边缘计算1介绍2相关研究工作3一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55G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(EdgeComputingConsortium,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的快速发展,此时,边缘计算(EC,EdgeComputing)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(InternetofEverythin,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6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2.2P2P(peer-to-peercomputing)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(ContentDistributionNetworks,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2.4移动边缘计算(MobileEdgeComputing,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(FogComputing)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,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3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。不同业务包分类器批量到达排队每个边缘计算节点的服务参数选择边缘节点设置时间阈值T决定边缘计算节点开闭以节能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:mc1mjbjccRjcjbRCNcNCnjmnNc3一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。hNkA1+chnhkcbR/////1/nXkMAPMcchMAPM1,2,,SLmij1,ijmnkkijpkij0ijp0ijpijijpkijk3一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。i1,1101nnijijjijkjppk1,ijmnkkijDq0=-ijiqikijiijqpk11151chiicnchkikichkicWkD1116nchkikichkkDBc3一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。m1m1mkDm1-mmkDmnmmDmilimittpii1,iL1min1,nmin,min,1min2,nmin1,nmin1,2min3,nmin2,nmin2,1min1,00000000000mmnchnmmchnmmchnmchmnDLDDLDLDDLDLDDLDQMMMMMMMLLDLL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Q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。Dmin,DmnmkDmk3一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。4OptimalPricing-BasedEdgeComputingResourceMana