论文部分内容阅读
摘 要：边缘计算和云计算技术在共同推动物联网的智能化发展，为了解决云边协同带来的问题和挑战，提出了一种基于云边协同的分层多面智联网架构，分层多面智联网架构由边缘计算层、边缘网关层、云中心层组成，将信息流划分为数据平面、控制平面、应用平面，该架构提升了系统的鲁棒性和可扩展性，有效解决了智联网云边协同中的管理、安全、成本等问题。
关键词：物联网;云中心;边缘计算;边缘网关;平面
引言
云计算是一种利用互联网实现随时随地、按需、便捷地使用共享计算设施、存储设备、应用程序等资源的计算模式。而随着海量新兴移动和物联网设备应用出现时，传统依赖于集中式数据中心的云计算模型会遇到很多限制。首先，将所有计算数据移动到云对于网络带宽资源是一个极大的开销，而且容易造成拥堵。其次，对于其他的时延敏感型应用，“云”计算负担太大，时延太大，不能保证低时延需求。
边缘计算的提出正是为了解决云计算的高开销、高时延、缺乏自适应等问题。具有边缘计算能力的物联网平台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。
物联网边缘计算处于物理实体和云计算之间。而云端计算仍然可以访问边缘计算的历史数据。那么边缘计算和云计算协同起来，实现设备最大利用率，提升数据质量，降低管理成本，对智联网的应用和推广必将产生深远影响。
在云边协同的场景中，边缘计算虽然带来了算力和低时延等好处，但是也带来了设计和操作等复杂性，因此也面临较多的挑战，主要表現在以下几个方面。
更新的需求。边缘设备需要进行设备更新，组网拓扑的更新，数据采集变更等，由于这些功能涉及所有的节点，因此工作量巨大，且管理工作复杂，给数据的可靠性带来影响。
1.设备管理复杂。边缘部署在多个位置，且数量巨大，种类繁多，协议不统一，其具有动态性特点，因此如何管理边缘设备是一个相当复杂的工程。
2.成本。为了边缘能够参与计算，那么在传输通道，设备组网特性支持，可扩展性方面需要增加投入，在边缘节点上可能要增加新的硬件和软件特性，从而增加了网络建设成本。
3.网络安全。由于将数据和计算拓展到了边缘设备，这将大大增加了网络数据的暴露面，一些安全较为薄弱的边缘节点，有可能成为非法入侵的对象，
针对以上问题和挑战，本文提出一种基于云边协同的分层多面智联网架构，以实现智联网的数据采集，分析，应用，网络及设备管理等功能。
一、基于云边协同的分层多面智联网架构
基于云边协同的分层多面智联网架构，由边缘计算层、边缘网关层、云中心组成，在信息流层面，逻辑上分为应用平面，数据平面和控制平面，如图1所示。
（一）边缘计算层
边缘计算层的组成最小单位是边缘节点，边缘节点的功能是实现多维感知数据的采集和前端智能处理。边缘节点是一个小系统，从物理形态上讲，它可能是一个物联网设备，也可以是一个前端具有计算能力的系统，当其为一个系统时，具有明显的区域特性。
（二）边缘网关层
边缘网关层负责感知数据的汇聚、分流、交换、传输、处理、存储和区域应用。边缘网关层是一个承上启下的角色，向下其负责从边缘计算层汇聚数据和下发指令，向上其负责将处理后的数据输送到云中心，并接受云中心的控制。边缘网关为区域应用提供算力。
（三）云中心
云中心负责物联网多维数据的汇总和分析，并提供多种综合的智能应用，云中心在设备管理方面负责规则的统一约定和监管，以及权限管理。云中心同时应该配置网络安全模块，加强全网的网络安全管理。
在云边协同的分层多面智联网架构中，设备间的关系通过分层模型进行了确立，而设备上的信息流错综复杂，为了更好确保数据安全和系统的可扩展性，在本架构中对信息流按照控制平面、数据平面、应用平面进行了划分。
1）控制平面
控制平面负责整个网络系统的设备管理、软件及业务管理，整个网络系统的配置、指令、告警、状态均在该平面中传送，使用统一的软件接口和协议，解决跨区域，异质终端组网等问题。
2）数据平面
数据平面负责整个网络系统原始业务数据存储和传输，在不同的网络层，其还负责数据的清洗与过滤，以及转换。
3）应用平面
应用平面负责特定应用的数据处理，原始业务数据根据应用需要，抽取特定应用的数据送入应用平面进行相应的应用处理，处理后的结果通过应用平面送往云中心进行进一步的综合与大数据分析。
二、总结
基于云边协同的分层多面智联网架构是面向边缘计算和AI物联网的组网模型，建模过程中引入了主动互馈模型理论，实现模型运行底层逻辑及通讯机理分析。通过分层赋予不同功能，纵向将数据和控制流、应用流划分在不同平面，从技术架构上解决了云边协同时需要解决的设备管理、更新、成本、网络安全等问题。
参考文献：
[1]中国信息通信研究院.云计算白皮书（2016）[R].北京：中国信息通信研究院，2016.
[2]边缘计算产业联盟白皮书，边缘计算产业联盟
作者简介：
汪承研：高级工程师/硕士，广东机电职业技术学院，研究方向：物联网，智能制造;
吴 林：工程师/硕士，东来智慧交通科技（深圳）有限公司，研究方向：物联网;
熊东青：教授级高工/硕士，广东机电职业技术学院，研究方向：人工智能，物联网;
通讯作者：张勇，工程师/博士，广东机电职业技术学院，研究方向：工业互联网，智能制造。
关键词：物联网;云中心;边缘计算;边缘网关;平面
引言
云计算是一种利用互联网实现随时随地、按需、便捷地使用共享计算设施、存储设备、应用程序等资源的计算模式。而随着海量新兴移动和物联网设备应用出现时，传统依赖于集中式数据中心的云计算模型会遇到很多限制。首先，将所有计算数据移动到云对于网络带宽资源是一个极大的开销，而且容易造成拥堵。其次，对于其他的时延敏感型应用，“云”计算负担太大，时延太大，不能保证低时延需求。
边缘计算的提出正是为了解决云计算的高开销、高时延、缺乏自适应等问题。具有边缘计算能力的物联网平台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。
物联网边缘计算处于物理实体和云计算之间。而云端计算仍然可以访问边缘计算的历史数据。那么边缘计算和云计算协同起来，实现设备最大利用率，提升数据质量，降低管理成本，对智联网的应用和推广必将产生深远影响。
在云边协同的场景中，边缘计算虽然带来了算力和低时延等好处，但是也带来了设计和操作等复杂性，因此也面临较多的挑战，主要表現在以下几个方面。
更新的需求。边缘设备需要进行设备更新，组网拓扑的更新，数据采集变更等，由于这些功能涉及所有的节点，因此工作量巨大，且管理工作复杂，给数据的可靠性带来影响。
1.设备管理复杂。边缘部署在多个位置，且数量巨大，种类繁多，协议不统一，其具有动态性特点，因此如何管理边缘设备是一个相当复杂的工程。
2.成本。为了边缘能够参与计算，那么在传输通道，设备组网特性支持，可扩展性方面需要增加投入，在边缘节点上可能要增加新的硬件和软件特性，从而增加了网络建设成本。
3.网络安全。由于将数据和计算拓展到了边缘设备，这将大大增加了网络数据的暴露面，一些安全较为薄弱的边缘节点，有可能成为非法入侵的对象，
针对以上问题和挑战，本文提出一种基于云边协同的分层多面智联网架构，以实现智联网的数据采集，分析，应用，网络及设备管理等功能。
一、基于云边协同的分层多面智联网架构
基于云边协同的分层多面智联网架构，由边缘计算层、边缘网关层、云中心组成，在信息流层面，逻辑上分为应用平面，数据平面和控制平面，如图1所示。
（一）边缘计算层
边缘计算层的组成最小单位是边缘节点，边缘节点的功能是实现多维感知数据的采集和前端智能处理。边缘节点是一个小系统，从物理形态上讲，它可能是一个物联网设备，也可以是一个前端具有计算能力的系统，当其为一个系统时，具有明显的区域特性。
（二）边缘网关层
边缘网关层负责感知数据的汇聚、分流、交换、传输、处理、存储和区域应用。边缘网关层是一个承上启下的角色，向下其负责从边缘计算层汇聚数据和下发指令，向上其负责将处理后的数据输送到云中心，并接受云中心的控制。边缘网关为区域应用提供算力。
（三）云中心
云中心负责物联网多维数据的汇总和分析，并提供多种综合的智能应用，云中心在设备管理方面负责规则的统一约定和监管，以及权限管理。云中心同时应该配置网络安全模块，加强全网的网络安全管理。
在云边协同的分层多面智联网架构中，设备间的关系通过分层模型进行了确立，而设备上的信息流错综复杂，为了更好确保数据安全和系统的可扩展性，在本架构中对信息流按照控制平面、数据平面、应用平面进行了划分。
1）控制平面
控制平面负责整个网络系统的设备管理、软件及业务管理，整个网络系统的配置、指令、告警、状态均在该平面中传送，使用统一的软件接口和协议，解决跨区域，异质终端组网等问题。
2）数据平面
数据平面负责整个网络系统原始业务数据存储和传输，在不同的网络层，其还负责数据的清洗与过滤，以及转换。
3）应用平面
应用平面负责特定应用的数据处理，原始业务数据根据应用需要，抽取特定应用的数据送入应用平面进行相应的应用处理，处理后的结果通过应用平面送往云中心进行进一步的综合与大数据分析。
二、总结
基于云边协同的分层多面智联网架构是面向边缘计算和AI物联网的组网模型，建模过程中引入了主动互馈模型理论，实现模型运行底层逻辑及通讯机理分析。通过分层赋予不同功能，纵向将数据和控制流、应用流划分在不同平面，从技术架构上解决了云边协同时需要解决的设备管理、更新、成本、网络安全等问题。
参考文献：
[1]中国信息通信研究院.云计算白皮书（2016）[R].北京：中国信息通信研究院，2016.
[2]边缘计算产业联盟白皮书，边缘计算产业联盟
作者简介：
汪承研：高级工程师/硕士，广东机电职业技术学院，研究方向：物联网，智能制造;
吴 林：工程师/硕士，东来智慧交通科技（深圳）有限公司，研究方向：物联网;
熊东青：教授级高工/硕士，广东机电职业技术学院，研究方向：人工智能，物联网;
通讯作者：张勇，工程师/博士，广东机电职业技术学院，研究方向：工业互联网，智能制造。