边缘计算参考架构

边缘计算的体系架构
边缘计算是一种在网络边缘执行数据处理和分析的计算模式，它将计算资源和服务从云端推向网络边缘，以提高应用程序的性能、降低延迟和减少网络带宽的使用。

边缘计算的体系架构通常包括以下几个层次：
1. 设备层：这是边缘计算的最底层，包括各种传感器、智能设备、物联网设备等，它们产生和收集数据。

2. 边缘层：这是边缘计算的核心层，它包括各种边缘设备和服务器，如边缘网关、边缘服务器、路由器等。

这些设备负责处理和分析设备层产生的数据，并执行本地的计算和决策。

3. 云层：这是传统云计算的层次，它包括各种云服务器、云存储、云应用等。

云层负责存储和处理大量的数据，并提供各种应用程序和服务。

4. 应用层：这是边缘计算的最上层，它包括各种应用程序和服务，如智能交通、智能制造、智能医疗等。

这些应用程序和服务利用边缘计算的优势，实现低延迟、高带宽和高可靠性的应用。

在边缘计算的体系架构中，边缘层和云层之间通过高速网络连接，实现数据的传输和共享。

同时，边缘层和设备层之间也通过无线或有线网络连接，实现数据的采集和传输。

总之，边缘计算的体系架构是一个分布式的计算架构，它将计算资源和服务从云端推向网络边缘，以提高应用程序的性能、降低延迟和减少网络带宽的使用。

1 边缘计算边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。

其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。

边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。

而云端计算，仍然可以访问边缘计算的历史数据。

1.1 从分布式数计算开始对物联网而言，边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。

这无疑将大大提升处理效率，减轻云端的负荷。

由于更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决。

1.2 边缘计算vs云计算无论是云、雾还是边缘计算，本身只是实现物联网、智能制造等所需要计算技术的一种方法或者模式。

严格讲，雾计算和边缘计算本身并没有本质的区别，都是在接近于现场应用端提供的计算。

就其本质而言，都是相对于云计算而言的。

边缘计算的范式，从二者的计算范式可以看出来，边缘侧的数据计算，一下子变得丰富起来。

这里产生了全新的想象空间。

1.3 物联网应用催生全球智能手机的快速发展，推动了移动终端和“边缘计算”的发展。

而万物互联、万物感知的智能社会，则是跟物联网发展相伴而生，边缘计算系统也因此应声而出。

事实上，物联网的概念已经提出有超过15年的历史，然而，物联网却并未成为一个火热的应用。

一个概念到真正的应用有一个较长的过程，与之匹配的技术、产品设备的成本、接受程度、试错过程都是漫长的，因此往往不能很快形成大量使用的市场。

边缘计算在整个计算中的位置：根据Gartner的技术成熟曲线理论来说，在2015年IoT从概念上而言，已经到达顶峰位置。

因此，物联网的大规模应用也开始加速。

因此未来5-10年内IoT会进入一个应用爆发期，边缘计算也随之被预期将得到更多的应用。

Gartner技术成熟曲线边缘计算边缘计算的架构在中国，边缘计算联盟ECC正在努力推动三种技术的融合，也就是OICT的融合（运营Operational、信息Information、通讯Communication Technology）。

边缘计算网络架构是一种新型的网络架构，它将数据处理和分析任务从云端数据中心移至网络边缘，以提高数据传输速度、降低网络延迟、提高网络安全性，并优化资源利用率。

以下是边缘计算网络架构的解析：1. 边缘节点：边缘节点是边缘计算网络架构的核心，通常部署在靠近用户设备的网络边缘，如家庭、企业或工业设施。

这些节点通常包括服务器、智能设备和传感器等，负责处理和分析来自用户设备的数据。

2. 分布式架构：边缘计算网络架构采用分布式架构，这意味着网络中的各个边缘节点相互协作，共同完成数据处理和分析任务。

这种架构有助于提高系统的可扩展性和可靠性，因为边缘节点的数量可以根据需求进行动态调整。

3. 云计算与边缘计算的协同：在边缘计算网络架构中，云计算和边缘计算是协同工作的。

云计算提供数据处理和分析所需的通用功能，如数据存储、算法库和模型等。

而边缘计算则负责处理实时数据和特定任务，如视频流处理、实时分析等。

这种协同工作模式可以提高数据处理速度和准确性。

4. 实时数据处理和分析：边缘计算网络架构强调实时数据处理和分析。

由于数据在边缘节点处被处理，因此可以减少数据传输延迟，提高响应速度。

此外，实时分析还可以帮助企业实时监控生产过程、预测故障并及时采取措施，从而提高生产效率和降低维护成本。

5. 安全性和隐私保护：边缘计算网络架构强调安全性和隐私保护。

由于边缘节点通常部署在公共场所或工业设施中，因此需要采取措施确保数据的安全性和隐私性。

例如，可以使用加密技术保护数据传输和存储过程中的安全性，同时使用访问控制策略限制对数据的访问。

6. 开放标准和互操作性：边缘计算网络架构强调开放标准和互操作性。

这意味着不同的边缘计算系统应该遵循相同或相似的标准，以便不同厂商的设备能够相互通信和协作。

这有助于降低系统复杂性、提高可扩展性和互用性。

综上所述，边缘计算网络架构是一种新型的网络架构，它将数据处理和分析任务从云端数据中心移至网络边缘，以提高数据传输速度、降低网络延迟、提高网络安全性并优化资源利用率。

边缘计算参考架构
边缘计算参考架构
在中国，边缘计算联盟ECC正在努力推动三种技术的融合，也就是OICT的融合（运营Operational、信息Information、通讯CommunicationTechnology）。

而其计算对象，则主要定义了四个领域：
第一个是设备域的问题，出现的纯粹的IoT设备，跟自动化的I/O采集相比较而言，有不同但也有重叠部分。

那些可以直接用于在顶层优化，而并不参与控制本身的数据，是可以直接放在边缘侧完成处理；
第二个是网络域。

在传输层面，直接的末端IoT数据、与来自自动化产线的数据，其传输方式、机制、协议都会有不同，因此，这里要解决传输的数据标准问题，当然，在OPCUA架构下可以直接的访问底层自动化数据，但是，对于Web数据的交互而言，这里会存在IT与OT之间的协调问题，尽管有一些领先的自动化企业已经提供了针对Web方式数据传输的机制，但是，大部分现场的数据仍然存在这些问题。

第三是数据域，数据传输后的数据存储、格式等这些数据域需要解决的问题，也包括数据的查询与数据交互的机制和策略问题都是在这个领域里。

面向5G网络的边缘计算服务架构一、边缘计算服务架构概述随着5G网络的快速发展，边缘计算作为其核心支撑技术之一，正逐渐成为研究和应用的热点。

边缘计算服务架构是5G网络中实现资源优化、服务快速响应和数据本地化处理的关键。

本文将深入探讨面向5G网络的边缘计算服务架构，分析其设计原则、关键技术以及面临的挑战和解决方案。

1.1 边缘计算概念与重要性边缘计算是一种分布式计算架构，它将计算任务从中心节点转移到网络边缘，即靠近用户和数据源的地方。

这种架构对于5G网络至关重要，因为它能够提供更低的时延、更高的带宽和更好的用户体验。

边缘计算能够支持各种应用场景，包括但不限于增强现实(AR)、虚拟现实(VR)、自动驾驶、智慧城市等。

1.2 边缘计算服务架构的设计原则在设计面向5G网络的边缘计算服务架构时，需要遵循以下原则：- 低延迟：确保服务响应时间尽可能短，满足5G网络低时延的要求。

- 高可靠性：保证服务的连续性和稳定性，以应对网络波动和设备故障。

- 可扩展性：架构应具备良好的扩展性，以适应不断增长的用户需求和数据流量。

- 安全性：保护数据和隐私，防止未授权访问和数据泄露。

二、边缘计算服务架构的关键技术2.1 边缘节点的部署与管理边缘节点是边缘计算服务架构的基础，负责执行计算任务和处理数据。

边缘节点的部署需要考虑地理位置、网络条件和资源可用性等因素。

同时，边缘节点的管理也是一项挑战，需要实现自动化的资源调度和故障恢复。

2.2 计算卸载与任务调度计算卸载是指将任务从用户设备或中心云卸载到边缘节点的过程。

任务调度则是决定哪些任务在边缘节点执行，哪些任务发送到中心云。

这两者对于优化资源利用和降低延迟至关重要。

2.3 网络功能虚拟化(NFV)网络功能虚拟化是一种将网络功能从专用硬件转移到通用硬件的技术。

在边缘计算服务架构中，NFV可以提高资源的灵活性和可扩展性，支持快速部署和更新网络服务。

2.4 服务化架构(SBA)服务化架构是一种基于服务的设计理念，它将网络功能分解为的服务组件，通过服务化接口实现组件间的互操作。

工业边缘计算的概述和参考架构1980年美国普渡大学工业工程系提出计算机集成制造系统的参考模型，被国际工业和学术界奉为经典，后来发展成为ISA 95企业信息系统集成标准的基础；企业信息系统集成国际标准IEC/ISO 62264脱胎于ISA 95。

迄今为止ISA 95的参考架构仍然是工业企业进行数字化转型的基础参考架构，因而在开创工业边缘计算的技术方向时，从总体视角来看它依然是基本的参考架构。

图1完整地表述了将ISA 95的参考模型映射到工业云-边-端所对应的架构。

从工厂的信息集成发展到企业的信息集成，原有的5层模型增加到6层模型，也即从企业内部的管理扩展到把企业经营活动的上下游（涵盖供应链、产品全生命周期等）都包罗进来，目的是保证企业生产和管理的全局优化。

对应由顶层向底层的各个层级，它们的数据流量和时间尺度分别是：管理层为百万字节/天（Megabytes/days），运营操作层为兆字节/小时（Mbytes/hours），监控/协调层为千字节/分（Kilobytes/minutes），直接控制层为字节/秒（Bytes/seconds），设备和过程层为位/微秒（bits/microseconds）。

按照对实时性能的要求可以大致将这些层级划分为两类：L4层的ERP和L3层MES划分为实时性要求低或较低、数据量大的一类，对应于工业云-边-端的架构，这一类可以迁移到云端。

而L2层的SCADA和HMI、L1层的PLC/DCS以及L0层的传感器和执行器，实时性要求高、数据量低，对应于工业云-边-端的架构，这一类必须保留在生产现场，它们都是属于边缘计算节点（ECN）。

图1 ISA 95参考架构对云-边-端的映射图2是一个典型的工业云和边缘计算架构，分为三层。

顶层是工业云平台，提供涵盖设计、制造、管理和维护的各种应用程序。

为了降低部署和运营成本，传统的ERP、MES、产品生命周期管理（PLM）和客户关系管理（CRM）系统都可以迁移到工业云。

云计算边缘计算架构云计算是一种基于互联网的计算模式，能够提供高效、灵活且可扩展的计算资源。

然而，随着物联网技术的迅速发展，传统云计算模式也遇到了一些挑战。

传统云计算的数据中心往往与用户之间存在较远的距离，导致数据传输的时延较大，与实时性要求较高的应用不太适用。

为了解决这一问题，边缘计算应运而生。

边缘计算是一种将计算资源和应用数据放置在物理接近数据源的位置，以提供低时延、高带宽和可靠性的计算能力的技术。

它通过将数据和计算从中心云移到网络边缘，实现了更快的响应时间和更好的用户体验。

边缘计算架构由多个边缘设备、边缘服务器和云端服务器组成，形成一个分布式的计算网络。

一、边缘设备边缘设备是指位于网络结构边缘的智能设备，如智能手机、物联网传感器等。

边缘设备负责收集各种环境传感器数据、用户输入以及其他外部数据，并将这些数据传输到边缘服务器进行处理和分析。

边缘设备通常具有较小的计算和存储能力，但能够进行实时的数据处理和快速决策。

二、边缘服务器边缘服务器是位于边缘设备和云服务器之间的中间节点，负责处理边缘设备传输的数据。

边缘服务器通常具有较强的计算能力和存储能力，能够进行实时数据分析、处理和存储。

边缘服务器还可以根据边缘设备的需求，选择性地将数据传输到云端服务器进行更复杂的计算或长期存储。

三、云端服务器云端服务器是传统云计算中的数据中心，负责存储大量数据和进行复杂的计算。

云端服务器通过与边缘服务器进行通信，将边缘设备收集到的数据进行更细粒度的分析和处理，并提供高级的计算服务和应用程序接口。

云端服务器的优势在于其具备强大的计算和存储能力，适合处理大规模数据和复杂计算任务。

四、边缘计算架构的优势边缘计算架构相比传统的云计算架构具有以下优势：1. 低时延：边缘设备与边缘服务器之间的距离较近，可以实现数据的实时处理和响应，大大减少了传输时延。

2. 高带宽：边缘设备与边缘服务器之间的网络连接往往具有较高的带宽，可以支持大规模数据的传输和处理。

边缘计算硬件架构介绍服务器和处理器平台的主要趋势部署在边缘的硬件历来是专门为特定工作负载构建的，通常是内容分发网络或物联网。

随着边缘计算的普及和新的用例的出现，通用基础设施也被部署来运行类似云的工作负载。

IDC预测到2023年，边缘网络将占所有已部署云基础设施的60%以上。

除了已经推动边缘增长的趋势之外，大流行对劳动力和运营实践的影响将继续加速边缘位置的基础设施、应用和数据资源的交付，这一影响将贯穿2021年和未来几年。

熟悉的数据中心公司和云提供商将添加边缘产品，但形态将越来越多样化。

例如，许多首批规模边缘部署系统都是使用微模块化边缘数据中心构建的，而这些系统正迅速被新的形态（如街边机柜和灯杆附件）所增强。

为了满足整体连续性需求，特别是在需要计算的网络中的不同点，边缘硬件将有所不同，从电信中心办公室的全尺寸机架到工厂生产线上或通过专用5G连接的仓库中的智能摄像头，或者加固的户外地点，如赛道、石油钻塔、工厂、办公室，甚至飞机和船舶都能成为微型数据中心。

IT和运营技术（OT）越来越融合，这种趋势在边缘尤为明显。

2021年也将带来更多的变化：ARM服务器处理器、AI处理芯片、GPU、智能网卡（SmartNIC）和现场可编程门阵列（FPGA）板将越来越普遍。

在边缘执行的更广泛的工作负载将增加硬件的异构性，从而产生更广泛的CPU，以及新型硬件和网络加速器。

基于ARM的芯片在边缘的物联网设备中一直很常见，但是ARM新的Neoverse平台的目标产品包括服务器、存储处理器以及网络硬件。

AWS在其基于ARM的Graviton实例上投入了大量资金，这有助于验证ARM作为通用服务器处理器架构的价值。

AWS还发布了其Outposts 超融合系统的1U版本，其中包括Graviton2处理器。

微软正在开发自己的基于ARM的硬件，用于CDN和其它边缘场景，但尚未将其用到自己的数据中心之外的地方。

Apple最近发布的基于ARM的M1处理器可能会增加对该领域的关注，消费者可以看到功率和性能的提升（并为数百万软件开发人员提供架构的轻松本地访问），从而更好地全面了解ARM的平台能力。

边缘计算参考架构4.0边缘计算在靠近数据源或用户的地方提供计算、存储等基础设施，并为边缘应用提供云服务和 IT 环境服务。

相比于集中部署的云计算服务，边缘计算解决了时延过长、汇聚流量过大等问题，为实时性和带宽密集型业务提供更好的支持。

随着 5G 和工业互联网的快速发展，新兴业务对边缘计算的需求十分迫切。

在众多垂直行业新兴业务中，对边缘计算的需求主要体现在时延、带宽和安全三个方面。

目前智能制造、智慧城市、直播游戏和车联网 4 个垂直领域对边缘计算的需求最为明确。

在智能制造领域，工厂利用边缘计算智能网关进行本地数据采集，并进行数据过滤、清洗等实时处理。

同时边缘计算还可以提供跨层协议转换的能力，实现碎片化工业网络的统一接入。

一些工厂还在尝试利用虚拟化技术软件实现工业控制器，对产线机械臂进行集中协同控制，这是一种类似于通信领域软件定义网络中实现转控分离的机制，通过软件定义机械的方式实现了机控分离。

在智慧城市领域，应用主要集中在智慧楼宇、物流和视频监控几个场景。

边缘计算可以实现对楼宇各项运行参数的现场采集分析，并提供预测性维护的能力；对冷链运输的车辆和货物进行监控和预警；利用本地部署的 GPU 服务器，实现毫秒级的人脸识别、物体识别等智能图像分析。

在直播游戏领域，边缘计算可以为 CDN 提供丰富的存储资源，并在更加靠近用户的位置提供音视频的渲染能力，让云桌面，云游戏等新型业务模式成为可能。

特别在 AR/VR 场景中，边缘计算的引入可以大幅降低 AR/VR 终端设备的复杂度，从而降低成本，促进整体产业的高速发展。

在车联网领域，业务对时延的需求非常苛刻，边缘计算可以为防碰撞、编队等自动/辅助驾驶业务提供毫秒级的时延保证，同时可以在基站本地提供算力，支撑高精度地图的相关数据处理和分析，更好地支持视线盲区的预警业务。

除了上述垂直行业的应用场景之外，边缘计算还存在一种较为特殊的需求-本地专网。

很多企业用户都希望运营商在园区本地可以提供分流能力，将企业自营业务的流量直接分流至企业本地的数据中心进行相应的业务处理。