肖文華 劉必欣 劉巍 程鋼 王躍華

隨著物聯(lián)網(wǎng)時代的到來,大數(shù)據(jù)特征不斷突出,以云計算模型為核心的集中式大數(shù)據(jù)處理方式已不能完全滿足應(yīng)用需求.邊緣計算作為一種新興計算范式,旨在利用邊緣設(shè)備的計算、通信資源,滿足用戶對服務(wù)的實時響應(yīng)、隱私與安全、計算自主性等需求.邊緣計算通過將計算拓延至數(shù)據(jù)端,與云計算結(jié)合,可在視頻分析、智能家居、智慧城市、智能交通以及軍事等領(lǐng)域廣泛應(yīng)用,較好地解決了物聯(lián)網(wǎng)時代帶寬增長受限與數(shù)據(jù)增長過快的矛盾.特別是在戰(zhàn)場上,各類移動智能終端大量使用,指揮控制活動不斷向邊緣延伸,數(shù)據(jù)處理和共享需求不斷增多,亟需通過邊緣計算技術(shù)解決任務(wù)實時性高、計算能力受限、帶寬緊缺等問題.目前邊緣計算還處于起步階段,相關(guān)技術(shù)和應(yīng)用還需深入研究.已有學(xué)者從邊緣計算概念、應(yīng)用、技術(shù)等方面進(jìn)行了綜述研究.趙梓銘等[1]在邊緣計算概念、平臺、應(yīng)用和挑戰(zhàn)幾個方面綜述了現(xiàn)有成果.施巍松等[2]從萬物互聯(lián)視角出發(fā),對邊緣計算的概念和原理、現(xiàn)有研究工作案例(即云計算任務(wù)遷移、視頻分析、智能家居、智慧城市、智能交通以及協(xié)同邊緣)和面臨的挑戰(zhàn)方面進(jìn)行了系統(tǒng)闡述.呂華章等[3]從工業(yè)發(fā)展視角綜述了邊緣計算標(biāo)準(zhǔn)化的進(jìn)展情況并以中國聯(lián)通為例探討了產(chǎn)業(yè)部署、商業(yè)合作等內(nèi)容.符永銓等[4]重點從提高邊緣計算響應(yīng)及時性出發(fā),對網(wǎng)絡(luò)架構(gòu)、網(wǎng)絡(luò)延遲測量的主要理論和方法、優(yōu)化技術(shù)以及面臨的挑戰(zhàn)方面進(jìn)行了綜述.鄧曉衡等[5]從安全信任視角出發(fā)重點對基于信任計算模型、信任評估體系相關(guān)研究進(jìn)行了綜述.Mao等[6]從通信視角系統(tǒng)全面綜述了邊緣計算通信模型、資源管理方面的研究現(xiàn)狀,并從移動管理、綠色計算、信任機制等方面描述了存在的挑戰(zhàn).以上綜述共同點都是聚焦城市等友好環(huán)境應(yīng)用場景,還未有專門針對惡劣環(huán)境下已有成果的公開綜述.

不同于普通城市環(huán)境,戰(zhàn)場等惡劣環(huán)境邊緣資源更加匱乏、可靠性要求更高,這對邊緣計算技術(shù)提出了更高要求.具體表現(xiàn)為:1)城市環(huán)境邊緣服務(wù)節(jié)點多、通信資源豐富,而戰(zhàn)場環(huán)境邊緣服務(wù)節(jié)點緊缺且通信資源緊缺.2)城市環(huán)境干擾少,而戰(zhàn)場環(huán)境面臨敵對持續(xù)干擾.3)城市環(huán)境聚焦于自動駕駛、增強現(xiàn)實和智能家居等應(yīng)用,而戰(zhàn)場環(huán)境聚焦于目標(biāo)識別、文本處理、信息共享等.4)城市環(huán)境側(cè)重提高資源利用效率和服務(wù)質(zhì)量,而戰(zhàn)場環(huán)境更需關(guān)注服務(wù)可用性、可靠性和安全性.另外,目前針對城市環(huán)境研究的成果較多,而針對戰(zhàn)場等惡劣環(huán)境的成果則很少.本文綜述了惡劣環(huán)境邊緣計算相關(guān)現(xiàn)狀和成果,區(qū)別于現(xiàn)有綜述,主要聚焦惡劣環(huán)境移動設(shè)備應(yīng)用場景面臨的挑戰(zhàn),從適應(yīng)惡劣環(huán)境架構(gòu)、任務(wù)協(xié)同計算、數(shù)據(jù)協(xié)同共享、數(shù)據(jù)協(xié)同存儲、移動管理多方面進(jìn)行了綜述,以期為啟發(fā)更多學(xué)者進(jìn)一步聚焦戰(zhàn)場環(huán)境邊緣計算研究,推動邊緣計算在軍事應(yīng)用落地提供參考.

1 背景

1.1 移動設(shè)備廣泛應(yīng)用于戰(zhàn)場

近年來,網(wǎng)絡(luò)技術(shù)以及硬件集成制造等技術(shù)的跨越式發(fā)展,催生了移動互聯(lián)網(wǎng)的蓬勃發(fā)展;傳感器、智能手機、平板電腦、可穿戴設(shè)備、無人飛行器等移動設(shè)備與社會、經(jīng)濟(jì)、軍事等各個領(lǐng)域活動的深度融合,開啟了人類社會移動化浪潮.隨著移動智能設(shè)備功能和性能不斷提升,加之具有易攜帶、使用方便的特點,移動智能設(shè)備已經(jīng)開始廣泛運用于軍事行動[7]、災(zāi)害救援[8?9]以及應(yīng)急管理[10]等方面.移動帶來的不僅是靈活與方便,更為各領(lǐng)域變革提供了新的范式和機遇.通過利用移動智能設(shè)備豐富的功能(如計算、存儲、通信、定位以及傳感等),一方面,借助移動設(shè)備本身具有的計算功能,極大地方便了這些場景下的數(shù)據(jù)獲取、數(shù)據(jù)存儲、任務(wù)處理、數(shù)據(jù)共享以及數(shù)據(jù)傳輸?shù)裙ぷ?另一方面以智能無人裝備為代表的移動設(shè)備能適應(yīng)枯燥、骯臟、危險的(Dull,Dirty,Dangerous,3D)環(huán)境,可以替代戰(zhàn)士執(zhí)行任務(wù)或拯救士兵的生命[11].以戰(zhàn)場應(yīng)用為例,美國[12]、英國[13]、韓國[14]和以色列[15]等國家均已著手智能移動設(shè)備在戰(zhàn)場的部署,尤其以美國應(yīng)用最廣、步伐最快.美國國防部高級研究計劃署(DARPA)、美國國防信息系統(tǒng)局(DISA)等國防相關(guān)部門在過去幾年已經(jīng)啟動了移動設(shè)備軍事應(yīng)用的相關(guān)計劃和項目.2010年,DARPA就已宣布招標(biāo)專用于軍事領(lǐng)域的智能手機[16].2012年,美國頒布了《移動設(shè)備戰(zhàn)略》[17],將移動設(shè)備的應(yīng)用提高至國防戰(zhàn)略的高度.2013年,美軍又頒布了《商用移動設(shè)備執(zhí)行規(guī)劃》[18],對移動設(shè)備在軍事領(lǐng)域的應(yīng)用進(jìn)行了部署和規(guī)劃.為戰(zhàn)術(shù)移動設(shè)備提供隨遇接入的網(wǎng)絡(luò)連接,美軍已在陸軍完成了WIN-T(Warfighte Information Network-Tactical)戰(zhàn)術(shù)信息網(wǎng)絡(luò)的部署[19].2016年5月,美國空軍發(fā)布了《2016–2036年小型無人機系統(tǒng)飛行規(guī)劃》,將小型智能無人機作為戰(zhàn)場發(fā)展的主要對象,希望構(gòu)建橫跨航空、太空、網(wǎng)空三大作戰(zhàn)疆域的小型無人系統(tǒng),并在2036年實現(xiàn)無人集群協(xié)同作戰(zhàn)的發(fā)展目標(biāo)[20].這一系列舉措表明,美軍已敏銳洞察到智能移動裝備戰(zhàn)場應(yīng)用將帶來的巨大能量,并將移動裝備戰(zhàn)場應(yīng)用作為未來戰(zhàn)斗力提升的重要增長極.

1.2 面臨的挑戰(zhàn)

不同于我們所熟悉的民用環(huán)境,戰(zhàn)場等邊緣環(huán)境由于面向應(yīng)用的特殊性,除了移動設(shè)備能力受限外,還具有以下明顯特征.

1.2.1 環(huán)境高度不可測

由于面向的是作戰(zhàn)應(yīng)用,戰(zhàn)術(shù)邊緣各種環(huán)境處于與敵方的持續(xù)高度對抗中.物理節(jié)點可能遭受敵方攻擊,電磁環(huán)境會遭受敵方干擾,網(wǎng)絡(luò)環(huán)境會遭受敵方入侵等等.不同于民用環(huán)境來自外部不可測因素相對較少,戰(zhàn)術(shù)邊緣敵對環(huán)境下,敵我雙方的高度對抗,使得系統(tǒng)的各個環(huán)節(jié)的不可測因素急劇增多.這種不可測因素不僅會導(dǎo)致戰(zhàn)術(shù)邊緣通信中斷,也可能導(dǎo)致系統(tǒng)的不可用.

1.2.2 計算資源更加緊缺

隨著移動終端傳感器不斷豐富,產(chǎn)生的數(shù)據(jù)量不斷增長.自“911”事件以來,美軍來自戰(zhàn)術(shù)邊緣無人機和其他監(jiān)控技術(shù)產(chǎn)生的傳感數(shù)據(jù)增長量多達(dá)16倍[21].然而,傳感器數(shù)據(jù)量快速增長超過了戰(zhàn)術(shù)邊緣數(shù)據(jù)傳輸或處理的速度,導(dǎo)致收集的大量數(shù)據(jù)得不到有效處理和分析.此外,目標(biāo)識別、語音轉(zhuǎn)換以及文本翻譯等計算密集型應(yīng)用不斷在戰(zhàn)術(shù)邊緣終端普及,數(shù)據(jù)處理壓力日益增長,使得戰(zhàn)術(shù)邊緣環(huán)境計算資源更加匱乏.

1.2.3 通信條件差

隨著經(jīng)濟(jì)和技術(shù)的發(fā)展,民用領(lǐng)域網(wǎng)絡(luò)設(shè)施已經(jīng)比較完善,我們生活所在的城市區(qū)域部署了大量位置固定的通信基礎(chǔ)設(shè)施(如蜂窩基站、電話線、無線接入點以及光纖鏈路)以保證市民能隨時隨地獲取帶寬高、穩(wěn)定性強的網(wǎng)絡(luò).然而,在戰(zhàn)術(shù)環(huán)境下,通常缺少固定的通信基礎(chǔ)設(shè)施,意味著戰(zhàn)術(shù)邊緣節(jié)點必須依靠一些替代者如衛(wèi)星網(wǎng)絡(luò),自組織網(wǎng)絡(luò),車載中繼網(wǎng)絡(luò)等.由于節(jié)點的移動性和戰(zhàn)術(shù)邊緣環(huán)境的惡劣性,這些網(wǎng)絡(luò)通常表現(xiàn)出不可連接,間歇性連接以及低寬帶(Disconnected,Intermittent and Low-bandwidth,DIL)連接的情況.

1.2.4 能源問題尤其突出

移動終端必須依賴能源才能正常工作,能源問題在終端部署的重要性更加凸顯.盡管移動設(shè)備各方面性能已經(jīng)取得長足進(jìn)步,但移動設(shè)備電池續(xù)航能力卻未取得同步增長.舉例來說,大部分智能手機在開啟應(yīng)用情況下續(xù)航時間在10h左右.這顯然限制了終端長時間使用效能.在民用場景,可以借用固定充電點以解決邊緣服務(wù)器或移動設(shè)備電量不足的問題,而戰(zhàn)術(shù)邊緣環(huán)境,只能通過攜帶大量預(yù)先充滿電的電池以盡量延長移動設(shè)備使用時間.據(jù)報道[22],在阿富汗戰(zhàn)爭一次跨度72h的任務(wù)中,美軍士兵需要攜帶7種不同類型的共70塊電池以支持移動設(shè)備工作.這70塊7種不同型號的電池給士兵的負(fù)載增加了約20磅的額外負(fù)載,嚴(yán)重影響了士兵的體能.

2 相關(guān)概念發(fā)展簡述

計算的硬件形態(tài)、計算體的連接形式與應(yīng)用的需求發(fā)展相互影響,使得計算范式經(jīng)歷了集群計算、網(wǎng)格計算、對等計算等形式;進(jìn)一步的發(fā)展使計算再次回歸集中,形成云平臺、數(shù)據(jù)中心＋終端的中心計算模式,表現(xiàn)為云計算與數(shù)據(jù)中心服務(wù)[5].隨著大數(shù)據(jù)時代來臨、物聯(lián)網(wǎng)興起,邊緣計算應(yīng)運而生.學(xué)術(shù)界和產(chǎn)業(yè)界先后提出了移動云計算、微型數(shù)據(jù)中心,微云(Cloudet)和霧計算等概念.這些模式的演化實質(zhì)上是隨著技術(shù)發(fā)展和需求變化,計算、存儲和通信資源在本地至資源中心鏈路上的不斷優(yōu)化調(diào)整.以資源共享為基礎(chǔ)的協(xié)同是實現(xiàn)資源在終端到云端不斷優(yōu)化調(diào)整的途徑.邊緣計算相比于云計算,就是將計算、存儲以及通信功能不斷下沉至用戶端,以提高近端響應(yīng)速度,降低骨干網(wǎng)絡(luò)壓力.因而,邊緣計算范式尤其適用于數(shù)據(jù)處理需求大、實時性高等場景.

就計算模式來講,云–邊–端模式是邊緣計算領(lǐng)域普遍采用的模式,云是指擁有海量資源的數(shù)據(jù)中心,邊是指靠近用戶端的具有一定計算和存儲能力的設(shè)備(如智能電話、無線接入點、基站等),端是指移動用戶末端.通過三層協(xié)同,充分發(fā)揮云、邊緣服務(wù)器和終端的綜合優(yōu)勢,實現(xiàn)資源利用率、能耗、帶寬、存儲等多方面的優(yōu)化,最好地平衡三層資源的使用,最大限度地節(jié)省資源,提高系統(tǒng)效用和用戶體驗.在實際服務(wù)中,可根據(jù)應(yīng)用場景和實際網(wǎng)絡(luò)連接條件,選定不同的服務(wù)模式.如圖1所示,在協(xié)同架構(gòu)下,邊緣計算單元有3種不同的類型,邊緣設(shè)備(Edge Device,ED)、邊緣服務(wù)器 (Edge Server,ES)、中心節(jié)點(Central Node,CN),資源共享與協(xié)同有4種基本的模式,核心區(qū)別是通過不同類型執(zhí)行體(執(zhí)行任務(wù)的計算單位)將協(xié)同的資源連接起來構(gòu)建協(xié)同方式.聯(lián)合體1表示了邊緣服務(wù)器和移動設(shè)備的協(xié)同,移動設(shè)備將計算卸載至邊緣服務(wù)器(執(zhí)行體1)進(jìn)行任務(wù)處理;聯(lián)合體2表示了移動設(shè)備間自組織協(xié)同,通過移動設(shè)備之間構(gòu)建網(wǎng)絡(luò)實現(xiàn)資源共享和任務(wù)協(xié)同(圖中ED6作為執(zhí)行體);聯(lián)合體3表示云–邊–端三層協(xié)同,以邊緣服務(wù)器為中間節(jié)點,實現(xiàn)了移動節(jié)點與云端的直接協(xié)同,移動節(jié)點可充分利用云中豐富資源;聯(lián)合體4表示邊-邊協(xié)同,通過多個邊緣服務(wù)器連接,實現(xiàn)了邊緣執(zhí)行體與覆蓋范圍外節(jié)點的協(xié)同.4種模式有各自優(yōu)缺點,聯(lián)合體1的優(yōu)勢在于就近計算,減少了網(wǎng)絡(luò)通信壓力和延遲,但邊緣服務(wù)器能力受限,難以滿足大量計算要求.聯(lián)合體2的優(yōu)勢在于可以利用周邊移動節(jié)點資源,實現(xiàn)任務(wù)快速處理,但節(jié)點的移動性導(dǎo)致任務(wù)分配和節(jié)點管理非常復(fù)雜.聯(lián)合體3的優(yōu)勢在于可以利用云端海量的資源,但通信鏈路過長;聯(lián)合體4的優(yōu)勢在于可以充分利用邊緣服務(wù)器之間的一體化協(xié)同能力,但增加了邊緣服務(wù)器之間協(xié)同管理的復(fù)雜度.在戰(zhàn)場等惡劣環(huán)境下,網(wǎng)絡(luò)條件動態(tài)變化,任務(wù)時效性高,既需要本地自組織協(xié)同,又需要遠(yuǎn)端云協(xié)同.在選擇服務(wù)模式時需要綜合考慮任務(wù)要求、各類型節(jié)點能力狀態(tài)以及網(wǎng)絡(luò)狀態(tài),選擇合適的協(xié)同方式,滿足任務(wù)處理計算需求.

目前,利用邊緣計算技術(shù)解決戰(zhàn)場環(huán)境中的計算、傳輸和存儲問題的公開資料較少,但在軍事應(yīng)用中發(fā)展邊緣計算的需求已愈加迫切.為應(yīng)對戰(zhàn)場日益增漲的數(shù)據(jù)處理壓力,美國陸軍、海軍和空軍分別提出了陸軍戰(zhàn)術(shù)云(Army Tactical Cloud)[23]、海軍戰(zhàn)術(shù)云(Navay Tactical Cloud)[24]和空軍戰(zhàn)斗云(Combat Cloud)[25]概念,其共同目標(biāo)是加強戰(zhàn)術(shù)節(jié)點的互聯(lián)互通、增強末端數(shù)據(jù)分析與處理能力,從而獲取OODA決策環(huán)優(yōu)勢.目前美各軍種均在實施相關(guān)計劃以解決各軍種邊緣信息服務(wù)終端延拓的問題.為發(fā)展陸軍戰(zhàn)術(shù)云,于2018年8月1日舉行了陸軍戰(zhàn)術(shù)云技術(shù)交流會,邀請相關(guān)工業(yè)部門就分布式指揮、指揮所數(shù)據(jù)處理交換面臨的技術(shù)問題、戰(zhàn)術(shù)環(huán)境、基礎(chǔ)網(wǎng)絡(luò)設(shè)施建設(shè)以及數(shù)據(jù)分發(fā)與共享技術(shù)進(jìn)行了討論,并發(fā)布了相關(guān)研究課題供工業(yè)部門申請[23].海軍戰(zhàn)術(shù)云的思想是通過利用云計算、人工智能和應(yīng)用接口技術(shù),在艦船上部署基礎(chǔ)設(shè)施以解決海軍大量數(shù)據(jù)實時處理問題,并給出了艦載數(shù)據(jù)中心部署和應(yīng)用方式的初步考慮.空軍戰(zhàn)斗云是倡導(dǎo)在信息化聯(lián)合作戰(zhàn)中,基于強大的C4ISR系統(tǒng),將情報、機動、后勤保障和情報獲取四大功能為一體,最大化實現(xiàn)陸?？仗炀W(wǎng)不同領(lǐng)域武器系統(tǒng)的信息快速共享和互操作.

圖1 典型服務(wù)模式

在邊緣計算軍事應(yīng)用技術(shù)發(fā)展方面,現(xiàn)有公開資料主要來源于美國、加拿大、英國以及新加坡等軍事部門和學(xué)術(shù)機構(gòu).美軍軍事研究院[26],美國國防分析研究所[27]以及卡耐基梅隆大學(xué)[28?29]以及佐治亞理工學(xué)院[30]等單位對相關(guān)問題進(jìn)行了研究.并且部分工作由美國國防部[23?24]、美國陸軍研究實驗室 (Army Research Laboratory,ARL)[26,30?31]和美國自然科學(xué)基金[30]資助,可見發(fā)達(dá)國家在這一方面已經(jīng)走在了前列.其中,美國陸軍研究實驗室[26]研究了戰(zhàn)術(shù)邊緣如何部署高性能服務(wù)作為Cloudlet的問題(Cloudlet Seeding),使得各移動終端到達(dá)Cloudlet的跳數(shù)盡量少并滿足Cloudlet部署數(shù)量約束,可為制定戰(zhàn)場邊緣服務(wù)部署方案提供技術(shù)支持.卡耐基梅隆大學(xué)Lewis等[28]首次提出了Tactical Cloudlets的概念,并設(shè)計了具有前線部署、可發(fā)現(xiàn)和虛擬化特點的技術(shù)架構(gòu),開發(fā)了原型系統(tǒng)并對邊緣環(huán)境下5種資源服務(wù)方式進(jìn)行對比,認(rèn)證了所提架構(gòu)的可行性和優(yōu)勢.此外,Simanta等[29]基于Cloudlet提出了戰(zhàn)術(shù)邊緣云參考架構(gòu),并實現(xiàn)具有服務(wù)動態(tài)遷移能力的原型系統(tǒng).美國國防分析研究所將移動設(shè)備作為美軍指揮控制系統(tǒng)的基礎(chǔ)設(shè)施,從應(yīng)用生態(tài)構(gòu)成、演化以及軍事應(yīng)用面臨的挑戰(zhàn)等方面闡述了移動設(shè)備軍事應(yīng)用需要考慮的實際問題[22].佐治亞理工大學(xué)Alireza等在美國自然科學(xué)基金和美軍陸軍研究實驗室項目的資助下研究了車載高性能服務(wù)器作為Cloudlet為戰(zhàn)術(shù)邊緣移動設(shè)備提供服務(wù),分別研究了不同情況下(靜止,移動)的計算和通信調(diào)度問題[30].

此外,加拿大,英國以及新加坡等國防部門也開始進(jìn)行了相關(guān)問題研究.加拿大國防研究與發(fā)展局(Defense Research and Development Canada,DRDC)頒布了一份關(guān)于如何使用戰(zhàn)術(shù)云(Tactical Clouds)以增強戰(zhàn)斗人員效能的報告[21].報告評估了4種戰(zhàn)術(shù)云模式(中心式、分布式、微云以及自組織式)為戰(zhàn)術(shù)邊緣使用戰(zhàn)術(shù)云系統(tǒng)提供參考.英國帝國理工大學(xué)[31]研究了面向作戰(zhàn)場景的Mobile Micro-Cloud,并闡述了其中的關(guān)鍵問題,比如如何對應(yīng)用進(jìn)行分類描述,確定哪些場景應(yīng)用需要遷移至邊緣以及如何將應(yīng)用映射至現(xiàn)有資源等.新加坡國防科技局[32]研究了利用移動云計算增強海軍指揮控制能力的問題,實驗顯示所提出的緩存策略和基于Cloudlet的策略顯著增強了海軍在DIL網(wǎng)絡(luò)條件下獲取遠(yuǎn)程云的響應(yīng)能力.

綜上,發(fā)達(dá)國家雖然已經(jīng)開展戰(zhàn)術(shù)環(huán)境下的邊緣計算技術(shù)研究,但也處于起步階段,公開資料顯示目前尚未部署具備突出能力的應(yīng)用系統(tǒng).

3 關(guān)鍵技術(shù)研究現(xiàn)狀

邊緣計算主要通過構(gòu)建云–邊–端三級協(xié)同架構(gòu),根據(jù)任務(wù)和網(wǎng)絡(luò)狀態(tài)決定將終端數(shù)據(jù)動態(tài)地放置在云端、邊緣或終端任意節(jié)點處理,從而提高數(shù)據(jù)處理的實時性,降低主干網(wǎng)絡(luò)壓力和終端能耗.協(xié)同是其中最核心的技術(shù),通過多節(jié)點互相協(xié)同、互相協(xié)作,充分發(fā)揮各自優(yōu)勢,從而克服單個節(jié)點能力不足的問題.尤其對于戰(zhàn)場環(huán)境來講,任務(wù)負(fù)載大、資源更加緊缺,協(xié)同行為顯得更為重要,通過協(xié)同克服戰(zhàn)場環(huán)境下單個設(shè)備計算能力不足、通信資源緊缺等問題.下面以邊緣計算云–邊–端三層協(xié)同架構(gòu)為基礎(chǔ),主要從協(xié)同架構(gòu)、協(xié)同任務(wù)處理、協(xié)同數(shù)據(jù)卸載和存儲協(xié)同分析研究現(xiàn)狀.

3.1 架構(gòu)設(shè)計

基于移動節(jié)點的分布式計算架構(gòu)是移動節(jié)點群組之間協(xié)作的基礎(chǔ).在控制架構(gòu)方面,部分工作通過借助軟件定義思想(SDN,Soft Define Network)構(gòu)建集中式控制器獲取各節(jié)點實時狀態(tài)從而分配任務(wù).文獻(xiàn)[33]研究了移動微云中移動節(jié)點間的任務(wù)公平分配問題,提出了基于SDN的動態(tài)任務(wù)分配框架,并提出了基于能量分析的任務(wù)分配算法.針對負(fù)載在不同區(qū)域動態(tài)變化特性,指出如何部署邊緣服務(wù)和分配任務(wù)是邊緣計算面臨的問題.大量部署固定邊緣服務(wù)器顯然造成資源浪費問題,而邊緣服務(wù)部署太少又造成延遲過大.對此,文獻(xiàn)[34]提出了基于網(wǎng)絡(luò)功能虛擬化(NFV)技術(shù)的邊緣服務(wù)器動態(tài)部署、資源動態(tài)分配和任務(wù)分配策略,按照負(fù)載需求變化調(diào)整邊緣服務(wù)資源的動態(tài)供給,從而降低總運營成本同時提高服務(wù)質(zhì)量.齊彥麗等[35]結(jié)合5G技術(shù)提出了融合MEC的未來5G移動通信網(wǎng)絡(luò)架構(gòu),所提架構(gòu)可靈活、自適應(yīng)地支持多種通信模式,同時可采用虛擬化技術(shù)實現(xiàn)通信、計算、存儲資源的高效共享.在計算模型方面,為適應(yīng)移動環(huán)境下的分布式計算,已有學(xué)者嘗試將傳統(tǒng)基于大規(guī)模集群的MapReduce分布式計算模型引入移動設(shè)備集群中,解決邊緣環(huán)境下的移動設(shè)備協(xié)同計算.Marinelli提出了面向智能設(shè)備移動云的分布式計算模型Hyrax[36],該模型基于Hadoop可以實現(xiàn)多移動設(shè)備間的分布式計算.所設(shè)計的原型系統(tǒng)將TaskTracker與DataNode運行在安卓智能手機中,而Jobtracker和NameNode則運行在單個的服務(wù)器中,成功驗證了基于Hadoop實現(xiàn)移動終端分布式計算的設(shè)想.Kakantousis等[37]在諾基亞智能手機中實現(xiàn)了分布式計算框架Misco.與Hyrax相似,其屬于服務(wù)器/服務(wù)器負(fù)責(zé)維護(hù)不同用戶的任務(wù)以及將這些任務(wù)分配至不同的節(jié)點.而文獻(xiàn)[38]中的服務(wù)器/客戶端模型實現(xiàn)了MapReduce邏輯并從Maser節(jié)點獲取結(jié)果.另外,Marozzo等[39]提出了P2P-MapReduce框架并實現(xiàn)了原形系統(tǒng),其利用點對點的方式進(jìn)行數(shù)據(jù)并行處理,能夠適應(yīng)動態(tài)環(huán)境下的網(wǎng)絡(luò)拓?fù)?Johnu等[40]提出了分布式移動數(shù)據(jù)系統(tǒng)(Mobile distributed fil system,MDFS),其將Hadoop中的HDFS替換成具有K-out-of-N容錯能力的MDFS以確保戰(zhàn)術(shù)邊緣環(huán)境下能效、可靠性以及安全性.作者還設(shè)計了中心式和分布式兩種架構(gòu),并從文件操作(如讀寫、增加以及刪除)和一致性等方面進(jìn)行了詳細(xì)闡述.這些技術(shù)都為邊緣協(xié)同提供了基礎(chǔ).

3.2 任務(wù)協(xié)同處理

在云–端任務(wù)協(xié)同處理方面,研究人員通過將移動設(shè)備中的任務(wù)計算卸載至資源更豐富、功能更強大的遠(yuǎn)程云數(shù)據(jù)中心的方式,以達(dá)到縮短任務(wù)處理時間和節(jié)省能量的目的.從卸載問題本身看,計算卸載需要回答的核心問題是如何在動態(tài)環(huán)境下決定“卸載方式”、“卸載粒度”以及“卸載決策”3個方面的問題.“卸載方式”關(guān)注的是如何實現(xiàn)代碼或程序在移動端和云端無縫執(zhí)行的問題.然而,由于移動設(shè)備、微云以及云端服務(wù)器硬件、操作系統(tǒng)異構(gòu)性較強,程序或代碼的無縫執(zhí)行成為一大挑戰(zhàn).針對這一問題,目前已有大量研究成果,主要聚焦于云端協(xié)同方面,可以分為兩類:一類是基于虛擬機的路線[41?43],一類是基于跨平臺執(zhí)行框架的路線.“卸載粒度”關(guān)注的核心是應(yīng)用分割問題.應(yīng)用分割是將應(yīng)用分割成不同的碎片任務(wù),以便在云中更快地完成.這是有效進(jìn)行任務(wù)卸載的前提.從卸載的粒度上,可以分為虛擬機或程序粒度、線程粒度、模塊粒度和函數(shù)粒度.“卸載決策”關(guān)注的是在動態(tài)環(huán)境下,根據(jù)任務(wù)要求以及上下文環(huán)境(網(wǎng)絡(luò)狀態(tài),云端資源)等決定是否卸載以及卸載應(yīng)用中的哪部分等相關(guān)問題,其目的就是通過卸載加速任務(wù)執(zhí)行,節(jié)省能耗.如圖2所示,決策結(jié)果可能是本地執(zhí)行、部分卸載或者全局卸載.總結(jié)已有成果,模型需要考慮的因素如表2所示,需結(jié)合輸入、約束、目標(biāo)和輸出進(jìn)行建模,以滿足不同場景、不同類型應(yīng)用需求.

表1 模型考慮因素

圖2 卸載決策示意圖

在端端任務(wù)協(xié)同處理方面,目前也已經(jīng)有相關(guān)研究成果.Kao等[44]將程序劃分成多個由有向無環(huán)圖表示的子任務(wù)集,研究了具有依賴關(guān)系子任務(wù)在移動節(jié)點間的分配問題,以最小化延遲為目標(biāo)提出了具有近似的多項時間復(fù)雜度的算法.為應(yīng)對移動節(jié)點無線鏈路帶寬受限、間歇性連接的情形,也有研究者通過預(yù)測節(jié)點間的接觸行為,研究了節(jié)點間的負(fù)載分配問題[7,38,45].文獻(xiàn)[46]提出了Srendipity方案,其中每個移動設(shè)備中的計算任務(wù)被建模成有向無環(huán)圖問題,圖中的節(jié)點代表應(yīng)用程序,而邊則代表程序之間的數(shù)據(jù)流.通過將每個子任務(wù)描述成PNP-block(主要包含預(yù)先處理程序,n個平行程序以及后處理程序),以簡化任務(wù)間的數(shù)據(jù)流,并降低不確定性對任務(wù)的影響.文獻(xiàn)[47]考慮一組移動設(shè)備以協(xié)作的方式處理一組任務(wù),假設(shè)各任務(wù)處理能耗給定的情況下,通過優(yōu)化分配至各移動設(shè)備的任務(wù)以平衡各移動設(shè)備的能量,從而使得整個移動設(shè)備云(Mobile Device Cloud)生存時間盡量長.值得注意的是,現(xiàn)有研究有以下不足:1)程序卸載伴隨著數(shù)據(jù)的卸載,現(xiàn)有模型大多假設(shè)數(shù)據(jù)能在一次接觸內(nèi)傳輸完畢或節(jié)點間有穩(wěn)定網(wǎng)絡(luò)連接.2)移動設(shè)備自組織云中,環(huán)境高度動態(tài)變化,現(xiàn)有工作在任務(wù)卸載至其他節(jié)點后并未考慮任務(wù)執(zhí)行的可靠性.

在云–邊–端三層協(xié)同處理方面,Tong等[48]已對該問題進(jìn)行了研究.作者研究了動態(tài)負(fù)載在不同層次的分配問題,即何時在本地執(zhí)行,何時聚合至邊緣層執(zhí)行,何時聚合至遠(yuǎn)端云,實現(xiàn)了根據(jù)任務(wù)和環(huán)境的動態(tài)變化自適應(yīng)選擇協(xié)同模式.

3.3 數(shù)據(jù)協(xié)同卸載

數(shù)據(jù)卸載的主要任務(wù)就是為了應(yīng)對當(dāng)前不斷增長的無線通信壓力,將部分流量通過點對點或多跳傳輸以緩解中心節(jié)點的壓力,或在網(wǎng)絡(luò)不連通時通過接力方式將數(shù)據(jù)傳輸至目的地,數(shù)據(jù)協(xié)同卸載實質(zhì)上共享的就是節(jié)點的通信資源.其中的主要問題是如何選擇最優(yōu)的路徑進(jìn)行數(shù)據(jù)卸載,考慮的因素包括節(jié)點能量、數(shù)據(jù)時效性等.如圖3所示,節(jié)點f產(chǎn)生數(shù)據(jù)R需向云中報送,共有f->h、f->e->h和f->g->h 3條路線.考慮f->h需要用到蜂窩網(wǎng)絡(luò)傳輸,能量消耗比點對點傳輸顯著增大,而節(jié)點g的現(xiàn)存電量大于節(jié)點e的電量.因此,若以平衡各節(jié)點電量為目標(biāo),f->g->h則為最優(yōu)的數(shù)據(jù)卸載路徑.目前已有學(xué)者對此進(jìn)行了研究.文獻(xiàn)[49]基于編碼策略研究了車載網(wǎng)絡(luò)環(huán)境下何時進(jìn)行編碼以及如何進(jìn)行網(wǎng)絡(luò)資源分配的問題.為了提高數(shù)據(jù)投遞成功的概率.Lu等[50]提出了機會網(wǎng)絡(luò)下數(shù)據(jù)卸載的概率框架模型,這種模型能夠適用無限制的通信環(huán)境.文獻(xiàn)[51]研究了移動社交網(wǎng)絡(luò)下的數(shù)據(jù)卸載問題,利用社交過程中的機會通信以進(jìn)行數(shù)據(jù)分發(fā).文獻(xiàn)[52]研究了截止期敏感的數(shù)據(jù)在WiFi網(wǎng)絡(luò)中的卸載問題,并提出了離線和在線算法求解問題.值得注意的是,這些工作均假設(shè)所有的節(jié)點是可靠的,模型未考慮任務(wù)的容錯.在戰(zhàn)場等惡劣環(huán)境下,由于環(huán)境的敵對性和復(fù)雜性,節(jié)點因遭受敵方攻擊或干擾而不穩(wěn)定,已有成果難以適用該場景.

圖3 數(shù)據(jù)協(xié)同卸載和共享示意圖

3.4 數(shù)據(jù)協(xié)同共享

在移動網(wǎng)絡(luò)帶寬受限的情況下,移動設(shè)備間實現(xiàn)數(shù)據(jù)的協(xié)同共享可以有效減緩主干網(wǎng)絡(luò)的壓力.如圖3所示,節(jié)點c產(chǎn)生數(shù)據(jù)L需要與周邊節(jié)點a、d、b共享,若采用中心節(jié)點轉(zhuǎn)發(fā)方式,必將給區(qū)域中心節(jié)點h造成過大通信壓力,采用協(xié)同點對點共享方式則不需經(jīng)過中心節(jié)點.協(xié)同共享的問題被轉(zhuǎn)化為數(shù)據(jù)量的分配和路由的選擇,考慮的因素包括優(yōu)先級、時效性、能量等.若d為指揮官節(jié)點,優(yōu)先級高,c產(chǎn)生的數(shù)據(jù)L首先傳輸至d,然后與節(jié)點b共享,同時c將數(shù)據(jù)分發(fā)至節(jié)點a.近年來,該問題吸引了大量學(xué)者關(guān)注.Bao等[53]為降低蜂窩網(wǎng)絡(luò)通信壓力設(shè)計了一個通過D2D(Device To Device)通信進(jìn)行數(shù)據(jù)共享的原型系統(tǒng)DataSpotting,其中3G信號被用作控制信道而WiFi被用于數(shù)據(jù)傳輸.然而,該系統(tǒng)僅僅通過實時獲取各節(jié)點的位置信號、數(shù)據(jù)列表與請求數(shù)據(jù)匹配而進(jìn)行數(shù)據(jù)傳輸決策,未將多接口、節(jié)點QoE異構(gòu)性以及能源效率等因素考慮到數(shù)據(jù)傳輸?shù)膬?yōu)化機制設(shè)計中.文獻(xiàn)[54]中設(shè)計了一種數(shù)據(jù)預(yù)分發(fā)策略,以減少通過云資源進(jìn)行數(shù)據(jù)共享產(chǎn)生的延遲.它通過為每個移動設(shè)備配置虛擬的云鏡像以提高數(shù)據(jù)共享的性能.Tysowski[55]等研究了點對點網(wǎng)絡(luò)下智能手機之間的內(nèi)容共享問題,提出了一種新的基于處理能力、內(nèi)存、電池能量約束下的協(xié)議框架.Poularakis等[56]研究了路由至基站的內(nèi)容請求數(shù)最小化問題并提出了聯(lián)合路由和緩存的解決方案.文獻(xiàn)[57]針對節(jié)點間數(shù)據(jù)共享問題,基于Lyapunov技術(shù)提出了一種動態(tài)的算法以提高數(shù)據(jù)傳輸效用.然而,其中的約束條件由于過于嚴(yán)格而不符合實際情況(例如,數(shù)據(jù)只能在一個子cell中傳輸而且基站在同一時段內(nèi)只能為單個節(jié)點提供服務(wù)).為解決D2D通信環(huán)境下的數(shù)據(jù)安全和可用性問題,Zhang等[58]提出了數(shù)據(jù)安全共享協(xié)議以及基于對稱加密的數(shù)據(jù)共享系統(tǒng)[59].以上工作假設(shè)節(jié)點在云中是對等的,因而各節(jié)點具有平等的機會獲取數(shù)據(jù).然而,在惡劣環(huán)境中,通信資源非常有限,如何適應(yīng)不同節(jié)點要求異構(gòu)性以使得資源優(yōu)先分配至重要節(jié)點顯得非常重要.

3.5 數(shù)據(jù)協(xié)同存儲

移動邊緣節(jié)點不斷產(chǎn)生大量數(shù)據(jù),數(shù)據(jù)的本地存儲/緩存是應(yīng)對惡劣環(huán)境的必然要求.一方面,通信網(wǎng)絡(luò)的間歇性連接,要求常用的基礎(chǔ)數(shù)據(jù)存儲在本地以降低網(wǎng)絡(luò)依賴;另一方面,由于網(wǎng)絡(luò)資源緊缺,實時產(chǎn)生的大量傳感數(shù)據(jù)無法及時上傳至云端,需要暫存本地.然而,由于節(jié)點有限的存儲能力以及存儲數(shù)據(jù)高可靠性要求,數(shù)據(jù)通常被劃分多個片段存儲在多個節(jié)點中,且互為備份.因此,需要研究移動設(shè)備群組節(jié)點存儲能力異構(gòu)、數(shù)據(jù)使用頻率各異、群組網(wǎng)絡(luò)拓?fù)鋭討B(tài)情形下數(shù)據(jù)協(xié)同分布式存儲問題,使得在需要時數(shù)據(jù)能快速組裝且最大化提高存儲效率.針對移動節(jié)點存儲能力受限問題,已有學(xué)者通過在不同終端冗余備份數(shù)據(jù)塊的方式協(xié)同存儲,克服網(wǎng)絡(luò)條件差的環(huán)境.一些研究工作在優(yōu)化數(shù)據(jù)放置時考慮了通信延時與通信成本.例如,Alicherry等[60]提出了一種兩階段近似算法來最優(yōu)化數(shù)據(jù)在多數(shù)據(jù)中心放置時的能耗成本.Beloglazov等[61]通過一種改進(jìn)的最優(yōu)下降算法解決了類似的問題.Shires等[62]提出了一種在多移動終端中存儲負(fù)載均衡的數(shù)據(jù)放置策略.但上述這些工作大多針對靜態(tài)網(wǎng)絡(luò)設(shè)計,沒有考慮動態(tài)網(wǎng)絡(luò)環(huán)境下計算資源受限的移動終端的特點.此外,一些學(xué)者對由移動終端構(gòu)成的動態(tài)網(wǎng)絡(luò)中數(shù)據(jù)存儲問題進(jìn)行了研究.Neumann等[63]利用移動終端設(shè)計了一種P2P存儲系統(tǒng),可以在最小化網(wǎng)絡(luò)能耗的同時最大化用戶的滿意度.Huang等[64]將移動終端視為Ad-hoc網(wǎng)絡(luò)中的服務(wù)節(jié)點,研究了網(wǎng)絡(luò)中信任管理、安全路由、風(fēng)險管理等一些列問題.Stuedi等[65]設(shè)計了WhereStore,一種基于位置的數(shù)據(jù)存儲機制,它通過移動終端位置的歷史信息,決定在何處預(yù)先備份云數(shù)據(jù)中心的數(shù)據(jù),以最小化用戶獲取數(shù)據(jù)的延時.Abolfazli等[66]設(shè)計了是一種面向服務(wù)的集中式移動終端服務(wù)框架MOMCC.在該框架中,有意愿分享空閑資源的移動終端向管理節(jié)點注冊自己的信息,當(dāng)其他終端有資源需求時,向管理節(jié)點發(fā)出請求,由管理節(jié)點分配空閑資源.前期,本文作者也對邊緣計算中的協(xié)同存儲問題進(jìn)行了研究[67],提出了基于交替方向乘子法(Alternating Direction Method of Multipliers)的協(xié)同存儲算法.該算法能夠在保障可靠性的前提下最小化能源消耗和節(jié)點撤離風(fēng)險.雖然以上研究取得一定進(jìn)展,但未針對復(fù)雜網(wǎng)絡(luò)條件、敵對環(huán)境進(jìn)行研究.如何平衡處理能耗、數(shù)據(jù)冗余及存儲效率等因素,使得在保證可靠存儲的條件下,實現(xiàn)能耗最小化,提高資源利用率,同時不受群組移動節(jié)點動態(tài)變化的影響而制約群組的整體性能,仍然有待進(jìn)一步深入研究.

3.6 移動管理問題

邊緣計算依靠資源在地理上廣泛分布的特點來支持應(yīng)用的移動性,邊緣計算節(jié)點通常只服務(wù)周圍一定范圍內(nèi)的用戶.不同于云計算服務(wù)部署的位置固定,數(shù)據(jù)通過網(wǎng)絡(luò)傳輸至服務(wù)器,邊緣計算中服務(wù)需要隨著用戶終端位置變化而移動以保證用戶端服務(wù)平滑切換.學(xué)術(shù)界將這類問題稱為邊緣計算移動管理問題,主要包含資源的發(fā)現(xiàn)和服務(wù)切換問題.

資源發(fā)現(xiàn)是指在終端移動的過程中需要快速發(fā)現(xiàn)周圍可以利用的資源,并選擇最合適的資源.目前,在傳統(tǒng)云計算領(lǐng)域已經(jīng)有較成熟的技術(shù),包括云監(jiān)控(Cloud Monitor)和云中介(Service Brokerage),但是在邊緣環(huán)境下資源發(fā)現(xiàn)要適應(yīng)資源的異構(gòu)性,且要在邊緣服務(wù)部署點較少的情況下快速發(fā)現(xiàn)資源,使得在可用資源少且不穩(wěn)定情況下,仍能不間斷提供服務(wù).

服務(wù)切換是指用戶的移動造成終端獲取的服務(wù)從某一節(jié)點切換至另一節(jié)點.通常,邊緣節(jié)點服務(wù)以虛擬機(Virtual Machine)形式封裝,因而邊緣計算移動管理的核心問題就變成了虛擬機切換問題,通常有兩種方式解決此問題.第1種是云數(shù)據(jù)中心普遍采用的虛擬機在線遷移,即首先將運行時的虛擬機掛起,然后將與運行時相關(guān)的處理器、磁盤以及內(nèi)存等狀態(tài)數(shù)據(jù)遷移至目的節(jié)點,最后重新啟動虛擬機以實現(xiàn)漂移.由于邊緣環(huán)境的復(fù)雜性、動態(tài)性,虛擬機切換與云計算中虛擬機遷移有顯著區(qū)別.一是邊緣計算虛擬機切換要考慮全部完成時間,而虛擬機遷移重點關(guān)注虛擬機的掛起時間而非全部遷移時間.二是考慮到基礎(chǔ)設(shè)施部署的經(jīng)濟(jì)因素,邊緣節(jié)點間的網(wǎng)絡(luò)千差萬別,因而無法保證類似云數(shù)據(jù)中心的高帶寬網(wǎng)絡(luò),會造成較大的延遲.第2種是卡耐基梅隆大學(xué)Satyanarayanan等[68]提出動態(tài)虛擬機合成(Dynamic VM Synthesis)技術(shù),其主要思想是通過僅僅更改與應(yīng)用相關(guān)的數(shù)據(jù),從而實現(xiàn)應(yīng)用在不同的執(zhí)行環(huán)境中快速切換的能力,以提高移動計算在敵對環(huán)境下的適應(yīng)能力.動態(tài)虛擬機合成技術(shù)主要包括3個方面,基礎(chǔ)虛擬機(Base VM)預(yù)裝,應(yīng)用覆蓋(Overlay)計算和遷移,以及虛擬機重啟.其中,基礎(chǔ)虛擬機是指僅裝有必要操作系統(tǒng)的虛擬機,而應(yīng)用覆蓋是指基礎(chǔ)虛擬機裝有應(yīng)用時的狀態(tài)與基礎(chǔ)虛擬機之差.由于虛擬機具有屏蔽底層硬件平臺的特性,使得不同類型的應(yīng)用程序能夠運行在邊緣服務(wù)器中,這為戰(zhàn)場異構(gòu)應(yīng)用環(huán)境使用邊緣計算服務(wù)提供了很強的靈活性.此外,文獻(xiàn)[69]在虛擬機合成技術(shù)基礎(chǔ)上對遷移數(shù)據(jù)進(jìn)行編碼、去冗和壓縮,且根據(jù)系統(tǒng)的瓶頸提出了自適應(yīng)算法選擇模式,有效提高了傳輸?shù)臅r效性.

4 仍待解決的重要問題

雖然已有不少成果對惡劣環(huán)境邊緣計算相關(guān)問題進(jìn)行了研究,總體來看該方向研究尚處于起步階段.由于環(huán)境不確定性,任務(wù)多樣性,通信復(fù)雜性以及應(yīng)用高時效性,使得構(gòu)建基于邊緣計算的信息協(xié)同處理在架構(gòu)設(shè)計、任務(wù)處理、通信調(diào)度、數(shù)據(jù)存儲等方面面臨諸多問題和挑戰(zhàn),仍有諸多重要問題值得我們關(guān)注和研究.

1)抗毀頑存機制.在任務(wù)處理、數(shù)據(jù)共享和數(shù)據(jù)存儲中,依賴各節(jié)點協(xié)同完成不同任務(wù).由于網(wǎng)絡(luò)間歇連接,節(jié)點易損毀等因素,研究惡劣環(huán)境下計算、通信和存儲方面的抗毀頑存機制是提高邊緣服務(wù)可靠性的重要內(nèi)容.

2)敏捷自適應(yīng)協(xié)同架構(gòu).戰(zhàn)場等惡劣環(huán)境通常呈現(xiàn)任務(wù)復(fù)雜多變、通信窄帶弱連接,迫切需要根據(jù)網(wǎng)絡(luò)條件,任務(wù)需求敏捷自適應(yīng)構(gòu)建端邊協(xié)同、邊邊協(xié)同和端端協(xié)同的邊緣計算協(xié)同架構(gòu),滿足動態(tài)環(huán)境下的任務(wù)計算、數(shù)據(jù)傳輸、數(shù)據(jù)存儲和聯(lián)合體內(nèi)數(shù)據(jù)透明訪問需求.

3)服務(wù)質(zhì)量分級機制.由于惡劣環(huán)境下網(wǎng)絡(luò)資源、計算資源和存儲資源相當(dāng)受限,如何保障重要節(jié)點、重要業(yè)務(wù)優(yōu)先享有邊緣資源的情況下,最小化服務(wù)等待是提高資源有限情況下信息服務(wù)質(zhì)量的有效途徑.

4)服務(wù)快速部署技術(shù).在云邊端架構(gòu)下,大量資源集中在云端,為了快速遂行相關(guān)任務(wù)(救災(zāi)或作戰(zhàn)),邊緣節(jié)點需要快速開設(shè)與部署服務(wù),如何在加載大數(shù)據(jù)量情況下最小化服務(wù)開設(shè)時間且保證數(shù)據(jù)可用性是應(yīng)對快速反應(yīng)情形面臨的現(xiàn)實問題.

5)能源補給技術(shù).戰(zhàn)術(shù)環(huán)境能源問題突出,主要來源于能源易耗和能源難取之間的矛盾.有兩個方面的問題值得特別關(guān)注.一是能源保障供給機制和方式,通過構(gòu)建類似油庫、彈藥庫的方式,設(shè)計相應(yīng)能源補給機制,使得終端能夠快速獲得能源補給;二是通過研究快速充電技術(shù),使得終端能夠快速補充能量.

6)安全認(rèn)證和隱私計算技術(shù).不同于傳統(tǒng)計算模式,邊緣計算在網(wǎng)絡(luò)、設(shè)備以及服務(wù)系統(tǒng)方面存在與以往不同的安全挑戰(zhàn).其一,邊緣系統(tǒng)的異構(gòu)性使得傳統(tǒng)安全認(rèn)證方式已不再適用.其二,多種無線通信技術(shù)的使用使得信息暴露的危險性更大.此外,戰(zhàn)場環(huán)境敵對性使得終端節(jié)點可能被敵方攻擊節(jié)點欺騙,有必要對隱私數(shù)據(jù)進(jìn)行預(yù)處理再卸載至邊緣服務(wù)器.因而,亟待解決邊緣計算環(huán)境下的安全接入認(rèn)證機制、通信保密機制和安全隱私計算機制.

7)典型部署模式和應(yīng)用場景.當(dāng)前,邊緣計算產(chǎn)品已經(jīng)出現(xiàn)在民用領(lǐng)域,大多落在數(shù)據(jù)智能分析、任務(wù)計算等應(yīng)用領(lǐng)域.由于戰(zhàn)場環(huán)境的特殊性,任務(wù)的多樣性,仍有大量戰(zhàn)場環(huán)境下的邊緣計算應(yīng)用場景尚未發(fā)掘.亟需結(jié)合作戰(zhàn)業(yè)務(wù)需求,場景特點,凝練符合業(yè)務(wù)實際的邊緣計算應(yīng)用體系,構(gòu)建典型應(yīng)用的服務(wù)部署模式和應(yīng)用模式,為邊緣計算在戰(zhàn)場實際落地提供有力支撐.

5 結(jié)論

隨著移動應(yīng)用的智能化發(fā)展,邊緣節(jié)點自主能力不斷增強,信息處理和信息交互任務(wù)不斷增多,這對邊緣節(jié)點的態(tài)勢感知、信息處理和判斷決策及時性要求不斷提高.受現(xiàn)有技術(shù)和成本限制,單個設(shè)備能力已滿足不了戰(zhàn)術(shù)行動對信息獲取、任務(wù)處理和數(shù)據(jù)傳輸速度要求的增長.這要求任務(wù)計算和數(shù)據(jù)處理重心不斷向邊緣延伸,通過依賴邊緣或終端節(jié)點的閑置能力提高任務(wù)響應(yīng)速度,同時降低向遠(yuǎn)端云數(shù)據(jù)傳輸鏈路的強連接依賴.邊緣計算通過構(gòu)建云邊端三級協(xié)同架構(gòu),根據(jù)任務(wù)和網(wǎng)絡(luò)狀態(tài)決定將終端數(shù)據(jù)動態(tài)地放置在云端、邊緣或終端任意節(jié)點處理,從而提高數(shù)據(jù)處理的實時性,降低主干網(wǎng)絡(luò)壓力和終端能耗.鑒于現(xiàn)有研究成果主要面向城市友好環(huán)境背景,文章聚焦邊緣計算在惡劣環(huán)境的應(yīng)用,從應(yīng)用背景、存在挑戰(zhàn)、研究機構(gòu)、技術(shù)研究現(xiàn)狀等方面進(jìn)行了分析,對仍需解決的關(guān)鍵問題進(jìn)行了初步概括,可為惡劣環(huán)境尤其是戰(zhàn)場環(huán)境應(yīng)用邊緣技術(shù)提供參考.