态硬盘（SSD）技术 95
3.3.3　未来的存储硬件 96
3.4　极端条件下的边缘数据存储 97
3.4.1　边缘计算和云存储能力的盲区 97
3.4.2　用卡车把数据送回去 98
第4章 边缘计算的通信
4.1　物联网和边缘计算的通信概述 101
4.1.1　对于边缘设备和物联网设备的通信要求 101
4.1.2　边缘计算底层通信协议的分类 102
4.1.3　应用层和消息层协议 104
4.1.4　通信相关标准组织介绍 105
4.2　边缘计算网络层通信协议介绍 107
4.2.1　RPL协议 108
4.2.2　LoRa协议 109
4.2.3　NB-IoT协议 110
4.2.4　LTE-M协议 112
4.2.5　Sigfox协议 113
4.3　现场边缘网络和通信 114
4.3.1　近距离网络通信协议之一：蓝牙技术 114
4.3.2　近距离网络通信协议之二：ZigBee 116
4.3.3　近距离网络通信协议之三：Wi-Fi 118
4.4　应用层协议 118
4.4.1　MQTT协议 119
4.4.2　CoAP协议 121
第5章 边缘计算的安全性
5.1　边缘计算面临的安全性挑战 125
5.1.1　边缘计算面临的重大安全挑战 125
5.1.2　信息安全领域是全新的战场 126
5.1.3　谈谈震网病毒 127
5.1.4　Mirai病毒 129
5.2　计算机安全的一些基本概念 131
5.2.1　计算机安全的本质 131
5.2.2　计算机系统安全的常用方法和概念 133
5.2.3　计算机加密算法介绍 136
5.2.4　网络安全技术 140
5.3　从可信计算到可信边缘计算 143
5.3.1　可信计算介绍 143
5.3.2　TPM 1.2、TPM 2.0和TPCM 144
5.3.3　基于TPM 2.0的可信计算 146
5.3.4　可信边缘计算 147
5.4　边缘计算安全问题分类 148
5.4.1　边缘接入安全问题 149
5.4.2　边缘服务器安全问题 150
5.4.3　物理安全问题 151
5.5　构建安全的边缘计算架构 152
5.5.1　边缘计算安全综合设计 153
5.5.2　边缘计算安全实践清单 154
第6章 边缘计算的微服务架构和消息机制
6.1　微服务架构介绍 157
6.1.1　典型的微服务架构 157
6.1.2　IoT+边缘计算的微服务架构 158
6.2　关于容器技术 159
6.2.1　容器技术（Docker）介绍 160
6.2.2　Docker引擎 160
6.2.3　虚拟机和容器的区别 162
6.2.4　进一步深入容器技术 164
6.3　微服务技术深度解析 165
6.3.1　软件开发模式和架构的回顾思考 165
6.3.2　微服务架构核心组件 168
6.3.3　P2P协议下的微服务通信 173
6.3.4　讨论Kubernetes和边缘计算 175
6.4　边缘计算的微服务架构设计 179
6.4.1　边缘计算微服务架构的考量 179
6.4.2　边缘计算架构设计 180
第7章 边缘计算的数据处理
7.1　边缘计算数据处理的价值 184
7.1.1　传统的数据分析流程 184
7.1.2　数据价值的思考 185
7.2　流数据采集和存储 186
7.2.1　流数据概述 186
7.2.1　设备接入和数据采集 188
7.2.3　边缘时序数据存储 192
7.3　时序数据处理 197
7.3.1　完整时序数据处理框架TICK 197
7.3.2　Prometheus和Grafana监控系统 201
7.3.3　流处理系统 204
7.4　时序数据分析和预测方法 207
7.4.1　时序数据的整理和可视化 207
7.4.2　时序数据的一些重要概念 211
7.4.3　统计时序预测方法 212
7.4.4　ARIMA模型训练和预测 215
第8章 工业边缘计算
8.1　工业边缘技术介绍 219
8.1.1　工业边缘计算的发展现状 219
8.1.2　工业边缘的应用场景 220
8.1.3　传统制造业信息系统改造 222
8.2　工业通信协议与接入技术 224
8.2.1　不同工业通信协议介绍 224
8.2.2　OPC UA协议及IT与OT的融合 229
8.2.3　工业通用接入技术 233
8.3　边缘计算基础设施和成本 236
8.3.1　边缘计算对基础设施的影响 236
8.3.2　边缘计算解决方案成本估算 239
第9章 机器学习和边缘计算
9.1　常用机器学习方法 242
9.1.1　机器学习的类型 242
9.1.2　机器学习的步骤和评估指标 244
9.1.3　基于概率的机器学习方法——朴素贝叶斯分类 247
9.1.4　数据简化和降维 250
9.1.5　决策树分类 254
9.1.6　传统的回归预测方法 257
9.2　深度学习方法介绍 262
9.2.1　多层感知机 262
9.2.2　CNN和RNN 264
9.3　强化学习 265
9.4　机器学习在边缘计算中的应用 274
9.4.1　工业边缘计算平台机器学习案例 274
9.4.2　强化学习在机器人控制中的应用 279
第10章 边缘计算开源框架
10.1　EdgeX Foundry 282
10.1.1　EdgeX Foundry简介 282
10.1.2　EdgeX Foundry的设备服务和核心服务 283
10.1.3　EdgeX Foundry的支持服务和应用服务 286
10.1.4　系统管理微服务 289
10.2　KubeEdge 290
10.2.1　KubeEdge简介 290
10.2.2　KubeEdge的安装和配置 292
10.2.3　KubeEdge对于K8s的改进 296
10.3　轻量级机器学习框架TensorFlow Lite 298
10.3.1　TensorFlow Lite的安装和运行 299
10.3.2　TensorFlow Lite模型的优化 301
10.3.3　给TensorFlow Lite模型添加元数据（Metadata） 304
10.4　边缘网络价值和未来的挑战 308
10.4.1　梅特卡夫定律和贝克斯特罗姆定律 308
10.4.2　未来信息技术发展的制约因素和边缘计算的关系 310

前言/序言

边缘计算是万物互联的核心技术

边缘计算技术是在云计算和物联网的基础上发展起来的，是信息技术基础设施和架构发展的自然演进。在几十年的计算机技术发展历史中，计算机的架构从大型机到客户端/服务器，再到云计算。信息技术不但改造了各行各业，而且创造出了互联网这个新兴行业，将人与人连接到了一起。随着物联网技术的逐渐普及，以及虚拟现实等新兴技术的兴起，信息系统开始从云+端的模式逐步演进到云边端的结合。其中的边缘计算技术将是未来万物互联的核心。

边缘计算不是一门单一的技术，而是一系列软硬件技术的综合应用体系。边缘计算几乎涉及信息技术的所有方面。每一个涉及的领域都有非常广泛的专业知识、技术及经验。边缘计算技术的价值不是技术本身，而是将边缘计算融合进各行各业而产生的协同效应。未来，随着物联网技术和边缘计算技术的进一步发展和成熟，相信所有的行业都将从中获益；同时，这个领域会有越来越多的创新机会涌现出来。学习和了解边缘计算的知识和技术，应该是所有紧跟技术前沿的IT人的“必修课”。

边缘计算是一个综合的知识和技术体系，而且边缘计算的商业机会处于各个行业和边缘计算的交会处。也就是说，能够发挥出边缘计算能力的不是在于这项技术本身，而是在于这项技术和其他行业的结合上。我们可以看到，物联网、边缘计算加上边缘智能已经在众多行业开花，从智能制造、智慧交通、智慧农业，到智能医疗、自动驾驶等。无数的应用场景和创新正在发生，期待未来的边缘计算能够创造出更多的发明机会。

各种硬件、软件和通信技术的发展是促成边缘计算出现和发展的技术基础；同时，技术的发展也带来新的需求和痛点，从而成为推动边缘计算应用和发展的动力。与通信技术结合的移动边缘计算（Mobile Edge Computing，MEC）将是未来实现低时延、高可控通信（uRLLC）的5G场景的重要支撑点，未来实现100ns时延的无线网络必然需要MEC技术。如果云计算是现代信息技术的大脑，那么边缘计算就是大脑的延伸和触角，很多计算任务将会下沉到边缘。边缘智能将人工智能带入各种生产和生活领域，将成为人工智能技术和实际场景相结合和落地的主要技术手段。