周悅芝 張迪

1 引言

云計算自從在2007年由IBM公司提出以來，得到了IBM、谷歌、亞馬遜以及微軟等大型商業(yè)公司的大力推進(jìn)。近幾年來，云計算及其服務(wù)在諸多領(lǐng)域得到了廣泛應(yīng)用，受到了人們的普遍認(rèn)可，也產(chǎn)生了巨大的商業(yè)價值。2016年，亞馬遜云計算業(yè)務(wù)營收達(dá)到了122億美元。微軟預(yù)測其云計算業(yè)務(wù)營收在2018年前將達(dá)到200億美元。近年來，計算機(jī)軟硬件和網(wǎng)絡(luò)通信技術(shù)的蓬勃發(fā)展，一方面促進(jìn)了云計算的發(fā)展，但另外一方面也使得云計算本身固有的問題和缺陷開始顯現(xiàn)出來。因此，為了應(yīng)對云計算發(fā)展和應(yīng)用所面臨的問題，人們已經(jīng)開始探索后云計算時代的新型網(wǎng)絡(luò)計算模式。

首先，普適化智能終端技術(shù)發(fā)展迅速，出現(xiàn)了各式各樣的新型智能終端設(shè)備，并得到了廣泛應(yīng)用。以智能移動終端（智能手機(jī)等）為例，截至到2011年，全球智能移動終端的出貨量已經(jīng)超過PC終端。2016年，全球移動用戶的總量已經(jīng)達(dá)到70億，我國移動互聯(lián)網(wǎng)用戶在2016年突破了9億。根據(jù)摩爾定律，這些智能移動終端的能力發(fā)展迅速，比如華為P10手機(jī)，其CPU具有8個核：4個2.4 GHz核心和4個1.8 GHz核心，已經(jīng)超過一些PC終端。再以智能穿戴設(shè)備為例，智能手表、智能手環(huán)等智能穿戴設(shè)備近年來也得到了飛速發(fā)展。此外，城市、社區(qū)、甚至山河湖泊也都普遍部署了各種具有不同處理能力的智能或非智能傳感設(shè)備，如雷達(dá)、攝像頭、水質(zhì)/火災(zāi)傳感器等。這些普適化智能或非智能的終端，在處理和存儲、網(wǎng)絡(luò)連接以及能耗等方面差異非常大。集中式的云計算是否能夠適應(yīng)這些移動終端的特點(diǎn)并最大潛力地發(fā)揮這些不同終端設(shè)備的能力，這是云計算普遍應(yīng)用需要考慮的難題。

其次，泛在化網(wǎng)絡(luò)技術(shù)得到了進(jìn)一步快速發(fā)展和部署。4G-LTE、LTE-A、WiFi等無線寬帶技術(shù)已經(jīng)得到廣泛使用，5G和D2D（device to device）技術(shù)正在迅速發(fā)展中，有望在未來幾年得到商業(yè)部署。無線寬帶技術(shù)的發(fā)展，雖然加快了用戶訪問云服務(wù)的速度，提高了用戶體驗。但是，用戶的訪問速度和需求還仍然得不到滿足。以在線視頻應(yīng)用為例，移動在線視頻播放不但要消耗大量帶寬，而且網(wǎng)絡(luò)延遲對用戶體驗的影響極大。旨在提高用戶帶寬和訪問速度的5G和D2D技術(shù)的發(fā)展，既為云計算帶來了新的發(fā)展動力，同時也給云計算能否充分利用不斷更新的網(wǎng)絡(luò)設(shè)備和技術(shù)，進(jìn)一步提高用戶體驗帶來了新的挑戰(zhàn)。

與此同時，隨著軟件定義網(wǎng)絡(luò)SDN（software defined networking）和網(wǎng)絡(luò)功能虛擬化NFV（network functions virtualization）等新興網(wǎng)絡(luò)技術(shù)的發(fā)展和應(yīng)用，邊緣的網(wǎng)絡(luò)接入設(shè)備甚至核心路由設(shè)備的處理和存儲能力不斷地增強(qiáng)，而且其功能可以根據(jù)用戶需求進(jìn)行擴(kuò)展和增值。這與集中式的云計算理念不完全一致，也為云計算的進(jìn)一步發(fā)展和應(yīng)用帶來了挑戰(zhàn)。進(jìn)一步，普適化智能終端和泛在化網(wǎng)絡(luò)技術(shù)的快速發(fā)展，也催生了豐富多彩的新型網(wǎng)絡(luò)應(yīng)用和服務(wù)。物聯(lián)網(wǎng)（Internet of things，IoT）、車聯(lián)網(wǎng)（Internet of vehicles，IoV）、萬物網(wǎng)（Internet of everything，IoE）、智慧地球（smart planet）、智慧城市（smart city）、智能電網(wǎng)（smart gird），以及社交網(wǎng)絡(luò)（social networks）、未來網(wǎng)絡(luò)（content/media/service oriented networking）等這些應(yīng)用也逐漸被大眾所熟知。近年來，虛擬現(xiàn)實（virtual reality，VR）/增強(qiáng)現(xiàn)實（augmented reality，AR），無人駕駛（self-driving vehicle/unmanned aerial vehicle）等新型網(wǎng)絡(luò)應(yīng)用和服務(wù)不斷涌現(xiàn)。集中式的云計算模式能否滿足所有這些新型網(wǎng)絡(luò)應(yīng)用和服務(wù)快速增長的不同需求，這是云計算發(fā)展面臨的另外一個重要挑戰(zhàn)。

綜上所述，不難看出，普適化智能終端、泛在化網(wǎng)絡(luò)技術(shù)以及新型網(wǎng)絡(luò)應(yīng)用和服務(wù)日新月異的發(fā)展，使得以集中式計算和存儲為根本性特征的云計算模式難以普遍適應(yīng)諸多的技術(shù)和應(yīng)用場景的需要。為此，產(chǎn)業(yè)界和學(xué)術(shù)界從2011年就開始了對后云計算時代網(wǎng)絡(luò)計算模式的思考和探索，并且取得了初步的成果。霧計算（fog/mist computing）、移動邊緣計算（mobile edge computing，MEC）、邊緣計算（edge computing）等多種新型網(wǎng)絡(luò)計算模式被相繼提出來并開始得到初步研究和應(yīng)用。鑒于網(wǎng)絡(luò)計算模式發(fā)展對整個計算機(jī)甚至通訊產(chǎn)業(yè)的發(fā)展具有極其重要的作用和意義，本文試圖對后云計算時代的網(wǎng)絡(luò)計算模式進(jìn)行初步的分析和總結(jié)，以推動這一領(lǐng)域的研究和發(fā)展。

當(dāng)前的幾種新型網(wǎng)絡(luò)計算模式，雖然被提出時所考慮的技術(shù)和應(yīng)用的出發(fā)點(diǎn)有些差異，但是其基本思想和核心理念是一致的：即都是試圖將云計算中心的設(shè)備部署在物理或邏輯上距離終端和用戶較近的基礎(chǔ)設(shè)施上，從而利用這些較近的基礎(chǔ)設(shè)施所擁有的計算和存儲等資源來完成終端和用戶想要完成的計算、存儲和網(wǎng)絡(luò)等各類任務(wù)。因為這些附近的基礎(chǔ)設(shè)施一般具有更低的延遲，所以任務(wù)的響應(yīng)時間可以很大程度上被降低，相應(yīng)的也就可以提高用戶的體驗。因此，為了表述方便，同時也為了概括計算和存儲等任務(wù)在距離終端和用戶較近的基礎(chǔ)設(shè)施上完成這一特點(diǎn)，本文將最近提出的新型網(wǎng)絡(luò)計算模式統(tǒng)一地稱為“近端云計算”（near-end cloud computing）。相應(yīng)地，因為距離終端和用戶較遠(yuǎn)，傳統(tǒng)意義上的云計算被稱為“遠(yuǎn)端云計算”。本文將首先從更加廣泛的意義上對近端云計算的體系結(jié)構(gòu)進(jìn)行總結(jié)分析，以便于理解和洞察近端云計算的基本內(nèi)涵，從而把握近端云計算與傳統(tǒng)云計算的區(qū)別。另外，為了便于讀者深入了解各種近端云計算模式的思想和概念以及它們之間的區(qū)別，本文將詳細(xì)地介紹幾種近端云計算模式，包括霧計算、移動邊緣計算、邊緣計算等。這些近端云計算模式分別由網(wǎng)絡(luò)設(shè)備廠商Cisco公司、歐洲電信標(biāo)準(zhǔn)化協(xié)會（European Telecommunications Standards Institute，ETSI）和學(xué)術(shù)界提出，在基本理念一致的前提下，它們各有側(cè)重點(diǎn)。因此，本文也將對這些近端云計算模式的側(cè)重點(diǎn)進(jìn)行分析和比較。

無論是產(chǎn)業(yè)界還是學(xué)術(shù)界提出的近端云計算模式，它們能否得到廣泛的接受和發(fā)展，取決于諸多因素的綜合作用。雖然目前很難預(yù)測哪一種近端云計算模式將占據(jù)主導(dǎo)地位，但是可以肯定的一點(diǎn)是：近端云計算在不遠(yuǎn)的將來將會得到大力的發(fā)展。然而，近端云計算的發(fā)展在面臨許多機(jī)遇的同時，也面臨著諸多技術(shù)挑戰(zhàn)。因此，本文還試圖從不同角度對近端云計算的發(fā)展機(jī)遇和技術(shù)挑戰(zhàn)作一個初步分析和總結(jié)。

本文第2節(jié)對云計算發(fā)展遇到的問題進(jìn)行了概要分析，揭示了云計算的基本特征及其發(fā)展演化的必然趨勢。第3節(jié)介紹了最近出現(xiàn)的近端云計算模式，并總結(jié)了這些近端云計算模式的基本特征。第4節(jié)較詳細(xì)地分析、比較和總結(jié)了幾種近端云計算模式。第5節(jié)通過一些具體的應(yīng)用例子，總結(jié)了近端云計算發(fā)展的機(jī)遇。第6節(jié)討論了近端云計算發(fā)展將面臨的一些技術(shù)挑戰(zhàn)。最后展望了近端云計算的未來發(fā)展。

2 云計算的發(fā)展與問題

隨著計算機(jī)軟硬件技術(shù)和網(wǎng)絡(luò)通信技術(shù)的蓬勃迅速發(fā)展，計算模式也經(jīng)歷了不同時期的變革?；仡櫄v史，最初的計算模式為大型主機(jī)模式。在大型主機(jī)模式中，計算和存儲等任務(wù)通過主機(jī)直接完成，而終端設(shè)備僅負(fù)責(zé)輸入和輸出的交互任務(wù)。因此，從本質(zhì)上來說，大型主機(jī)模式是一種集中式的計算模式。隨著計算機(jī)小型化和普及化的不斷發(fā)展，計算模式從大型主機(jī)模式跨入了PC計算模式。不同于大型主機(jī)模式，PC計算模式中的計算和存儲等任務(wù)可以分散在不同的PC計算機(jī)上來完成，而這些PC計算機(jī)又是相互獨(dú)立的。所以，PC計算模式實質(zhì)上是一種分散式的計算模式。隨著網(wǎng)絡(luò)技術(shù)在20世紀(jì)60到70年代興起和發(fā)展之后，計算模式又再一次踏入了網(wǎng)絡(luò)計算模式的時代。通過利用網(wǎng)絡(luò)技術(shù)，原本相互獨(dú)立的PC計算機(jī)能夠相互連接起來，并且還可以與具備特殊功能的服務(wù)器一起完成指定的任務(wù)。在網(wǎng)絡(luò)計算模式時代，有很多網(wǎng)絡(luò)計算模式被相繼提出，包括網(wǎng)格計算、服務(wù)計算、自主計算、透明計算和云計算等。目前，云計算是吸引了普遍的關(guān)注并且得到了大范圍的應(yīng)用。云計算的基本特征是將原本分散在很多PC計算機(jī)上的計算和存儲等任務(wù)通過集中式的數(shù)據(jù)中心來處理。盡管從表現(xiàn)形態(tài)和技術(shù)特征來看，云計算與大型主機(jī)之間差異很大，但本質(zhì)上云計算延續(xù)了大型主機(jī)的集中式處理特點(diǎn)，是集中式計算模式的螺旋式的歷史輪回。

追溯計算模式的發(fā)展歷程，可以看出無論是集中還是分散的模式，它們都有本身獨(dú)特的優(yōu)劣勢。在不同的歷史時期，由于應(yīng)用場景需求的變化和技術(shù)發(fā)展的不同特點(diǎn)，它們分別取得不同程度的主導(dǎo)地位，并且這種發(fā)展呈現(xiàn)出了一種螺旋式循環(huán)的歷史規(guī)律。目前，雖然云計算取得了比較大的成功，但隨著應(yīng)用場景需求和技術(shù)發(fā)展趨勢的變化，云計算本質(zhì)上的集中式特征使得其本身固有的缺陷和瓶頸逐漸表現(xiàn)出來。下面將從3個方面對云計算發(fā)展過程中面臨的問題進(jìn)行分析總結(jié)。

2.1 異構(gòu)終端和邊緣設(shè)備能力的利用

首先，隨著普適化智能終端的發(fā)展，出現(xiàn)了各式各樣異構(gòu)的智能或非智能化的網(wǎng)絡(luò)終端設(shè)備，如智能手機(jī)、智能可穿戴設(shè)備（手表、手環(huán)、眼鏡等）、智能電器、智能儀表、智能傳感器等大小、形狀、能力不一的各類終端設(shè)備。一方面，由于摩爾等定律的持續(xù)作用，雖然這些終端設(shè)備的體積變得越來越小，但他們的計算和存儲等方面的資源卻變得越來越強(qiáng)大。這就在一定程度上導(dǎo)致了終端設(shè)備資源的過剩和閑置。另外一個方面，其他一些終端設(shè)備的計算和存儲資源由于應(yīng)用場景或者技術(shù)的要求等原因則顯得仍然無法滿足需求，例如物聯(lián)網(wǎng)智能傳感器的計算和存儲等方面的資源總表現(xiàn)的明顯不足。在云計算中，由于終端設(shè)備只是進(jìn)行輸入和輸出的人機(jī)交互任務(wù)。因此，一些終端設(shè)備較強(qiáng)的計算和存儲資源往往不能得到充分地利用，這也就在一定程度上造成了終端設(shè)備資源的浪費(fèi)。更重要的是，在云計算中，其他一些自身資源不足的終端設(shè)備卻無法通過利用附近其他具有空閑資源的終端設(shè)備來擴(kuò)展自身有限的資源，從而使得它們能夠完成需要消耗較多資源的任務(wù)。因此，從多個終端設(shè)備的整體來說，終端設(shè)備的計算和存儲等資源無法得到有效的利用。

其次，目前的智能終端，尤其是智能移動終端，大都裝備或具有某種或多種傳感器，能夠感知自身的位置（如GPS）或者周圍的環(huán)境狀態(tài)。這些位置或者環(huán)境信息的采集，將產(chǎn)生大量的傳感數(shù)據(jù)。如果將這些超大規(guī)模的傳感數(shù)據(jù)均上傳到云計算的大型數(shù)據(jù)中心進(jìn)行處理，不但費(fèi)時費(fèi)力，甚至?xí)驗閿?shù)據(jù)處理不及時而變得失去利用的意義和價值。

再次，隨著硬件技術(shù)的發(fā)展，邊緣網(wǎng)絡(luò)設(shè)備能力也變得更強(qiáng)大。邊緣網(wǎng)絡(luò)接入或者路由設(shè)備的處理和存儲能力的增強(qiáng)，使得用戶利用邊緣網(wǎng)絡(luò)設(shè)備來實現(xiàn)自己所需要的增值服務(wù)已經(jīng)完全成為一種可能。通過軟件定義網(wǎng)絡(luò)和網(wǎng)絡(luò)功能虛擬化技術(shù)，網(wǎng)絡(luò)邊緣設(shè)備的能力可以得到充分發(fā)揮。在5G網(wǎng)絡(luò)中，基站的增值服務(wù)功能得到進(jìn)一步擴(kuò)展，用戶可以利用基站提供的專門服務(wù)器來定制和實現(xiàn)自己所需要的計算、存儲或者通信等功能。

2.2 異構(gòu)與長距網(wǎng)絡(luò)的瓶頸

隨著泛在化網(wǎng)絡(luò)技術(shù)（ubiquitous network technology）的快速發(fā)展，不僅有線寬帶網(wǎng)絡(luò)的速度和帶寬得到了很大的提升，無線網(wǎng)絡(luò)更是變得隨時隨地都可以接入。雖然網(wǎng)絡(luò)技術(shù)的迅速發(fā)展一方面為云計算的發(fā)展和應(yīng)用提供了技術(shù)支撐和保障。但是，另外一方面，云計算的集中式的處理特性也因為網(wǎng)絡(luò)技術(shù)而限制了其應(yīng)用的性能和范圍。

首先，移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的快速發(fā)展，使得智能移動終端和無線寬帶訪問已經(jīng)變得非常普及。移動終端、用戶和服務(wù)已經(jīng)成為當(dāng)前計算和應(yīng)用服務(wù)的主流，這使得云計算在移動用戶訪問場景下受到挑戰(zhàn)。例如，移動終端用戶希望在不同地域、不同時間和不同服務(wù)提供者之間能夠得到無縫的服務(wù)訪問體驗，這對于缺乏服務(wù)提供商之間相互操作支持的云服務(wù)而言是難以有效支持的。

其次，在傳統(tǒng)的云計算模式中，終端設(shè)備和集中的云計算數(shù)據(jù)中心之間通常需要跨越遠(yuǎn)距離的廣域網(wǎng)絡(luò)以及各類異質(zhì)的無線網(wǎng)絡(luò)。雖然長距離廣域網(wǎng)絡(luò)的帶寬和速度在一直被改善，但由于網(wǎng)絡(luò)內(nèi)容的快速增長所造成的網(wǎng)絡(luò)擁塞以及網(wǎng)絡(luò)數(shù)據(jù)包處理而造成的延遲等原因使得長距網(wǎng)絡(luò)的性能和可靠性保障仍然不能滿足很多應(yīng)用的需求。更嚴(yán)重的是，因為網(wǎng)絡(luò)技術(shù)本身所需要的路由路徑選擇、網(wǎng)絡(luò)路由節(jié)點(diǎn)的數(shù)據(jù)包處理以及網(wǎng)絡(luò)內(nèi)容安全監(jiān)管等原因使得長距網(wǎng)絡(luò)的的性能問題很難在短期內(nèi)得到解決，而且甚至在未來很長的一段時期也可能無法得到明顯的改觀。另外，無線網(wǎng)絡(luò)由于其技術(shù)本身固有的廣播特性，使得其很容易受到干擾或者被網(wǎng)絡(luò)容量的影響，也就導(dǎo)致了無線網(wǎng)絡(luò)的服務(wù)質(zhì)量也很難得到有效地保障。

據(jù)文獻(xiàn)[11]可知，在交互式應(yīng)用中，如果響應(yīng)延遲達(dá)到150 ms以上，人們就會感覺到不滿意，在1 s以上人們就會感到非常的厭煩。在云計算中，計算和存儲等任務(wù)都是在遠(yuǎn)距離的數(shù)據(jù)中心中進(jìn)行集中處理，而長距網(wǎng)絡(luò)的性能和延遲問題以及無線接入網(wǎng)絡(luò)的干擾等問題使得云計算很難滿足交互式實時應(yīng)用的需求。目前云計算應(yīng)用的現(xiàn)狀似乎也驗證了這一點(diǎn)問題。當(dāng)前，從終端用戶來看，日常云計算應(yīng)用較多的是云存儲，例如百度云盤、360云盤、騰訊微云等，以數(shù)據(jù)/文件存儲和共享為主要應(yīng)用。而云桌面等云計算典型應(yīng)用則部署和應(yīng)用的非常少。因此，長距離的網(wǎng)絡(luò)瓶頸，使得云計算的應(yīng)用范圍和效果被限制。

2.3 新型網(wǎng)絡(luò)應(yīng)用和服務(wù)的需求

隨著泛在化網(wǎng)絡(luò)技術(shù)和普適化終端的快速發(fā)展，各類新型的網(wǎng)絡(luò)應(yīng)用和服務(wù)層出不同，令人應(yīng)接不暇。例如，物聯(lián)網(wǎng)、5G網(wǎng)絡(luò)、智能電網(wǎng)、無人機(jī)等。這些復(fù)雜化的新型網(wǎng)絡(luò)應(yīng)用和服務(wù)在終端設(shè)備的能力、延遲和性能需求等要求各有差異，這使得云計算的在廣泛的適用性方面面臨很大的技術(shù)挑戰(zhàn)。下面，本節(jié)將以物聯(lián)網(wǎng)和5G網(wǎng)絡(luò)為代表來總結(jié)分析云計算在適應(yīng)新型網(wǎng)絡(luò)應(yīng)用和服務(wù)方面所存在的不足之處。

首先，以物聯(lián)網(wǎng)應(yīng)用場景為例進(jìn)行分析。物聯(lián)網(wǎng)應(yīng)用場景實際上涵蓋了一系列應(yīng)用和服務(wù)，如車聯(lián)網(wǎng)或車車網(wǎng)（connected vehicle）、智慧電網(wǎng)、智慧城市，以及更加廣泛的無線傳感器和執(zhí)行器網(wǎng)絡(luò)（wireless sensors and actuators networks，WSANs）等。云計算主要在以下幾個方面無法滿足物聯(lián)網(wǎng)應(yīng)用場景的需求。

無線接入：如前所述，無線接入不穩(wěn)定的性能和延遲特性，使得云計算的集中式處理很難滿足那些低延遲應(yīng)用需求，如游戲（gaming）、視頻流（video streaming）、增強(qiáng)現(xiàn)實等。

移動支持和位置及環(huán)境感知：在物聯(lián)網(wǎng)應(yīng)用中，節(jié)點(diǎn)可移動，并且具有位置和環(huán)境感知功能，這些都要求應(yīng)用能夠具有利用這些位置和環(huán)境信息進(jìn)行及時動態(tài)調(diào)整的功能。

傳感節(jié)點(diǎn)數(shù)據(jù)的及時和快速處理：物聯(lián)網(wǎng)，例如智能電網(wǎng)中，具有大規(guī)模傳感節(jié)點(diǎn)和大規(guī)模地理分布的傳感器網(wǎng)負(fù)責(zé)收集來自應(yīng)用和自然環(huán)境的大數(shù)據(jù)，這些數(shù)據(jù)需要進(jìn)行及時和快速的處理，而不是云計算擅長的批數(shù)據(jù)處理。

節(jié)點(diǎn)異構(gòu)、互操作以及協(xié)作：一些物聯(lián)網(wǎng)服務(wù)，如視頻流或數(shù)據(jù)流，要求在異構(gòu)節(jié)點(diǎn)間進(jìn)行無縫連接和遷移，這可能就需要節(jié)點(diǎn)之間進(jìn)行互操作和協(xié)作，以提供更好的服務(wù)。

實時處理：在帶有執(zhí)行器或控制器功能的應(yīng)用中，來自傳感器的數(shù)據(jù)必須在保護(hù)或者控制功能決策中得到實時處理，否則就會造成重要的經(jīng)濟(jì)和社會損失。

其次，以5G應(yīng)用場景為例進(jìn)行分析。5G網(wǎng)絡(luò)的主要特點(diǎn)是：范圍更廣、帶寬更寬（gigabit）、延遲更短（毫秒級）、軟件定義無線電、D2D通信等。因此，5G網(wǎng)絡(luò)可以支持的應(yīng)用范圍更廣，除了IoT和IoE，也將可以支持一些任務(wù)關(guān)鍵服務(wù)（mission critical service）、工廠制造、政府決策、教育、醫(yī)療等多種多樣的應(yīng)用。這些需求也給云計算帶來了極大的挑戰(zhàn)。簡要分析如下。

內(nèi)容高效分發(fā)：數(shù)據(jù)分發(fā)，尤其是媒體內(nèi)容分發(fā)，占據(jù)和使用了互聯(lián)網(wǎng)的大部分帶寬。由于媒體內(nèi)容的同一性，使得集中式的分發(fā)模式實際上造成巨大的帶寬浪費(fèi)，也給支持更大規(guī)模的用戶、更優(yōu)質(zhì)的大規(guī)模數(shù)據(jù)分發(fā)服務(wù)帶來困難。

代碼/計算/數(shù)據(jù)/網(wǎng)絡(luò)卸載（code/computation/data/networking offloading）：由于智能移動終端和可穿戴式設(shè)備在計算、存儲以及網(wǎng)絡(luò)能力等方面受限，因此如何利用云計算或者周圍其他相鄰設(shè)備的資源來輔助完成其自身所需要的計算、存儲或者聯(lián)網(wǎng)功能，是一條克服移動終端資源受限的良好途徑。然而，由于這些卸載的用戶體驗嚴(yán)重依賴于延遲，因此這些卸載不太適合部署到遠(yuǎn)端云計算中心來執(zhí)行。

移動大數(shù)據(jù)分析：智能移動設(shè)備的大量應(yīng)用產(chǎn)生了大量數(shù)據(jù)，對這些大數(shù)據(jù)的分析和處理可以對企業(yè)市場和產(chǎn)品應(yīng)用進(jìn)行精準(zhǔn)的定位。傳統(tǒng)的依賴于大型數(shù)據(jù)中心的批量或者流式數(shù)據(jù)處理將帶來高帶寬和延遲。

智能交通/政務(wù)/醫(yī)療：如果這些智能領(lǐng)域應(yīng)用，如交通信息發(fā)布、流量調(diào)度、事故和應(yīng)急處理等都在遠(yuǎn)程數(shù)據(jù)中心進(jìn)行集中處理，則很可能會因為計算或傳輸延遲而錯過最佳處理時機(jī)。

端端協(xié)作與應(yīng)用：通過5G在無線電級別提供的D2D功能，端端實時通信和協(xié)作成為可能。利用鄰近節(jié)點(diǎn)和服務(wù)（proximity node/service）提供的上下文環(huán)境信息，道路交通事故和遠(yuǎn)程機(jī)器人急救等應(yīng)用將可以提供更精準(zhǔn)快速的處理。

從上述分析可以看出，集中式的云計算，由于網(wǎng)絡(luò)傳輸和延遲瓶頸的存在，很難滿足終端異構(gòu)化、普適化和網(wǎng)絡(luò)高速化、泛在化條件下涌現(xiàn)的復(fù)雜應(yīng)用和服務(wù)的需求，尤其是物聯(lián)網(wǎng)/萬物網(wǎng)以及各類實時交互式應(yīng)用等。這就在一定程度上延緩了新型網(wǎng)絡(luò)應(yīng)用研發(fā)的速度。因此，探索和研究新的網(wǎng)絡(luò)計算模式以彌補(bǔ)云計算存在的不足已經(jīng)成為一種亟需。

3 近端云計算的興起

計算固有的集中式處理特性，并不能很好地滿足日新月異的普適化終端、泛在化網(wǎng)絡(luò)技術(shù)和新型網(wǎng)絡(luò)化應(yīng)用和服務(wù)的發(fā)展需求。因此，產(chǎn)業(yè)界和學(xué)術(shù)界已經(jīng)開始對計算模式進(jìn)行新的探索和研究。從2011年Cisco公司提出霧計算以來，后云計算時代相似計算模式理念以不同的名詞形式被相繼提出，如移動邊緣計算、露計算和邊緣計算等。

這些新型網(wǎng)絡(luò)計算模式雖然是由不同的組織從不同的出發(fā)點(diǎn)和角度提出來的，但是它們具有相似的基本原理和思想，也即“拉近云計算中心與終端用戶之間的距離”。具體來說，原本集中部署的距離終端和用戶較遠(yuǎn)的數(shù)據(jù)中心被延伸到了距離較近的網(wǎng)絡(luò)邊緣。這在一定程度上解決了長距網(wǎng)絡(luò)和異構(gòu)無線網(wǎng)絡(luò)延遲的影響。從具體的技術(shù)實現(xiàn)來說，網(wǎng)絡(luò)邊緣不僅可以邊緣路由器、通信基站和服務(wù)器等，也可以是專門部署的服務(wù)器或者小型的數(shù)據(jù)中心等，甚至也可以是其他具有有空閑資源的終端設(shè)備。很顯然，這些新型網(wǎng)絡(luò)計算模式并非與云計算迥乎不同，而是云計算由集中式處理模式向分散式和小型集中式模式的一種自然延伸。從歷史上看，這其實是分散式PC計算模式的歷史輪回。

為了方便分析不同的計算模式的特點(diǎn)，以及它們之間的演變規(guī)律，在近端云計算模式尚未有統(tǒng)一明確定義的前提下，本文試圖從體系結(jié)構(gòu)層數(shù)、計算和存儲方式、執(zhí)行地點(diǎn)和順序等方面比較和分析不同的計算模式。

云計算的體系結(jié)構(gòu)包括終端設(shè)備和云計算中心兩層。而新興的網(wǎng)絡(luò)計算模式區(qū)別于現(xiàn)有云計算。以霧計算為例來說，根據(jù)OpenFoG聯(lián)盟對霧計算的定義（參見4.1節(jié)），可以知道霧計算的資源和服務(wù)部署在云到物之間的任何地方。因此，霧計算在云計算中心和終端設(shè)備中間擴(kuò)展了一層甚至多層霧計算中心或者服務(wù)器，將云計算的兩層架構(gòu)延伸到了三層甚至更多層。這些中間層次的霧計算中心或服務(wù)器可以根據(jù)需要采用不同的結(jié)構(gòu)或者規(guī)模來實現(xiàn)不同的功能。例如，在智能電網(wǎng)中，電網(wǎng)傳感設(shè)備采集到的數(shù)據(jù)首先會傳輸?shù)轿㈦娋W(wǎng)進(jìn)行處理。在此之后，電網(wǎng)數(shù)據(jù)被傳輸?shù)叫∫?guī)模的電站或者更大的電網(wǎng)進(jìn)行進(jìn)一步的處理。最后，傳感數(shù)據(jù)被傳輸?shù)皆朴嬎阒行倪M(jìn)行處理。電網(wǎng)傳感設(shè)備和云計算中心之間可以根據(jù)地域范圍和行政管理的需要部署多級霧計算處理中心。

在云計算中，所有計算和存儲操作都在云計算數(shù)據(jù)中心上進(jìn)行，終端只是向云發(fā)出請求并接收和展示處理結(jié)果。從這個意義上來說，云計算中計算和存儲的執(zhí)行方式是一種集中式的方式，與PC計算中計算和存儲在每臺PC上分散進(jìn)行相對應(yīng)。霧計算集中了附近的終端節(jié)點(diǎn)的計算和存儲處理，因此是一種小規(guī)模的集中式計算模式。

從計算和存儲的執(zhí)行順序來看，在云計算中，所有的任務(wù)均需要在集中的云計算數(shù)據(jù)中心進(jìn)行處理。因此，只有從云計算數(shù)據(jù)中心獲得處理結(jié)果之后，終端設(shè)備才能開始執(zhí)行接下來的任務(wù)。因而，從終端和云計算中心之間涉及的計算和存儲任務(wù)的執(zhí)行順序上看，其是一種串行執(zhí)行的順序。而在霧計算中，由于一層甚至或者多層霧計算中心的存在，再加上遠(yuǎn)端的云計算中心，使得任務(wù)可以在多個霧計算中心上進(jìn)行并行處理，因而存在一種并行執(zhí)行的順序。

霧計算中的多層架構(gòu)與混合云中的公有云和私有云組成的混和結(jié)構(gòu)相區(qū)分。因為在混合云中私有云由企業(yè)自己負(fù)責(zé)運(yùn)營和使用，而霧計算基礎(chǔ)設(shè)施由不同的第三方負(fù)責(zé)運(yùn)營并主要提供給移動用戶使用。

通過上面的分析，考慮到端和云兩個極點(diǎn)，為了便于描述，本文將這些最近提出的幾種新型網(wǎng)絡(luò)計算模式統(tǒng)稱為“近端云計算”。它從3個方面對云計算模式進(jìn)行擴(kuò)展：一是從體系結(jié)構(gòu)上，將云計算的2層架構(gòu)提升至多層架構(gòu)，即在端和云之間可以設(shè)置多個不同的近端或者遠(yuǎn)端云計算中心；二是計算、存儲、網(wǎng)絡(luò)連接等任務(wù)除了可以在近端或遠(yuǎn)端網(wǎng)絡(luò)/計算設(shè)備或者微型計算/數(shù)據(jù)中心上執(zhí)行外，還可以在終端本身或者周圍鄰近終端上進(jìn)行；三是除了小型集中式之外，多個終端設(shè)備還可以通過共享資源并形成對等的小范圍的協(xié)作網(wǎng)絡(luò)，從而能夠完成單個終端設(shè)備無法完成的更加復(fù)雜任務(wù)。

為了方便不同讀者對近端云計算和傳統(tǒng)云計算的區(qū)別進(jìn)行更加深入的了解，對近端云計算和云計算的不同進(jìn)行了比較。

從上述的比較和總結(jié)可以看出，近端云計算并非是傳統(tǒng)云計算模式的簡單擴(kuò)展，其在體系結(jié)構(gòu)模型、服務(wù)任務(wù)執(zhí)行方式、任務(wù)執(zhí)行地點(diǎn)、服務(wù)質(zhì)量保障等很多方面都區(qū)別于傳統(tǒng)的云計算。它是傳統(tǒng)云計算模式從集中式計算模式到分散式和小型集中式的自然提升和演化。然而，也正是由于這些根本性區(qū)別的存在，可以預(yù)見近端云計算模式在面臨巨大發(fā)展機(jī)遇的同時，也將面臨著來自商業(yè)和技術(shù)方面的巨大挑戰(zhàn)。本文在對當(dāng)前幾種近端云計算模式做進(jìn)一步介紹后，也將對近端云計算的機(jī)遇和挑戰(zhàn)進(jìn)行初步的分析，以促進(jìn)該領(lǐng)域相關(guān)研究和應(yīng)用的發(fā)展。

4 幾種近端云計算模式

從第3節(jié)的分析可以看出，目前出現(xiàn)的近端云計算模式在目標(biāo)用戶、目標(biāo)場景、以及體系結(jié)構(gòu)和實現(xiàn)技術(shù)等方面并不相同。為此，將在這一節(jié)較詳細(xì)地介紹和分析幾種近端云計算模式的背景、定義以及相關(guān)研究進(jìn)展。

4.1 霧計算（fog/mist computing）

霧計算的提出主要是為了克服云計算在物聯(lián)網(wǎng)場景中的不足。如第3節(jié)中所述，物聯(lián)網(wǎng)設(shè)備分布的廣泛性以及數(shù)據(jù)處理所需要的實時性使得傳統(tǒng)云計算的集中式處理和存儲面臨巨大的挑戰(zhàn)。

霧計算的概念最早由網(wǎng)絡(luò)設(shè)備廠商Cisco公司在2011年提出，在2012年MCC（mobile cloud computing）會議上以論文形式進(jìn)行了較詳細(xì)的闡述。該論文提出的霧計算定義如下。

定義1霧計算是一個高度虛擬化的平臺，在終端設(shè)備和傳統(tǒng)云計算數(shù)據(jù)中心之間提供計算、存儲和網(wǎng)絡(luò)服務(wù)，通常但又不完全位于網(wǎng)絡(luò)邊緣。

在該文中，作者還給出了IoT應(yīng)用的理想模式和計算體系結(jié)構(gòu)（三層結(jié)構(gòu)）。最底層是由百萬量級的智能物體（傳感器等嵌入式設(shè)備或系統(tǒng)）組成的智能物聯(lián)網(wǎng)層，主要完成數(shù)據(jù)和信息的采集。中間是由數(shù)萬智能霧服務(wù)器組成的邊界服務(wù)層，完成數(shù)據(jù)的初步處理。最上層是由數(shù)千服務(wù)器構(gòu)成的核心服務(wù)層，最終完成數(shù)據(jù)的核心分析和應(yīng)用。從這里可以看出，霧計算是云計算的一種擴(kuò)展。當(dāng)然，霧計算也并不是云計算的簡單擴(kuò)展和應(yīng)用。為了適應(yīng)物聯(lián)網(wǎng)應(yīng)用所需要的位置服務(wù)、上下文感知等特征，霧計算引入了一些特殊的性質(zhì)和特征，比如：1）位于網(wǎng)絡(luò)邊緣位置，位置感知，低延遲；2）地理位置的廣泛分布；3）支持內(nèi)在需要分布式計算和存儲資源的大規(guī)模傳感器網(wǎng)和智能電網(wǎng)等；4）支持節(jié)點(diǎn)異構(gòu)和移動；5）支持超大規(guī)模的網(wǎng)絡(luò)節(jié)點(diǎn)；6）實時交互；7）無線訪問為主；8）支持服務(wù)提供者的互操作和聯(lián)盟；9）支持在線分析以及與后端云計算的結(jié)合。

從上述分析可以看出，Cisco公司初始給出的霧計算定義是比較粗糙的，它只是對云計算在物聯(lián)網(wǎng)應(yīng)用中遇到的問題進(jìn)行了分析，并簡單地將云計算的虛擬化平臺移動到網(wǎng)絡(luò)邊緣設(shè)備上進(jìn)行擴(kuò)展性的應(yīng)用。

為了推動霧計算的研究和產(chǎn)業(yè)發(fā)展，2015年11月，ARM、Cisco、Dell、Intel、Microsoft 以及Princeton University Edge Computin GLaboratory聯(lián)合發(fā)起成立了OpenFoG聯(lián)盟（OpenFoG Consortium），現(xiàn)已有來自15國家的53個成員。OpenFoG聯(lián)盟對霧計算的定義如下。

定義2霧計算是一個系統(tǒng)級的水平體系結(jié)構(gòu)，它將計算、存儲、控制和網(wǎng)絡(luò)的資源和服務(wù)部署在云到物之間的任何地方。

其主要特點(diǎn)如下。

水平體系結(jié)構(gòu)：支持多個行業(yè)垂直和應(yīng)用領(lǐng)域為用戶和公司提供智能和服務(wù)。

云到物體的連續(xù)服務(wù)：將服務(wù)和應(yīng)用程序部署到更接近物體，以及云和物體之間的任何地方。

系統(tǒng)級：從物體，到網(wǎng)絡(luò)邊緣，再到云，跨多個協(xié)議層，不只是無線接入系統(tǒng)，也不只是協(xié)議層，更不只是端到端系統(tǒng)的一部分，而是跨越物到云之間的系統(tǒng)。

從上述定義可以看出，該定義還是將霧計算的應(yīng)用主要集中在物聯(lián)網(wǎng)或萬物網(wǎng)，只不過在端與云的連接通路上進(jìn)行了服務(wù)提供的連續(xù)化。

需要提醒讀者注意的是，目前關(guān)于霧計算并沒有一個統(tǒng)一的達(dá)成共識的定義，因此本文給出的定義，只是霧計算初始提出時給出的定義，其他研究人員和組織還對霧計算的含義進(jìn)行了自己的闡釋或者延伸，由于篇幅的關(guān)系，不在本文中一一贅述，有興趣的讀者可進(jìn)一步參閱文獻(xiàn)[14，15，16]。

從霧計算的提出和發(fā)展，可以看出，隨著物聯(lián)網(wǎng)應(yīng)用的普遍增多和發(fā)展，滿足不同物聯(lián)網(wǎng)應(yīng)用場景需要的各種智能霧服務(wù)器將會被開發(fā)出來并得到應(yīng)用。鑒于物聯(lián)網(wǎng)設(shè)備的分散性，這些智能服務(wù)器將具備多種傳感器，并將通信、計算和存儲等功能集合成為一體，可以獨(dú)立為物聯(lián)網(wǎng)應(yīng)用提供場區(qū)范圍的無線網(wǎng)絡(luò)接入服務(wù)、位置服務(wù)、數(shù)據(jù)緩沖和中繼服務(wù)等。通過智能霧服務(wù)器之間的協(xié)作和溝通，為各種物聯(lián)網(wǎng)應(yīng)用提供強(qiáng)大的支撐平臺。

隨著通信、計算和存儲技術(shù)的發(fā)展，智能霧服務(wù)器體積和功能的集約化將會得到發(fā)展，使得智能霧服務(wù)器的部署變得更加廣泛，就像現(xiàn)實中的霧一樣，彌散在智能物體周圍，為其提供便捷快速的各式服務(wù)。

4.2 多通路邊緣計算（multiaccess edge computing）

多通路邊緣計算（multi-access edge computing，MEC）是2016年9月由移動邊緣計算（mobile edge computing，MEC）演變和改名而來。移動邊緣計算提出的初衷是針對移動蜂窩場景，尤其是5G應(yīng)用場景下如何克服云計算面臨的挑戰(zhàn)而提出的。隨著移動邊緣計算概念的發(fā)展，訪問通路已經(jīng)不僅僅局限于移動蜂窩網(wǎng)絡(luò)，還包括WiFi網(wǎng)絡(luò)以及有線網(wǎng)絡(luò)。因此在保持英文MEC縮寫的基礎(chǔ)上，ETSI將其概念改名為多通路邊緣計算。

MEC的概念最早由ETSI在2014年9月提出。ETSI ISG MEC（industry specification groups，mobile edge computing）的倡導(dǎo)者包括：Nokia、Huawei、IBM、Intel、NTT DoCoMo、Vodafone?，F(xiàn)今成員已有53家，包括中國的華為和中興公司。與霧計算的提出不同，MEC主要是由通信設(shè)備廠商提出和倡導(dǎo)的近端云計算模式，因此其目的當(dāng)然會側(cè)重對通信和應(yīng)用的支持。MEC的初始定義如下。

定義3MEC 在移動網(wǎng)絡(luò)的邊緣為應(yīng)用程序開發(fā)者和內(nèi)容提供商提供云計算功能和IT服務(wù)環(huán)境。這種環(huán)境的特點(diǎn)是具有超低延遲和高帶寬，并且應(yīng)用程序可以實時訪問無線網(wǎng)絡(luò)信息。

其商業(yè)上的主要特點(diǎn)如下。

基于創(chuàng)新和商業(yè)價值的新價值鏈和充滿活力的生態(tài)系統(tǒng)。

運(yùn)營商可以向第三方授權(quán)組織開放其無線接入網(wǎng)絡(luò)邊緣，允許他們靈活快速地部署創(chuàng)新應(yīng)用和服務(wù)。

為移動用戶、企業(yè)和垂直細(xì)分市場提供新的創(chuàng)新應(yīng)用和服務(wù)。

很顯然，ETSI ISGMEC 給出的MEC 定義主要側(cè)重于商業(yè)和利益方面，對于技術(shù)內(nèi)容沒有過多地涉及。MEC主要是針對移動通信場景需求提出的，旨在聯(lián)合通信和IT等信息產(chǎn)業(yè)，在無線接入網(wǎng)絡(luò)RAN（radio access network）中增加IT和云計算服務(wù)能力，為用戶提供更多的可供選擇的增值服務(wù)。

MEC提出時主要是針對3G/4G/5G等蜂窩網(wǎng)絡(luò)應(yīng)用場景，同時也支持有線網(wǎng)絡(luò)和WiFi等無線網(wǎng)絡(luò)，其潛在應(yīng)用包括計算卸載、協(xié)作計算、Web服務(wù)內(nèi)容優(yōu)化、內(nèi)容緩存和快速訪問等。與霧計算類似，MEC可以為連接基站的移動終端提供低延遲的訪問服務(wù)、位置感知服務(wù)、就近的計算和存儲服務(wù)。從分布上說，MEC服務(wù)器主要部署在網(wǎng)絡(luò)邊緣的基站中。這一點(diǎn)與霧服務(wù)器可以連續(xù)部署在從智能物體到遠(yuǎn)端云計算中心的路徑上不同。

為了實現(xiàn)MEC，可以在LTE macro base station（eNB）、3G radio network controller（RNC）站點(diǎn)，或者多種通信技術(shù)（3G/LTE）蜂窩聚合站點(diǎn)（multi-technology [LTE/3G]cell aggregation site）部署MEC服務(wù)器。由于多技術(shù)蜂窩聚合站點(diǎn)既可以安裝在企業(yè)內(nèi)部（室內(nèi)），又可以安裝在特定的公眾場合（室外）進(jìn)行特定的場景覆蓋，因此可以從基站集群中直接為用戶提供本地的快速服務(wù)。ETSI ISG EMC給出的MEC服務(wù)器平臺包括一個MEC托管基礎(chǔ)設(shè)施（MEC hosting infrastructure）和一個MEC 應(yīng)用平臺（MEC application platform）。

MEC托管基礎(chǔ)設(shè)施包括底層的硬件資源以及虛擬化層，當(dāng)然也包括到無線網(wǎng)元（eNB或RNC）或網(wǎng)絡(luò)的連接。但是該體系結(jié)構(gòu)并不關(guān)心如何將服務(wù)器集成在無線接入網(wǎng)絡(luò)內(nèi)部。實現(xiàn)托管基礎(chǔ)設(shè)施的硬件組件和細(xì)節(jié)對于托管在該平臺上的應(yīng)用而言應(yīng)該是接口化的和抽象化的。

MEC應(yīng)用平臺，由應(yīng)用虛擬化管理器（application virtualization manager）和應(yīng)用平臺服務(wù)（application platform service）組成，可以為托管的應(yīng)用提供各種能力。應(yīng)用虛擬化管理器將基礎(chǔ)設(shè)施以IaaS（Infrastructure as a service）方式為應(yīng)用提供靈活高效、多租戶、運(yùn)行時和托管環(huán)境服務(wù)。IaaS控制器提供安全和資源沙箱功能。應(yīng)用以虛擬機(jī)鏡像（virtual machine images）方式打包并傳送到IaaS上作為虛擬應(yīng)用（virtual appliance）運(yùn)行。需要注意的是，未來MEC也可能會支持以PaaS（platform as a service）方式提供服務(wù)。MEC應(yīng)用平臺服務(wù)為托管在MEC平臺上的應(yīng)用提供一系列中間件應(yīng)用服務(wù)和基礎(chǔ)設(shè)施服務(wù)，具體包括：1）基礎(chǔ)設(shè)施服務(wù)，如通信和服務(wù)注冊服務(wù)；2）無線網(wǎng)絡(luò)信息服務(wù)（radio network information services）以及流量卸載服務(wù)（traffic offload function）。

當(dāng)然，利用MEC提供的服務(wù)器平臺可以支持和提供豐富多彩的移動通信增值服務(wù)和應(yīng)用，比如：主動設(shè)備位置、增強(qiáng)現(xiàn)實內(nèi)容傳輸、視頻分析、RAN感知的內(nèi)容優(yōu)化、分布式內(nèi)容和DNS 緩存等。因為篇幅限制，本文不再贅述，讀者可以自行參閱ESTI網(wǎng)站的內(nèi)容。

隨著5G技術(shù)的發(fā)展和應(yīng)用，5G基站將集成大量邊緣計算服務(wù)器，為5G網(wǎng)絡(luò)提供豐富的增值服務(wù)，如位置服務(wù)、流量卸載、計算卸載、內(nèi)容傳輸優(yōu)化等。由于MEC服務(wù)器已經(jīng)具備基站的通信和定位功能，因此從功能和形態(tài)上來看，多通路邊緣采用普通服務(wù)器的可能性遠(yuǎn)高于霧計算。由此可以預(yù)見到，隨著5G技術(shù)的商業(yè)化應(yīng)用和發(fā)展，當(dāng)前MEC服務(wù)器所采用的IaaS和虛擬機(jī)技術(shù)，將發(fā)展為采用PaaS和SaaS（software as a service）技術(shù)。與此同時，各種目前人們還未曾想到的移動增值服務(wù)將被開發(fā)出來，從而為人們提供更加豐富多彩的在線服務(wù)。

4.3 邊緣計算（edge computing）

與霧計算和多通路邊緣計算主要由產(chǎn)業(yè)界提出和倡導(dǎo)不同，邊緣計算、露計算、透明計算等主要由學(xué)術(shù)界提出和倡導(dǎo)。

邊緣計算主要由美國卡內(nèi)基·梅隆大學(xué)（Carnegie Mellon University，CMU）在2015年所倡導(dǎo)，旨在從學(xué)術(shù)研究層面提出一個比霧計算和移動邊緣計算更加具有廣泛描述意義的計算模式。

2015年6月，卡內(nèi)基·梅隆大學(xué)聯(lián)合Vodafone和Intel等公司成立了開放邊緣計算倡議組織（Open Edge Computing Initiative）。目前該組織包括CMU、Intel、Nokia、NTT等7家成員。該組織對邊緣計算的定義如下。

定義4邊緣計算是一種提供相互連接起來的計算和存儲資源的新式網(wǎng)絡(luò)功能。這種網(wǎng)絡(luò)功能位于用戶所在位置的附近。

邊緣計算的主要特點(diǎn)是通過極低延遲提高用戶體驗，以及通過邊緣服務(wù)減少數(shù)據(jù)流量。

文獻(xiàn)[19]提出了一種實現(xiàn)邊緣計算的體系結(jié)構(gòu)。在該結(jié)構(gòu)中，由移動設(shè)備、Cloudlet以及云三層構(gòu)成。Cloudlet位于云和終端設(shè)備之間，直接與終端設(shè)備通過無線連接的方式連接，廣泛部署在互聯(lián)網(wǎng)架構(gòu)上，以虛擬機(jī)的方式向終端設(shè)備提供服務(wù)。通過實例化Cloudlet上自定義的虛擬機(jī)，終端設(shè)備以瘦客戶端的方式運(yùn)行和訪問所需的應(yīng)用軟件。

另外，從上述定義可以看出，邊緣計算與多通路邊緣計算類似，實質(zhì)上只是將移動邊緣計算部署的位置從原來的基站擴(kuò)展到家庭寬帶調(diào)制解調(diào)器、WiFi無線接入點(diǎn)設(shè)備、以及邊緣路由器等設(shè)備上。

除了邊緣計算，學(xué)術(shù)界還提出了露計算和透明計算，簡單介紹如下。

露計算由學(xué)術(shù)界在2012年提出，在2015年以論文的形式闡述了露計算的基礎(chǔ)架構(gòu)“云-露”架構(gòu)?！霸?露”架構(gòu)最初提出的目的是為了使得Web站點(diǎn)可以在沒有互聯(lián)網(wǎng)連接的情況下也可以被訪問。與傳統(tǒng)的客戶端-服務(wù)器架構(gòu)相比，“云-露”架構(gòu)增加了露服務(wù)器。露服務(wù)器是部署在用戶本地電腦上的Web服務(wù)器。在“云-露”架構(gòu)中，用戶的數(shù)據(jù)不僅保存在云端，還保存在用戶的本地。因此，“云-露”架構(gòu)可以實現(xiàn)在沒有互聯(lián)網(wǎng)連接時的Web訪問。

在初始定義的基礎(chǔ)上，文獻(xiàn)[21]和[22]又對露計算的定義和層次結(jié)構(gòu)進(jìn)行了進(jìn)一步的修訂和擴(kuò)展，將涉及的計算設(shè)備從“個人電腦”（personal computers）擴(kuò)展到更加通用的“內(nèi)部部署的計算機(jī)”（on-premise computers），并將露計算作為云計算和霧計算之下的另一層次。

透明計算是由國內(nèi)研究人員在2005年提出的一種網(wǎng)絡(luò)計算模式。在透明計算中，距離固定終端較近的透明服務(wù)器執(zhí)行操作系統(tǒng)和應(yīng)用軟件的集中管理和流式調(diào)度運(yùn)行，因此終端用戶可以選擇所需要運(yùn)行的操作系統(tǒng)和應(yīng)用軟件，而不需考慮本地的存儲空間和軟件安裝等管理和維護(hù)問題。

文獻(xiàn)[23]和[24]對透明計算的概念和結(jié)構(gòu)進(jìn)行了擴(kuò)展，將其從固定終端和固定網(wǎng)絡(luò)擴(kuò)展到移動智能終端和異構(gòu)網(wǎng)絡(luò)環(huán)境，在本地智能終端、相鄰終端、近端服務(wù)器以及遠(yuǎn)端云計算服務(wù)器之間統(tǒng)一進(jìn)行資源管理和指令的流式調(diào)度執(zhí)行，克服了云計算單一中心運(yùn)行模式所帶來的問題。

不同于霧計算和多通路邊緣計算主要由產(chǎn)業(yè)界支持和推動，邊緣計算、露計算和透明計算主要由學(xué)術(shù)界的一些研究人員在推進(jìn)。因此，相對來說，邊緣計算、露計算和透明計算的發(fā)展相對緩慢。

綜上所述，雖然近端云計算的實質(zhì)是把云計算基礎(chǔ)設(shè)施小型化后部署在距離終端和用戶較近的地方，但是由于提出時針對的應(yīng)用場景不同，不同的近端云計算模式在體系結(jié)構(gòu)和實現(xiàn)方式上并不一致。為了使讀者清楚地把握這些近端云計算模式的異同，接下來將通過表格的形式詳細(xì)地比較不同的近端云計算模式。

4.4 幾種近端云計算模式的異同

為了便于讀者對不同的近端云計算模式的差異有一個總體清晰地把握，詳細(xì)地總結(jié)了不同近端云計算模式的區(qū)別。

綜合對比幾種近端云計算模式可以發(fā)現(xiàn)，每種計算模式都有各自的特點(diǎn)。霧計算更加側(cè)重物聯(lián)網(wǎng)和數(shù)據(jù)信息的收集分發(fā)。移動邊緣計算主要從通信運(yùn)營商的角度出發(fā)，側(cè)重于無線接入網(wǎng)絡(luò)，并沒有關(guān)注端設(shè)備的對等協(xié)作。邊緣計算則是希望將移動邊緣計算進(jìn)一步擴(kuò)展到更多網(wǎng)絡(luò)應(yīng)用場景。露計算和透明計算主要側(cè)重于終端能力的發(fā)揮，以及端設(shè)備和云計算之間的協(xié)作，而對于邊緣路由和無線接入網(wǎng)絡(luò)并沒有給予太多的關(guān)注。

從上述對不同近端云計算模式的介紹、分析和比較，不難看出，這些近端云計算模式提出時針對的應(yīng)用場景、體系結(jié)構(gòu)、特性實現(xiàn)都存在一定的區(qū)別。但是隨著近端云計算的發(fā)展，這些近端云計算模式會在一定程度上相互借鑒，呈現(xiàn)出融合或者互補(bǔ)發(fā)展的趨勢。由此可以預(yù)見：第一，由于不同應(yīng)用場景具有不同的特征和需求，因此針對不同場景提出的近端云計算模式、體系結(jié)構(gòu)或者實現(xiàn)特性上不會完全統(tǒng)一，這與傳統(tǒng)云計算采用大致相同的體系結(jié)構(gòu)和實現(xiàn)特性有所區(qū)別；第二，不同的近端云計算模式在發(fā)展中會相互借鑒，融合發(fā)展，這將使得不同近端云計算模式間具有更多的共同特征，可能會形成通用的基礎(chǔ)性近端云計算結(jié)構(gòu)和技術(shù)；第三，在具體應(yīng)用和實現(xiàn)方式上，近端云計算會呈現(xiàn)出更加豐富多彩的樣式和風(fēng)格，并將在通用的基礎(chǔ)性架構(gòu)和技術(shù)上衍生出不同的特定實現(xiàn)架構(gòu)和技術(shù)。

5 近端云計算的發(fā)展機(jī)遇

近端云計算由于其靠近終端設(shè)備、分散與集中相結(jié)合的計算模式，以及支持終端相互協(xié)作等特性使得其在物聯(lián)網(wǎng)、5G、智能電網(wǎng)、虛擬/增強(qiáng)現(xiàn)實、無人機(jī)等諸多應(yīng)用領(lǐng)域面臨巨大的發(fā)展機(jī)遇。

首先，由于在物理上很接近用戶，近端云計算可以克服云計算的響應(yīng)瓶頸問題，特別是對于一些交互式的應(yīng)用和用戶對于延遲要求比較高的應(yīng)用來說，近端云計算可以在很大程度上降低網(wǎng)絡(luò)延遲的影響，從而提高用戶體驗。其次，近端云計算可以彌補(bǔ)單個終端設(shè)備在計算、存儲、網(wǎng)絡(luò)、電池等資源的不足。一方面，近端云計算支持分散與集中相結(jié)合的計算模式，因而終端不僅可以利用近端云計算設(shè)施的資源，還可以利用遠(yuǎn)端云計算中心的資源；另一方面，近端云計算支持鄰近終端之間的相互協(xié)作，這使得終端設(shè)備之間可以共享空閑的計算、存儲以及傳感等資源。因此，近端云計算可以從多個方面克服終端的資源和能力瓶頸。再次，近端云計算動態(tài)靈活的多層次架構(gòu)，使得其能夠適應(yīng)更多復(fù)雜的應(yīng)用場景。近端云計算通過端與端的對等協(xié)作以及近端云計算設(shè)施與遠(yuǎn)端云計算中心相結(jié)合的多層次處理架構(gòu)，可以從延遲、規(guī)模、范圍等不同的方面滿足復(fù)雜網(wǎng)絡(luò)應(yīng)用的多樣化需求，克服云計算在滿足新型網(wǎng)絡(luò)應(yīng)用場景的不足。

下面通過具體例子來介紹近端云計算的發(fā)展機(jī)遇。

5.1 物聯(lián)網(wǎng)

物聯(lián)網(wǎng)是通過智能和非智能的傳感器把各類不同的物體與互聯(lián)網(wǎng)連接起來，從而實現(xiàn)信息收集、環(huán)境監(jiān)測、健康管理等智能化應(yīng)用的網(wǎng)絡(luò)。物聯(lián)網(wǎng)的基本核心是物體與物體以及人與物體之間的信息交互，它把人們在信息與通信技術(shù)世界里溝通的維度從任何時間、任何地點(diǎn)、連接任何人，擴(kuò)展到了連接任何物體。萬物通過互聯(lián)網(wǎng)連接起來就形成了物聯(lián)網(wǎng)。

物聯(lián)網(wǎng)的用途非常廣泛，遍及智能交通、環(huán)境保護(hù)、政府工作、公共安全、環(huán)境監(jiān)測、工業(yè)監(jiān)測、個人監(jiān)測、敵情偵查、情報收集等多個領(lǐng)域。隨著物聯(lián)網(wǎng)的迅速發(fā)展，越來越多的設(shè)備接入互聯(lián)網(wǎng)。據(jù)統(tǒng)計，截止到2016年底，已經(jīng)有64億個“物體”接入互聯(lián)網(wǎng)。預(yù)計到2020年，將有200多億個“物體”接入互聯(lián)網(wǎng)。數(shù)十億以前沒有接入互聯(lián)網(wǎng)的設(shè)備每天產(chǎn)生著EB級的數(shù)據(jù)。

如前所述，霧計算就是為解決云計算在物聯(lián)網(wǎng)領(lǐng)域應(yīng)用的不足而提出來的。因此，物聯(lián)網(wǎng)將是近端云計算應(yīng)用的重要領(lǐng)域之一。以智慧城市為例，通過采集來自各式各樣傳感器的數(shù)據(jù)并進(jìn)行集中分析和利用，物聯(lián)網(wǎng)可以解決現(xiàn)代城市發(fā)展所面臨的重大問題，如可持續(xù)發(fā)展問題。文獻(xiàn)[28]分析了霧計算在可持續(xù)化智能城市中的應(yīng)用前景，包括智慧交通、智慧健康、智慧水和垃圾管理、智慧零售等。利用分布在網(wǎng)絡(luò)邊緣的霧服務(wù)器，智慧城市中各種傳感器采集的數(shù)據(jù)可以在網(wǎng)絡(luò)邊緣進(jìn)行初步分析和及時處理，然后再通過數(shù)據(jù)聚合，上傳到城市數(shù)據(jù)中心進(jìn)行進(jìn)一步的全局處理，為政府機(jī)關(guān)、社會團(tuán)體和市民提供信息各種服務(wù)和服務(wù)。

其次，近端云計算也可以為車聯(lián)網(wǎng)提供更好的服務(wù)。例如，在車聯(lián)網(wǎng)的路基單元（road side unit，RSU）中植入霧計算處理能力，車與車（V2V）之間產(chǎn)生的交通信息數(shù)據(jù)在路基單元就可以進(jìn)行語義層面的數(shù)據(jù)分析，并提供服務(wù)發(fā)現(xiàn)和附近聯(lián)網(wǎng)車輛的管理，而不需要通過遠(yuǎn)程的云計算數(shù)據(jù)中心的處理。通過將智能電網(wǎng)與5G網(wǎng)絡(luò)的集成，利用霧計算和云計算基礎(chǔ)設(shè)施，可以將電動車智能充電等服務(wù)請求的時間降低一半多。這種響應(yīng)時間的縮短，對于便捷的智能充電服務(wù)是非常必要的。

此外，物聯(lián)網(wǎng)中的智能物體，如智能手表等可穿戴設(shè)備，其計算、存儲和電池續(xù)航能力一般都比較弱，不能完成復(fù)雜的功能。為了完成復(fù)雜的計算和功能，這些智能物體可以將計算任務(wù)交給近端云計算服務(wù)器來完成，這樣既能豐富智能物體的功能，降低服務(wù)請求的響應(yīng)時間，又能降低可穿戴設(shè)備的能耗，延長續(xù)航時間。此外，利用近端云設(shè)施提供的強(qiáng)大的計算和處理能力，物聯(lián)網(wǎng)網(wǎng)關(guān)可以執(zhí)行先進(jìn)的認(rèn)知、學(xué)習(xí)和其他人工智能算法和功能，例如自動識別物聯(lián)網(wǎng)應(yīng)用并進(jìn)行自適應(yīng)資源的優(yōu)化調(diào)度。

因此，利用近端云計算可以降低物聯(lián)網(wǎng)數(shù)據(jù)處理的規(guī)模和能力，提高服務(wù)請求的響應(yīng)速度，增強(qiáng)物聯(lián)網(wǎng)和智能物體的功能，從而豐富和促進(jìn)物聯(lián)網(wǎng)技術(shù)的發(fā)展和應(yīng)用。

5.2 5G

如前所述，移動邊緣計算是為了克服在移動計算和5G應(yīng)用場景下云計算的不足而產(chǎn)生的。因此5G將成為多通路邊緣計算等近端云計算模式發(fā)展與應(yīng)用的重要領(lǐng)域。

2017年4月，3GPP（3rd generation partnership project）在技術(shù)規(guī)范文檔中把支持邊緣計算作為5G系統(tǒng)的高層特征。這意味著邊緣計算將成為5G標(biāo)準(zhǔn)和規(guī)范的一部分，在未來的移動蜂窩基站（eNB或RNC）中將內(nèi)置邊緣云計算服務(wù)器或微型數(shù)據(jù)中心。結(jié)合5G網(wǎng)絡(luò)本身的高帶寬和低延遲特性，邊緣云計算可以為端到端應(yīng)用提供實時處理和服務(wù)，在端和云之間最大化事務(wù)處理的速率。同時，本地通信和處理可以提供穩(wěn)定的性能以及較高的隱私和安全性。這些都將極大地提高5G網(wǎng)絡(luò)的增值服務(wù)能力，衍生出更多豐富多彩的應(yīng)用。

以在線直播場景為例，在現(xiàn)場可以部署拍攝角度不同的攝像機(jī)。很顯然，這將產(chǎn)生大量的視頻數(shù)據(jù)，要在目前的4G網(wǎng)絡(luò)中將這些數(shù)據(jù)通過遠(yuǎn)程云數(shù)據(jù)中心處理之后再傳輸給現(xiàn)場或者非現(xiàn)場觀眾是非常困難的。在5G網(wǎng)絡(luò)中，可以利用基站直接提供的計算和存儲服務(wù)來提高用戶的體驗。首先，將這些視頻數(shù)據(jù)傳遞給基站內(nèi)部署的近端云服務(wù)器。在這些服務(wù)器上，可以對采集的視頻數(shù)據(jù)進(jìn)行合成和處理，形成不同高低分辨率的視頻數(shù)據(jù)，讓不同的用戶進(jìn)行選擇和觀看。

同時，利用近端云服務(wù)器提供的存儲能力，熱門視頻可以被緩存在這些服務(wù)器上供終端用戶使用，這不僅會減少用戶的下載延遲，也會減少主干網(wǎng)的傳輸壓力。與現(xiàn)有優(yōu)化視頻分享的CDN（content delivery network）技術(shù)需要部署專門服務(wù)器然而卻離用戶還有幾跳距離相比，利用5G基站中緩存的視頻分發(fā)加速效果將更加顯著。

再以提高智能移動終端計算能力的代碼或計算卸載為例。由于智能移動終端和可穿戴式設(shè)備在計算和存儲資源等方面的能力有限，因此如何利用云計算的強(qiáng)大功能來幫助完成自身所需要的計算或存儲任務(wù)，是一條解決智能移動終端資源受限問題的良好途徑。然而，由于這些卸載的用戶體驗嚴(yán)重依賴于網(wǎng)絡(luò)延遲，因此這些卸載任務(wù)不太適合部署到遠(yuǎn)端云計算中心來執(zhí)行。但是利用近端云計算設(shè)施來實現(xiàn)代碼卸載，不僅可以提高執(zhí)行效率，還能節(jié)約智能終端的能耗。在4G LTE網(wǎng)絡(luò)下，把智能手機(jī)上的Tesseract-OCR代碼遷移到Cloudlet平臺執(zhí)行，與在Amazon EC2-West上執(zhí)行相比，不但速度得到提高，而且能耗降低一半多。顯而易見，能耗的降低對于智能移動終端而言是非常具有吸引力的一個特性。

5G網(wǎng)絡(luò)將支持D2D通信，即兩個終端設(shè)備可以不經(jīng)過基站的轉(zhuǎn)發(fā)而直接進(jìn)行設(shè)備間通信，以降低基站的通信處理壓力。利用這一特性，F(xiàn)emtoClouds可以在多個終端設(shè)備間通過相互協(xié)作而組成一個動態(tài)和自我配置的“毫微云”。FemtoClouds利用附近未使用的終端設(shè)備在網(wǎng)絡(luò)邊緣提供計算服務(wù)，從而減少了把計算卸載到傳統(tǒng)云數(shù)據(jù)中心帶來的網(wǎng)絡(luò)延遲。在FemtoClouds中，終端設(shè)備通過網(wǎng)絡(luò)加入終端集群，并將設(shè)備信息（包括計算可用性、可共享的計算、使用歷史等）和共享策略發(fā)送到集群中，進(jìn)而可以向其他終端發(fā)送計算代碼和輸入數(shù)據(jù)來卸載計算密集型的任務(wù)。

5.3 智能電網(wǎng)

智能電網(wǎng)（smart grid）是一個自動化、智能化的電力輸送網(wǎng)絡(luò)，它保證了電力從發(fā)電廠產(chǎn)生直到被用戶電器設(shè)備消耗的整個電力傳輸過程中電力的智能化監(jiān)控和管理。智能電網(wǎng)集成了分布式系統(tǒng)、網(wǎng)絡(luò)通信技術(shù)以及自動控制理論等來保證電能市場交易的實時進(jìn)行和電網(wǎng)上各成員的無縫連接及實時互動。智能電網(wǎng)有3個層面的含義：首先是通過傳感設(shè)備，對發(fā)電、輸電、配電和供電等過程中的關(guān)鍵設(shè)備進(jìn)行實時監(jiān)控；然后將監(jiān)控獲得的電網(wǎng)數(shù)據(jù)通過網(wǎng)絡(luò)系統(tǒng)進(jìn)行收集并整合；最后通過對監(jiān)控數(shù)據(jù)的挖掘分析，實現(xiàn)對整個電力系統(tǒng)的優(yōu)化。

近端云計算可以很容易地解決智能電網(wǎng)發(fā)展過程中遇到的問題并使其獲益。相對于現(xiàn)有的集中式的以及完全分布式的智能電網(wǎng)模型，利用近端云計算模式，智能電網(wǎng)中集中的數(shù)據(jù)采集與監(jiān)控系統(tǒng)（supervisory control and data acquisition，SCADA）可以通過分布式的智能電表（smart meters）和微電網(wǎng)（micro-grids）進(jìn)行補(bǔ)充，這不僅可以改善智能電網(wǎng)的可擴(kuò)展性、成本、安全性以及電網(wǎng)系統(tǒng)的響應(yīng)時間，還可以將一些可再生能源和分布式能源（例如，風(fēng)電場、太陽能光伏電場等）接入到主干電網(wǎng)。

在近端云計算模式中，智能電網(wǎng)將變成一個層次之間相互作用的層次化系統(tǒng)。第一層是電網(wǎng)傳感層，負(fù)責(zé)收集數(shù)據(jù)、處理一些要求實時響應(yīng)的數(shù)據(jù)以及觸發(fā)執(zhí)行器的控制命令。同時，它還會過濾要在本地進(jìn)行處理的數(shù)據(jù)，并將其余的數(shù)據(jù)發(fā)送到更高層；第二層是微電網(wǎng)層，負(fù)責(zé)數(shù)據(jù)的可視化和報告（人與機(jī)器之間的交互）、系統(tǒng)之間的交互以及數(shù)據(jù)的處理（機(jī)器與機(jī)器之間的交互）。第三層是SCADA和遠(yuǎn)端云計算中心層，負(fù)責(zé)長時間的數(shù)據(jù)存儲和商業(yè)智能分析。在這樣一個層次化的系統(tǒng)中，層次越高意味著地理覆蓋面積越大，相互交互的時間延遲越長。因為層次之間交互的時間可能從秒到分鐘（實時分析），甚至數(shù)天（事務(wù)分析），這要求利用近端云計算的智能電網(wǎng)系統(tǒng)需要在低層支持?jǐn)?shù)據(jù)的臨時存儲，在高層支持?jǐn)?shù)據(jù)的半永久存儲。

5.4 虛擬/增強(qiáng)現(xiàn)實

近年來，隨著計算機(jī)視覺、人工智能、大數(shù)據(jù)分析以及計算和存儲技術(shù)的發(fā)展，虛擬現(xiàn)實、增強(qiáng)現(xiàn)實以及混合現(xiàn)實等沉浸式技術(shù)得到了快速發(fā)展和應(yīng)用。這些技術(shù)可以實時地將一個世界的不同視覺景象、聲音以及情感以高分辨率的聲光傳遞并轉(zhuǎn)換到另一個世界。雖然現(xiàn)階段虛擬現(xiàn)實技術(shù)主要應(yīng)用在游戲、商業(yè)會議以及殘疾人輔助等方面，但是可以預(yù)見在不遠(yuǎn)的將來，虛擬現(xiàn)實或者混合現(xiàn)實等技術(shù)將會應(yīng)用到我們?nèi)粘Ｉ畹亩鄠€方面，例如遠(yuǎn)程聊天，社交活動等等。

然而，目前的虛擬現(xiàn)實技術(shù)和系統(tǒng)還不能進(jìn)行大量復(fù)雜的計算和數(shù)據(jù)處理，例如，捕獲和處理用戶面部的表情和感覺細(xì)節(jié)。同時，虛擬世界的呈現(xiàn)需要傳輸大量的視頻幀數(shù)據(jù)，因此只能利用高速的有線網(wǎng)絡(luò)進(jìn)行視頻數(shù)據(jù)傳輸。無線網(wǎng)絡(luò)的低帶寬和高延遲還難以滿足虛擬現(xiàn)實系統(tǒng)的需要，這在一定程度上限制了虛擬現(xiàn)實應(yīng)用的廣度和深度。

近端云計算為解決虛擬現(xiàn)實等沉浸式技術(shù)的應(yīng)用障礙提供了一條非常有用的途徑。首先，近端云基礎(chǔ)設(shè)施能彌補(bǔ)虛擬現(xiàn)實設(shè)備的計算和存儲能力的不足。虛擬現(xiàn)實設(shè)備可以將用戶面部表情細(xì)節(jié)處理等需要大計算量的任務(wù)交由近端云服務(wù)器來完成。其次，通過在近端云服務(wù)器上緩存與遠(yuǎn)程用戶互動過程中產(chǎn)生的視頻和其他數(shù)據(jù)，可以減少網(wǎng)絡(luò)數(shù)據(jù)的傳輸量并提高響應(yīng)速度。同時，利用近端云基礎(chǔ)設(shè)施提供的短距離的終端到終端的超高無線近距離傳輸通道，虛擬現(xiàn)實系統(tǒng)將不但可以擺脫有線網(wǎng)絡(luò)的限制，而且可以利用無處不在的無線網(wǎng)絡(luò)技術(shù)，實現(xiàn)虛擬現(xiàn)實設(shè)備和系統(tǒng)間的無縫連接，從而實現(xiàn)虛擬現(xiàn)實和物理現(xiàn)實的融合。

文獻(xiàn)[40]提出了一種利用相鄰智能移動終端的GPU 來幫助進(jìn)行圖像渲染的系統(tǒng)，通過把渲染任務(wù)交付給相鄰智能設(shè)備來執(zhí)行，不但可以實現(xiàn)高分辨率的圖像渲染效果，提高用戶體驗，而且可以節(jié)省能耗，提高終端的續(xù)航能力。這在一定程度上說明雖然在虛擬/增強(qiáng)現(xiàn)實領(lǐng)域利用近端云計算還需要克服一些具體的技術(shù)障礙，但是其應(yīng)用前景非常廣闊。

5.5 無人機(jī)

無人駕駛飛機(jī)（unmanned aerial vehicle），簡稱無人機(jī)，是指利用無線電遙控設(shè)備和自有程序控制裝置操控的不載人飛機(jī)。無人機(jī)在軍事和民用領(lǐng)域有非常廣泛的應(yīng)用。在軍事領(lǐng)域，無人機(jī)可以作為偵察機(jī)和靶機(jī)等使用。在民用領(lǐng)域，無人機(jī)的應(yīng)用更加廣泛，包括航拍、災(zāi)難救援、快遞運(yùn)輸、測繪、新聞報道、野生動物保護(hù)等?；谄鋸V闊的應(yīng)用前景，無人機(jī)的應(yīng)用開發(fā)正在如火如荼的進(jìn)行中。例如，在快遞領(lǐng)域，無人機(jī)可以實現(xiàn)精準(zhǔn)及時的快遞配送，有效地節(jié)省資源。因此，國內(nèi)的順豐以及國外的谷歌、亞馬遜等公司都在研發(fā)測試自己的無人機(jī)快遞服務(wù)。

盡管無人機(jī)的應(yīng)用前景非常廣闊，但其并未得到大規(guī)模的應(yīng)用。這主要是由于無人機(jī)在技術(shù)、安全和監(jiān)管方面面臨著諸多尚未解決的問題。在技術(shù)方面，無人機(jī)對于網(wǎng)絡(luò)延遲的要求比較高，而基于云計算的處理數(shù)據(jù)模式延遲比較大，因而很難滿足其要求。例如，無人機(jī)在進(jìn)入停機(jī)位的過程中，一些無人機(jī)的速度非常高（可以達(dá)到10英里每小時）。所有消息通過集中的云計算中心處理將產(chǎn)生較大的延遲，等到無人機(jī)報告問題時，可能已經(jīng)錯過處理的最佳時間。其次，無人機(jī)面臨著嚴(yán)峻的安全問題。同一空域可能同時出現(xiàn)執(zhí)行不同任務(wù)的不同公司的無人機(jī)，而且還可能存在飛鳥以及高層建筑等，如何避免無人機(jī)與無人機(jī)以及與其他空中物體之間的相互碰撞，是需要重點(diǎn)解決的安全問題。最后，無人機(jī)還面臨著復(fù)雜的監(jiān)管問題。在一些敏感區(qū)域或者民航飛機(jī)航道上，各地的航空管理局是禁止無人機(jī)飛行的。因此，無人機(jī)需要在復(fù)雜的監(jiān)管環(huán)境中進(jìn)行飛行。如何根據(jù)地理位置有效地控制無人機(jī)的飛行是監(jiān)管無人機(jī)首要解決的一個問題。

針對無人機(jī)應(yīng)用面臨的挑戰(zhàn)，近端云計算給出了可行的解決方案。首先，近端云計算可以滿足無人機(jī)低延遲的需求。根據(jù)任務(wù)的延遲需求，近端云計算可以在不同的層次進(jìn)行數(shù)據(jù)處理，滿足不同延遲的消息處理需求。例如，將一部分無人機(jī)收集的視頻數(shù)據(jù)的處理任務(wù)卸載到邊緣云數(shù)據(jù)中心上，可以很大程度上減小數(shù)據(jù)處理的延遲。其次，近端云計算可以從無人機(jī)自身、相鄰無人機(jī)、近端云計算設(shè)施（例如，在無人機(jī)航線或高層建筑物上部署的節(jié)點(diǎn)）、遠(yuǎn)端云計算中心多個層次來保證無人機(jī)的安全。最后，近端云計算可以實現(xiàn)基于地理位置的無人機(jī)監(jiān)管服務(wù)。對于禁飛區(qū)域，可以在近端云計算設(shè)施進(jìn)行配置，當(dāng)無人機(jī)接近禁飛的近端云計算設(shè)施時，實現(xiàn)主動避讓。另外，還可以在近端云計算設(shè)施和遠(yuǎn)端云計算中心對無人機(jī)飛行的狀況和軌跡進(jìn)行監(jiān)控，通過對區(qū)域內(nèi)無人機(jī)的信息進(jìn)行集中地整理，監(jiān)管部門可以有效地管理區(qū)域內(nèi)的無人機(jī)。

反過來，無人機(jī)也可以作為一種實現(xiàn)近端云計算的平臺或技術(shù)。例如，無人機(jī)可以為終端設(shè)備提供通信中繼服務(wù)。在需要臨時增加網(wǎng)絡(luò)覆蓋或者發(fā)生過自然災(zāi)害后通信被破壞的地區(qū)，無人機(jī)可以作為飛行的基站與衛(wèi)星或者其他通信基站進(jìn)行通信來保證所在區(qū)域內(nèi)的通信服務(wù)。無人機(jī)還可以作為一個移動的朵云平臺，為其他的無線終端設(shè)備提供一個小型的云計算平臺，使得計算等任務(wù)可以從終端設(shè)備卸載到無人機(jī)上。在無線傳感器網(wǎng)絡(luò)中，無人機(jī)可以作為一個移動的數(shù)據(jù)收集平臺，將各類傳感器采集的數(shù)據(jù)統(tǒng)一地收集起來。因此，相信隨著無人機(jī)與近端云計算技術(shù)的不斷發(fā)展，更多實際的應(yīng)用問題可以通過無人機(jī)與近端云計算技術(shù)的相結(jié)合而得到有效解決。

6 近端云計算面臨的技術(shù)挑戰(zhàn)

盡管近端云計算擁有廣闊的應(yīng)用前景和發(fā)展機(jī)遇，能夠解決云計算所面臨的難題，但是實現(xiàn)和部署近端云計算也面臨著諸多挑戰(zhàn)，包括商業(yè)挑戰(zhàn)和技術(shù)挑戰(zhàn)等。商業(yè)挑戰(zhàn)主要由公司來推動和解決，本文不做分析。本文主要分析近端云計算面臨的技術(shù)挑戰(zhàn)。理清技術(shù)挑戰(zhàn)有助于知道哪些方面是實現(xiàn)近端云計算模式需要重點(diǎn)解決的問題，從而為以后近端云計算的研究指明方向。

本節(jié)將從體系結(jié)構(gòu)和模型、網(wǎng)絡(luò)接入和管理、資源管理和調(diào)度、定價和激勵機(jī)制、安全和隱私保護(hù)等方面分別介紹近端云計算面臨的技術(shù)挑戰(zhàn)。

6.1 體系結(jié)構(gòu)和模型

體系結(jié)構(gòu)和模型是實現(xiàn)及應(yīng)用近端云計算模式的基礎(chǔ)。因此，首先需要研究近端云計算的體系結(jié)構(gòu)和模型。

6.1.1 體系結(jié)構(gòu)

相對于集中部署的云計算來說，近端云計算的體系結(jié)構(gòu)更加復(fù)雜。首先，近端云計算中資源的種類更多，既包括集中部署在數(shù)據(jù)中心中的資源，也包括分布在網(wǎng)絡(luò)上的資源（例如，路由器、邊緣服務(wù)器等），以及動態(tài)移動的終端資源等。其次，資源是分布式和小型集中式相結(jié)合的，這些資源的地理位置分布范圍很廣。資源之間相互連接的方式不僅包括有線，還包括各種無線連接方式（例如，WiFi、Wi-Max、藍(lán)牙、3G、LTE等）。然而，這些連接方式的傳輸速率和延遲各異。最后，近端云計算模式中各類資源往往是異構(gòu)的，而且能力差異大。如何在這些分布式、異構(gòu)、能力各異的資源上構(gòu)建一個可實施部署的體系結(jié)構(gòu)非常具有挑戰(zhàn)性。

現(xiàn)有的針對霧計算和露計算的體系結(jié)構(gòu)研究工作，只是給出了簡單的層次劃分，并沒有給出可實施部署的體系結(jié)構(gòu)。雖然針對移動邊緣計算的體系結(jié)構(gòu)研究相對較多，但與具有普遍意義的近端云計算相比，移動邊緣計算沒有考慮終端設(shè)備的協(xié)作。

近端云計算的體系結(jié)構(gòu)研究，可以參考現(xiàn)有的云計算體系結(jié)構(gòu)和移動邊緣計算的體系結(jié)構(gòu)，將原有的體系結(jié)構(gòu)向近端設(shè)備（例如，路由器、邊緣服務(wù)器）和終端設(shè)備進(jìn)行擴(kuò)展和擴(kuò)充，并考慮終端設(shè)備之間的相互協(xié)作。針對近端云計算體系結(jié)構(gòu)的研究，可以先設(shè)計一個較為通用的體系結(jié)構(gòu)模型標(biāo)準(zhǔn)。在此基礎(chǔ)上，再針對特定的應(yīng)用場景研究適合不同應(yīng)用場景需求的體系結(jié)構(gòu)。

6.1.2 編程模型

對于近端云計算來說，研究類似于云計算中的MapReduce編程模型是非常必須的。因為統(tǒng)一的編程模型可以隱藏近端云計算模式中的復(fù)雜管理功能，讓開發(fā)人員不用考慮近端云計算模式中動態(tài)、異構(gòu)、層次化的各類資源，只需要關(guān)注應(yīng)用本身的邏輯，從而加快近端云計算模式應(yīng)用的開發(fā)。但是，和云計算相比，近端云計算的編程模型更加的復(fù)雜。首先，計算資源的種類繁多，而計算可以在任何資源節(jié)點(diǎn)上進(jìn)行，如何協(xié)調(diào)同一計算任務(wù)的執(zhí)行地點(diǎn)，并匯總計算結(jié)果是一項具有挑戰(zhàn)性的任務(wù)；其次，近端云計算中節(jié)點(diǎn)的連接方式各異，而且存在移動的節(jié)點(diǎn)。因此，在任務(wù)分發(fā)之后，一些計算節(jié)點(diǎn)在返回結(jié)果之前可能已經(jīng)無法訪問。如何根據(jù)節(jié)點(diǎn)的連接方式和移動特征，選擇合適的參與節(jié)點(diǎn)也非常具有挑戰(zhàn)性。

HonG等針對未來互聯(lián)網(wǎng)應(yīng)用提出了一種高級編程模型，該模型具有可按需擴(kuò)展以及大規(guī)模地理位置分布和延遲敏感的特點(diǎn)。然而，其中的計算節(jié)點(diǎn)是固定的。Orsini等提出的CloudAware通過一個上下文管理器來估計網(wǎng)絡(luò)的連接狀態(tài)，并通過求解優(yōu)化問題（例如，最小化計算時間）來切分應(yīng)用和執(zhí)行卸載策略。不過，CloudAware只是一個抽象的編程模型。Foglets支持發(fā)現(xiàn)與應(yīng)用程序需求匹配的資源，并可以根據(jù)傳感器的移動特征和動態(tài)的計算需求對應(yīng)用程序的組件進(jìn)行遷移。MCEP通過實時遷移，能夠根據(jù)位置信息按需動態(tài)地配置計算資源，從而降低延遲、網(wǎng)絡(luò)利用率和處理開銷。但是Foglets和MCEP都是基于自己定義的數(shù)據(jù)模型和應(yīng)用程序接口。FogFlow利用標(biāo)準(zhǔn)化的應(yīng)用程序接口來實現(xiàn)云和邊緣之間的編程模型。不過，目前FogFlow只針對智慧城市，如果應(yīng)用到其他的場景中，還需要進(jìn)行適當(dāng)?shù)男薷?。IOx提供了一個可以無縫跨越不同網(wǎng)絡(luò)邊緣設(shè)備的應(yīng)用程序支持框架和計算平臺。IOx通過開放式的應(yīng)用程序開發(fā)環(huán)境向開發(fā)者提供了對應(yīng)用程序整個生命周期（包括：開發(fā)、分發(fā)、部署、托管、監(jiān)視和管理）的管控。但是IOx并不開放而且依賴于很昂貴的硬件。ParaDrop是一種邊緣計算框架，它可以使第三方開發(fā)者利用距離終端最近的接入設(shè)備（例如，WiFi接入點(diǎn)或家用機(jī)頂盒等）上的計算資源。ParaDrop通過開發(fā)者API支持服務(wù)的動態(tài)安裝，并且支持基于策略的資源管理。但是ParaDrop主要針對輕量化的應(yīng)用程序。

為了加快近端云計算模式的應(yīng)用，需要研究結(jié)合近端云計算模式特征的通用編程模型。這種通用編程模型可以根據(jù)計算任務(wù)的需求（例如，延遲要求等），能夠在端、相鄰端、近端云計算設(shè)施和遠(yuǎn)端云計算中心中選擇一個或者多個節(jié)點(diǎn)執(zhí)行計算任務(wù)。具體在哪里執(zhí)行，開發(fā)人員可以自己定義，也可以根據(jù)一定的匹配算法或者機(jī)器學(xué)習(xí)的方法，綜合考慮任務(wù)的需求讓任務(wù)自動地選擇執(zhí)行節(jié)點(diǎn)。

6.2 網(wǎng)絡(luò)接入和管理

和傳統(tǒng)云計算相比，近端云計算的網(wǎng)絡(luò)更加復(fù)雜多變。首先，近端云計算的網(wǎng)絡(luò)往往是異構(gòu)的，既包括穩(wěn)定可靠的有線連接，也包括存在不確定性的無線連接；其次，近端云計算的網(wǎng)絡(luò)由于端設(shè)備的移動，使得端設(shè)備連接的網(wǎng)絡(luò)會隨著位置的變化而變化，而且端設(shè)備連接的網(wǎng)絡(luò)存在斷開的可能；再者，近端云計算支持端設(shè)備之間的相互協(xié)作，這要求端設(shè)備可以在不依賴于其他網(wǎng)絡(luò)基礎(chǔ)設(shè)施的情況下構(gòu)建協(xié)作網(wǎng)絡(luò)，而且網(wǎng)絡(luò)需要支持節(jié)點(diǎn)的加入、離開和移動。管理這樣一個異構(gòu)、復(fù)雜、多變的網(wǎng)絡(luò)，保證網(wǎng)絡(luò)的聯(lián)通性，并在其上提供服務(wù)非常具有挑戰(zhàn)性。

最近一些新興的網(wǎng)絡(luò)技術(shù)，例如軟件定義網(wǎng)絡(luò)（SDN）和網(wǎng)絡(luò)功能虛擬化（NFV），為創(chuàng)建靈活且易于管理的網(wǎng)絡(luò)提供了解決方案。將SDN和NFV技術(shù)應(yīng)用于近端云計算模式可以簡化網(wǎng)絡(luò)實施和管理的復(fù)雜度，增加網(wǎng)絡(luò)的可擴(kuò)展性并降低成本。ETSI ISG MEC建議通過SDN和NFV管理網(wǎng)絡(luò)資源，不僅可以減少部署開銷，還可以提供一個通用的業(yè)務(wù)流程管理基礎(chǔ)架構(gòu)。在近端云計算中，集成SDN技術(shù)最大的挑戰(zhàn)是如何適應(yīng)終端設(shè)備的移動性以及不可靠的無線網(wǎng)絡(luò)連接。Ku等提出了用于移動/車載自組織網(wǎng)絡(luò)（MANET/VANET）的基于SDN的移動云架構(gòu)，其基于SDN的頻率選擇架構(gòu)可以適應(yīng)異構(gòu)的無線網(wǎng)絡(luò)接口，并支持特權(quán)業(yè)務(wù)預(yù)留和調(diào)頻通信等應(yīng)用。除此之外，如何放置不同的網(wǎng)絡(luò)控制器（包括持久連接的邊緣設(shè)備和間歇連接的終端設(shè)備）以及在哪里部署網(wǎng)絡(luò)控制器也是在近端云計算中應(yīng)用SDN需要解決的問題。解決這些問題需要根據(jù)具體的近端云計算應(yīng)用的需求，研究針對性的SDN架構(gòu)和系統(tǒng)。

NFV可以通過虛擬化近端云計算中的網(wǎng)關(guān)、交換機(jī)、防火墻等設(shè)備來增強(qiáng)近端云計算中網(wǎng)絡(luò)資源管理的靈活性。NFV已經(jīng)在數(shù)據(jù)中心網(wǎng)絡(luò)、蜂窩核心網(wǎng)絡(luò)中得到了應(yīng)用。相比之下，這些網(wǎng)絡(luò)中的設(shè)備具有豐富的計算資源，而近端云計算中很多終端設(shè)備的資源非常的有限。因此，在近端云計算應(yīng)用NFV需要重點(diǎn)考慮有限的資源問題和虛擬化網(wǎng)絡(luò)設(shè)備的性能，同時也需要結(jié)合近端云計算應(yīng)用和服務(wù)的特定需求。

6.3 資源管理和調(diào)度

資源管理和調(diào)度是各類應(yīng)用程序在近端云計算系統(tǒng)中運(yùn)行的基礎(chǔ)。本節(jié)從資源隔離、資源發(fā)現(xiàn)、共享和配置、資源調(diào)度3個方面來介紹近端云計算資源管理和調(diào)度面臨的挑戰(zhàn)。

6.3.1 資源隔離

為了利用各類計算設(shè)備的資源，需要解決資源的隔離問題。首先，因為不同計算設(shè)備的軟硬件是異構(gòu)的，要想把這些異構(gòu)的資源利用起來，就需要屏蔽設(shè)備在操作系統(tǒng)和硬件上的差異；其次，同一計算設(shè)備上往往會運(yùn)行多個應(yīng)用，這些應(yīng)用會共享設(shè)備的資源。為了避免因為一個應(yīng)用程序的失敗而造成其他應(yīng)用或者整個系統(tǒng)的崩潰，就需要將這些應(yīng)用隔離開來；最后，在設(shè)備上，特別是在終端設(shè)備上，往往存儲著用戶的隱私數(shù)據(jù)。為了保護(hù)用戶的隱私和安全，往往需要隔離開第三方的應(yīng)用程序。

虛擬化技術(shù)是實現(xiàn)資源隔離的一種有效手段。常用的虛擬化技術(shù)包括虛擬機(jī)監(jiān)控器（hypervisor）和容器（container）。虛擬機(jī)監(jiān)控器可以實現(xiàn)系統(tǒng)級的虛擬化，是云計算中常用的虛擬化技術(shù)。Cloudlets就利用了這種虛擬化技術(shù)。相對于虛擬機(jī)監(jiān)控器來說，容器是更輕量級的虛擬化技術(shù)。ParaDrop則采用了容器虛擬化技術(shù)。因為容器是在操作系統(tǒng)層實現(xiàn)的虛擬化技術(shù)，因此相對于虛擬機(jī)監(jiān)控器來說，其靈活性更低。Condroid是一種基于容器的輕量級虛擬化技術(shù)，使得一個android設(shè)備可以托管多個獨(dú)立的android虛擬機(jī)。但即便如此，虛擬機(jī)監(jiān)控器和容器這些系統(tǒng)級的虛擬化技術(shù)仍然無法支持一些資源更少的設(shè)備（例如，IoT等）的資源隔離需求。FlowFence通過構(gòu)建一些隔離模塊并在sandbox中操作敏感數(shù)據(jù)，從而可以實現(xiàn)對IoT應(yīng)用中敏感數(shù)據(jù)的有效控制。但是，支持FlowFence需要按照FlowFence 的邏輯重寫相應(yīng)的IoT應(yīng)用。

因為近端云計算中設(shè)備的能力差異很大，具體采用哪種資源隔離技術(shù)，還需要根據(jù)設(shè)備的計算能力和應(yīng)用場景的需求進(jìn)行綜合考量。此外，訪問控制可以通過隔離第三方應(yīng)用可訪問的內(nèi)容，從而有效地解決資源隔離的問題。

6.3.2 資源發(fā)現(xiàn)、共享和配置

資源發(fā)現(xiàn)和共享（resource discovery and sharing）是終端設(shè)備實現(xiàn)對等協(xié)作以及利用近端云計算設(shè)施中資源的基礎(chǔ)。因為終端設(shè)備的位置會變化，在位置變化之后，終端設(shè)備需要能夠及時發(fā)現(xiàn)附近可用的其他終端設(shè)備以及近端云計算設(shè)施。而且，終端設(shè)備也需要能夠在新的位置將自身空閑的資源共享給其他設(shè)備使用。Liu等提出了一種自適應(yīng)的資源發(fā)現(xiàn)方法，該方法根據(jù)網(wǎng)絡(luò)環(huán)境的不同自動地在集中式和洪泛策略之間進(jìn)行切換，以節(jié)省能耗。Nishio等提出了一種異構(gòu)資源共享框架，通過將諸如CPU、通信帶寬和存儲等異構(gòu)資源映射成“時間”資源。因此，資源共享問題可以形式化成一個最大化面向服務(wù)的效用函數(shù)問題。不過，這里的效用函數(shù)只考慮了延遲因素。然而，在近端云計算中，資源發(fā)現(xiàn)和共享除了需要考慮能耗和延遲因素外，還需要考慮設(shè)備的移動、服務(wù)的可用性甚至收益等因素。

資源配置（resource provisioning）是在用戶請求資源時向用戶分配其所需的資源。Aazam等提出了一種基于資源需求預(yù)測的資源配置方法。通過綜合考慮用戶的需求、服務(wù)的類型和價格模型定義支出函數(shù)，從而提前為用戶分配資源。然而，對于很多應(yīng)用來說，很難準(zhǔn)確預(yù)測其需求的資源量。Skarlat等提出了一個霧計算資源配置的概念框架，通過形式化一個優(yōu)化問題在運(yùn)行時進(jìn)行資源配置。但是，由于優(yōu)化模型所考慮因素的限制，使得這個框架的通用性非常有限。近端云計算的資源配置需要綜合考慮應(yīng)用的需求和資源的存儲、計算、網(wǎng)絡(luò)帶寬以及價格等因素。除此之外，近端云計算的資源配置需要滿足應(yīng)用延遲的要求，因此還需要考慮延遲因素。此外，近端云計算的資源配置還需要考慮設(shè)備的移動性。因為終端設(shè)備的移動會造成可用資源的狀態(tài)和網(wǎng)絡(luò)延遲產(chǎn)生變化。

6.3.3 資源調(diào)度

近端云計算中的資源調(diào)度之所以具有挑戰(zhàn)性，一方面是因為近端云計算中計算、存儲等功能可以在端設(shè)備本身、相鄰端設(shè)備、近端云計算設(shè)施和遠(yuǎn)端云計算中心中的任何一處執(zhí)行，可供選擇的執(zhí)行位置較多；另一方面是因為近端云計算中資源調(diào)度除了需要考慮計算或存儲等任務(wù)完成所需要的資源因素外，還需要考慮終端的移動性、延遲等因素。要解決近端云計算中的資源調(diào)度問題需要解決這些問題：如何實現(xiàn)端與端之間的對等協(xié)作，以及終端和近端云計算設(shè)施、遠(yuǎn)端云計算中心之間的資源調(diào)度；在不同的層次之間選擇什么樣的調(diào)度粒度；如何切分應(yīng)用程序，使其可以在端設(shè)備、近端云計算設(shè)施和遠(yuǎn)端云計算中心之間實現(xiàn)并發(fā)和同步；如何執(zhí)行調(diào)度決策，使得調(diào)度能夠動態(tài)地適應(yīng)端設(shè)備、網(wǎng)絡(luò)、資源等因素的變化。

彈性資源調(diào)度是云計算最主要的特征之一。因此，作為云計算向終端設(shè)備的擴(kuò)展，近端云計算也應(yīng)當(dāng)能夠支持資源的彈性調(diào)度。Zhan等總結(jié)了云計算中彈性資源調(diào)度方法。Kavvadia等提出了一種基于無容量限制設(shè)施選址的彈性虛擬機(jī)放置方法。Liu等提出了一種激進(jìn)式的資源調(diào)度方法，通過激進(jìn)的資源分配策略來保證服務(wù)質(zhì)量。這些彈性資源調(diào)度方法大都以虛擬機(jī)為粒度進(jìn)行資源調(diào)度。相比之下，近端云計算則需要考慮更加細(xì)粒度的彈性資源調(diào)度，而且在資源調(diào)度的過程中需要結(jié)合設(shè)備的位置信息、延遲要求等多種因素。

計算卸載（computation offloading）也是資源調(diào)度的一種形式，通過將一部分任務(wù)遷移到其他設(shè)備執(zhí)行來擴(kuò)展終端設(shè)備的能力，從而有效地解決終端設(shè)備資源有限問題。Chun等提出了應(yīng)用程序在端設(shè)備和云之間遷移的方法CloneCloud，它使用靜態(tài)代碼分析器在應(yīng)用程序字節(jié)碼中自動標(biāo)記可能遷移的點(diǎn)。Barbera等研究了移動終端利用云平臺進(jìn)行計算卸載以降低移動終端的帶寬和能量消耗的方法。Kosta等提出了一個卸載手機(jī)應(yīng)用到云平臺的計算架構(gòu)ThinkAir。這些計算卸載方法也可以應(yīng)用到近端云計算的計算卸載中。和上述現(xiàn)有的計算卸載方法相比，近端云計算中的計算卸載需要考慮計算執(zhí)行的位置、端設(shè)備的移動性和延遲需求等多種因素，以使得應(yīng)用和服務(wù)能夠通過計算卸載以充分利用近端云計算的優(yōu)勢。

6.4 定價和激勵機(jī)制

從已有近端云計算的相關(guān)研究工作可以知道，近端云計算的參與者包括：1）云服務(wù)提供商，希望將自己的服務(wù)擴(kuò)展到終端設(shè)備上；2）互聯(lián)網(wǎng)服務(wù)提供商和無線網(wǎng)絡(luò)運(yùn)營商，可以構(gòu)建近端服務(wù)設(shè)施來連接云服務(wù)提供商和終端用戶；3）終端用戶，可以共享自己空閑的計算、存儲和網(wǎng)絡(luò)等資源，也可以通過利用其他終端或者服務(wù)提供商提供的資源以擴(kuò)充自身設(shè)備的能力。為了保證各個參與者的利益，實現(xiàn)類似于云計算的“隨用隨付”（pay-as-you-go）的原則，首先需要解決的就是定價問題。例如，如何為不同參與者的資源進(jìn)行定價，以及如何在不同的參與者之間進(jìn)行收益的分配等。另外，還可以參考云計算中的動態(tài)定價機(jī)制，動態(tài)地給近端云計算的資源服務(wù)進(jìn)行定價，以最大限度地提高收益和資源利用率。再者，近端云計算支持端設(shè)備之間組件自組織的協(xié)作網(wǎng)絡(luò)，因此還需要結(jié)合近端云計算應(yīng)用的特點(diǎn)研究不依賴于第三方或者基站協(xié)助的定價機(jī)制。

激勵機(jī)制（incentive mechanism）可以激勵終端用戶參與到近端云計算系統(tǒng)中。因此，為了加速近端云計算的實現(xiàn)和部署，需要研究有效的激勵機(jī)制。但是，因為終端用戶的存在，使得近端云計算中影響參與者參與的因素不再是單純的經(jīng)濟(jì)收益。例如，如果終端用戶共享自己的資源可以幫助自己的親人或者朋友，終端用戶參與的積極性會提高。因此，近端云計算的激勵機(jī)制可以結(jié)合用戶的社交屬性來激勵更多的用戶參與到資源的共享合作中來。再者，如果終端用戶的參與可以提高自身的計算體驗的話，終端用戶也會非常樂意參與到近端云計算中。因此，在近端云計算的激勵機(jī)制研究中要充分考慮各個參與者的特點(diǎn)，通過挖掘各個參與者的參與動機(jī)從而激勵用戶參與到近端云計算中。另外，還可以結(jié)合應(yīng)用場景的特點(diǎn)，將激勵轉(zhuǎn)換成虛擬貨幣等較為通用的激勵，使得用戶可以利用通用的虛擬貨幣來換取自身所需的資源。

6.5 安全和隱私保護(hù)

隨著人們安全和隱私保護(hù)意識的增強(qiáng)，安全和隱私保護(hù)變得越來越重要。與云計算相比，近端云計算既具有在本地或近端解決安全和隱私保護(hù)問題的優(yōu)勢，也同時面臨著更加嚴(yán)峻的安全和隱私保護(hù)問題。首先，近端云計算涵蓋了很多終端設(shè)備，而這些終端設(shè)備存在潛在的安全問題。以android設(shè)備為例來說，有82%的android設(shè)備存在25個安全漏洞中的至少一個；其次，近端云計算中終端設(shè)備接入的網(wǎng)絡(luò)多種多樣，而這些網(wǎng)絡(luò)的安全性難以保障，使其更容易受到攻擊。以WiFi網(wǎng)絡(luò)為例，據(jù)統(tǒng)計，49%的家用WiFi是不安全的，80%的家用路由器使用的是默認(rèn)密碼；89%的公共WiFi熱點(diǎn)是不安全的。最后，在近端云計算中，節(jié)點(diǎn)的分布橫跨了端、網(wǎng)絡(luò)（近端）和云（遠(yuǎn)端），跨域?qū)嵤┌踩碗[私保護(hù)的難度更大。而且，一些傳感設(shè)備的資源非常有限，這就造成現(xiàn)有的很多安全保護(hù)技術(shù)無法被直接使用，因為它們所需要的資源無法得到滿足。下面討論一些可以用于實現(xiàn)近端云計算安全和隱私保護(hù)的技術(shù)。

6.5.1 身份認(rèn)證

身份認(rèn)證是安全保護(hù)的第一道防線。近端云計算中的身份認(rèn)證面臨著如下挑戰(zhàn)。首先，近端云計算支持端設(shè)備的相互協(xié)作，因此需要支持不依賴第三方認(rèn)證設(shè)施的身份認(rèn)證技術(shù)；其次，近端云計算中很多終端設(shè)備的資源是有限的，因此輕量級的身份認(rèn)證技術(shù)是非常必要的；再次，近端云計算支持地理位置的服務(wù)，如何實現(xiàn)基于地理位置的身份認(rèn)證，以及實現(xiàn)在用戶位置切換之后，不需要用戶重新進(jìn)行身份認(rèn)證也是一個問題；最后，如何在近端云計算的多個架構(gòu)層次之間完成身份認(rèn)證。已有的身份認(rèn)證技術(shù)很多，部分可以應(yīng)用到近端云計算中來克服上述挑戰(zhàn)。Toosi等對云計算中的身份認(rèn)證技術(shù)進(jìn)行了總結(jié)。Ibrahim等提出了一種身份認(rèn)證系統(tǒng)Octopus，允許任何霧計算用戶和霧計算節(jié)點(diǎn)相互認(rèn)證，但是這種方法中的霧計算節(jié)點(diǎn)存儲了信任域內(nèi)所有用戶的憑據(jù)信息。Bouzefrane等使用近場通信（near field communication，NFC）來驗證終端設(shè)備是否能將任務(wù)卸載到已認(rèn)證的本地云中。Yang等則提出了一種允許終端用戶從一個區(qū)域遷移到另一個區(qū)域的身份認(rèn)證技術(shù)。除此之外，還可以借鑒云計算和P2P網(wǎng)絡(luò)中的身份認(rèn)證技術(shù)，通過在這些現(xiàn)有的身份認(rèn)證技術(shù)中增加位置等信息來使得其更加適合于近端云計算的應(yīng)用場景。例如，在認(rèn)證過程中增加諸如時間、所在位置、設(shè)備等狀態(tài)信息，不僅可以增強(qiáng)認(rèn)證的安全性，還可以簡化某些情況下的認(rèn)證過程。

6.5.2 訪問控制

訪問控制在身份認(rèn)證的基礎(chǔ)上，根據(jù)身份的合法性對資源訪問請求加以控制。訪問控制技術(shù)已經(jīng)成為了云計算可靠的安全保障措施之一。Almutairi等提出了一種應(yīng)用于多云環(huán)境的基于角色控制策略的分布式訪問控制框架，以支持域角色映射和限制驗證。Dsouza等提出了可以用于霧計算的基于策略的資源訪問控制方法，以支持異構(gòu)資源之間的安全協(xié)作和互操作。在近端云計算中應(yīng)用訪問控制技術(shù)還需要解決下面這些問題：如何明確近端云計算中的用戶角色以及權(quán)限范圍；如何結(jié)合近端云計算的地理位置特征，實現(xiàn)基于地理位置的訪問控制；如何在不同的層次中分發(fā)權(quán)限控制策略以滿足不同層的目標(biāo)和資源限制需求等。解決以上這些問題需要結(jié)合具體的近端云計算應(yīng)用場景的特點(diǎn)，針對性地設(shè)計訪問控制策略。

6.5.3 隱私保護(hù)

和云計算相比，近端云計算由于覆蓋了各種各樣的用戶終端設(shè)備，使得應(yīng)用可以更容易地收集用戶的敏感數(shù)據(jù)。另外，端設(shè)備的資源往往非常有限，而隱私保護(hù)算法往往都需要消耗很多的資源，這就需要將很多用戶的敏感數(shù)據(jù)傳輸?shù)浇嘶蛘哌h(yuǎn)端云計算中心進(jìn)行處理。如果在網(wǎng)絡(luò)上明文傳輸敏感數(shù)據(jù)，會造成用戶的隱私泄露。同態(tài)加密（homomorphic encryption）技術(shù)可以實現(xiàn)在不解密的情況下對敏感數(shù)據(jù)進(jìn)行處理，因此可以實現(xiàn)在近端或者遠(yuǎn)端云計算中心處理敏感數(shù)據(jù)的同時保護(hù)用戶的隱私。另外，差分隱私（differential privacy）可以用于確保在統(tǒng)計查詢的情況下不泄露數(shù)據(jù)集中任意單個條目的隱私。除了數(shù)據(jù)隱私外，使用隱私和位置隱私也是近端云計算隱私保護(hù)的重要內(nèi)容。例如，因為終端設(shè)備使用附近近端云計算設(shè)施中的資源，使得近端云計算設(shè)施可以很容易地根據(jù)自身的位置，以及用戶的使用時間和使用模式等信息來推測出用戶的地理位置信息和使用隱私。使用隱私和位置隱私最有效的保護(hù)方式是匿名和身份混淆，即便近端云計算設(shè)施知道用戶在附近，但也無法識別出該用戶。另外，用戶在選擇近端云計算設(shè)施時，可以不單純地根據(jù)位置信息進(jìn)行決策，而是結(jié)合延遲、用戶評價等多種因素動態(tài)地選擇近端云計算設(shè)施，以避免近端云計算設(shè)施通過其本身的位置推測出用戶的位置。

7 結(jié)論

本文討論了云計算在發(fā)展過程中所遇到的瓶頸，揭示了云計算的基本特征及其發(fā)展演化的必然趨勢。在此基礎(chǔ)上，對后云計算時代出現(xiàn)的新型網(wǎng)絡(luò)計算模式進(jìn)行了簡單介紹，并總結(jié)了這些網(wǎng)絡(luò)計算模式的基本特征。接著，對幾種近端云計算模式，即霧計算、移動邊緣計算和邊緣計算等進(jìn)行了詳細(xì)地分析、比較和總結(jié)，使讀者能夠掌握它們各自的特點(diǎn)以及細(xì)微區(qū)別。另外，為了使讀者能夠清晰地了解近端云計算的發(fā)展前景及其面臨的困難，本文還通過一些具體的應(yīng)用例子分析和總結(jié)了近端云計算發(fā)展所面臨的機(jī)遇和技術(shù)挑戰(zhàn)。相信隨著云計算問題的日益突出以及近端云計算實踐經(jīng)驗的不斷積累，在不久的將來，近端云計算無疑會成為后云計算時代產(chǎn)業(yè)界和學(xué)術(shù)界開發(fā)和研究的一個新熱點(diǎn)。