2.2　总体系统架构

本节将结合典型的边缘计算场景展开介绍边缘计算的系统架构，包括云－边－端架构、边－端架构、多接入边缘架构、分布式D2D架构（泛在边缘架构）。

2.2.1　两类边缘：主干网边缘和泛在边缘

网络边缘是一个相对概念，字面意思是远离“网络中心”，在主干网的语境中通常指网络最外围的设备，如移动基站、家用路由器。然而，随着各类网络技术蓬勃发展，新型网络系统层出不穷，“网络边缘”的内涵也得到了极大丰富，对于边缘计算的架构和关键技术提出了新的要求。根据当前的边缘计算定义以及实际的网络架构特点，我们将边缘设备分为两类：主干网边缘和泛在边缘（如图2-3所示）。

主干网边缘设备通常可管可控，资源相对充沛，如移动蜂窝网络的基站等。而泛在边缘设备通常具备较强的不确定性，不论是资源的可用性还是连接的稳定性，如笔记本电脑、智能手机等。边缘设备本身的特点，使得边缘计算难以像云计算一般建立通用的、结构固定的网络架构。理想中的边缘计算架构，应当能够有效地运用各类边缘资源，在满足服务和体验质量的前提下，将前端计算任务以最低的代价处理完毕。

当前学术界、产业界探讨的主流边缘计算架构包含云-边-端架构、边-端架构、分布式D2D架构、弹性边缘架构等，分别面向不同的应用场景和系统挑战。

2.2.2　云-边-端架构

如图2-4所示，云-边-端架构包含云中心层、边缘层以及前端层。用户请求从前端设备发出后，由边缘层设备接收。如果边缘层的设备上存在该请求对应的边缘服务，则该计算请求交由运行相关服务的边缘设备处理，处理完成后结果返回至前端设备。如果边缘层的设备上均没有相应的计算请求，则边缘设备需要进一步向云中心转发请求，由云中心处理。又或者向云中心请求相关的边缘服务，将服务从云中心下拉到边缘层，从而能够处理未来的同类型请求。通过这一过程，前端设备的各类计算任务可以通过边缘服务的方式，从本地计算的方式转换到请求边缘设备计算的方式。同时，前端设备通过接入更多类型的边缘计算服务，也极大提升了其运算能力。

遵循类似设计思想的架构包括海计算、海云计算、移动边缘计算等概念架构［8］。在云-边-端架构中，边缘作为云中心的有益补充，主要用于处理以下几类计算任务：

①延迟要求极低，云中心无法满足要求的计算任务。

②数据量巨大，任务数据向云中心传输会给网络带来巨大带宽压力的计算任务。

③计算请求频繁、计算量巨大，汇聚到云中心有可能造成瘫痪的计算任务。

④隐私要求高，数据无法向云中心传输的计算任务。

而此架构中，云计算则主要处理计算量巨大、运行周期较长的任务类型。图2-5显示了依据数据量不同对云、边、端处理任务类型的划分，数据量越大的任务距离前端用户越远。

可见，在此架构中，边缘设备与云中心形成一种互补协同。虽然讨论的是边缘计算架构，但其中云和边缘都是不可或缺的，两者单独哪一个都不完整。此架构中，除了前端与边缘的接入和任务卸载过程，边缘和云的协同也是重要的架构设计问题之一，因为前端用户并不关心任务在边缘设备还是在云中心进行计算。这就要求边缘和云之间能够有效地进行资源整合与协同，以高效的方式完成用户请求。

边缘和云的协同中涉及边缘IaaS（Infrastructure as a Service，基础设施即服务）与云端IaaS的资源协同，边缘PaaS（Platform as a Service，平台即服务）和云端PaaS实现数据共享、智能协同、业务协同编排，边缘SaaS与云端SaaS实现服务协同。

1. IaaS协同

在边缘和云协同的场景中，云端IaaS作为边缘IaaS的重要资源补充，两者通常针对不同类型的场景。边缘IaaS通常针对相对受限的区域服务，例如工业园区智能化系统、校园信息系统等。这类场景中，前端的数据和计算任务通常不需要大范围访问，且任务延迟要求较严格。而云端IaaS则更多面向广域、延迟容忍的业务类型，如网站托管等。

边缘IaaS通过网络边缘的计算、存储、网络等资源为用户提供虚拟化的租用服务，并且提供服务配置、监控和维护。同时，考虑到各行业终端设备通信连接方式的复杂性，边缘IaaS需要提供丰富的接口/协议能力，以便应用于广泛的行业市场。在协同过程中，云中心负责云边资源（计算、存储、带宽等）的优化配置、调度和管理策略。

2. PaaS和SaaS协同

PaaS在云计算中已有相当多成熟的产品，如阿里云、微软Azure、亚马逊AWS等。SaaS应用的种类则更加多样，包括各类在线API服务、Web服务等。在边缘和云协同的场景中，用户通常关心的是应用和数据层面，并不关心其应用和数据究竟在边缘还是云端。类似于IaaS协同，云中心常用于非实时、长期的大数据分析，能够在刻画数据一般特性、长时间应用维护和数据支撑上发挥优势。而边缘PaaS主要聚焦于短周期、实时的数据分析应用，通常需要根据场景特点进行资源配置。

本节仅讨论了边缘和云协同的一般思想，这一过程中涉及的大量设计策略、开发和管理工具等信息会在后续章节中陆续介绍。

2.2.3　边-端架构

随着边缘计算相关技术的不断发展以及新型应用对于延迟敏感度的提高，边缘网络需要独立承担前端设备的服务请求。

如图2-6所示，在边-端架构中，仅有边缘服务器组成的网络（简称边缘网络）和前端设备。边缘网络中各个服务器既是接入点又是运算节点，接收来自前端设备的计算请求和任务卸载并处理。需要注意的是，对于一个计算请求来说，其接入的边缘节点和任务处理的节点并不一定是同一节点，多个边缘服务器可以各自配置不同的服务，以协同的方式完成各类计算任务。这是由于没有高速的云中心传输通道，每个边缘服务器在接收到自己不具备的服务类型时，需要将请求转发给具备相应服务的边缘服务器，从而在整体上形成协同运算的效果。

这种架构通常用于定制化较高的场景，例如工业园区的设备通信与计算网络、大学校园的实验网络等。边-端架构中，边缘网络的服务对象和计算服务类型都具有高度的确定性，均需根据具体的应用场景进行边缘网络的部署、资源配置、计算服务的编排等。例如在大学校园的场景中，边缘网络的部署需要充分考虑场景特点，在教学楼、宿舍区、实验楼等场地需要密集部署边缘服务器，并且这些服务器需要配置相对多的计算与存储资源。服务器上运行的计算服务也对应了不同区域的服务请求类型，如教学楼服务器需要运行在线文档、文件存储等服务，宿舍区服务器需要运行音视频解码等多媒体服务，实验区服务器则需要运行大型数学计算、仿真等服务。

2.2.4　多接入边缘计算

在上述两类架构中，通常认为一个前端设备仅接入一个边缘服务器。目前，随着新型应用的不断产生和边缘设备的不断增多（思科公司在“思科虚拟指数”中预测，2014～2024年期间全球移动数据将增加10倍），单服务的服务模式将很快迎来瓶颈。不仅如此，新型的高速率通信技术（如5G）的覆盖范围通常有限。在这样的背景下，超密集网络应运而生，通过密集部署边缘服务器来达到边缘服务更加靠近边缘用户的目的。如此，每个前端设备可以接入多个边缘服务器，这种架构称为多接入边缘计算（Multi-Access Edge Computing）。值得注意的是，多接入边缘计算与上述两种架构是可共存的关系。上述架构描述的是云、边层如何实现，而多接入则强调前端设备与边缘设备层如何对接。当前端设备由单接入变为多接入时，会对上述两种架构中的技术设计与实现产生不同影响，本书第3章将会对此展开介绍。

2.2.5　分布式D2D/D4D架构（泛在边缘架构）

D2D通常指一种新型的通信方式，该方式中设备与设备间的通信不再经过主干网，而是通过设备直连和多跳的方式形成自组织网络，完成设备间的信息传输。而所谓D2D或D4D（Device-for-Device）边缘计算，是指边缘设备通过D2D的方式，相互成为其他设备的边缘计算设备。每个设备均可以将计算卸载到其他设备上，同时也可以承接来自其他设备的计算请求。

D2D边缘计算通常适用于缺少基础设施或者部署基础设施十分昂贵的场景，例如车联网场景、战场作战场景等。一方面，缺少边缘基础设施导致整个D2D边缘计算网络的资源相对受限。另一方面，各设备又可能产生计算量十分巨大的任务需求，仅靠单一设备难以完成。D2D边缘计算架构是一种纯分布式架构，边和端的界限变得十分模糊，每个设备既可以看作端设备也可以看作边缘设备。这使得传统架构中的接入、路由、寻址、协同、分配等技术无法直接应用，面临的系统挑战也较多。例如在智能化单兵作战的场景中，每个士兵可以看作一个边缘节点，遇到紧急情况的士兵产生的计算任务需要由其邻近的多个士兵协同进行运算，如对抗环境的实时目标识别等。若按照传统的任务卸载和处理方式选择一个身边的设备进行协同运算，资源受限的特点极可能导致任务运算无法达到指标要求，从而延误军情战机。D2D架构虽然相对简单，但由于缺少全局信息，节点间缺少稳定的通信链路及物理拓扑，D2D边缘计算的各项关键技术（如计算卸载、服务管理等）更加需要根据场景来指定。此外，D2D边缘计算架构相比于传统架构还需要解决邻居服务发现、服务定价等问题。

2.2.6　AIoT架构

如前文所讲，边缘计算既可以看作云计算向场景的延展，又可以看作物联网能力的提升。从物联网能力提升的角度，边缘计算直接推动了AIoT架构——“人工智能+物联网（AI+IoT）”的产生。顾名思义，AIoT是物联网与人工智能的结合，而在系统层面，人工智能的能力是通过边缘计算来提供的。图2-7显示了腾讯所提出的AIoT的系统架构，考虑到物联网设备的多样性，其终端设备端单独具备一个设备适配层，用于进行异构设备之间的数据转换、无线适配与多数据通道管理。在设备适配层上运行物联网操作系统，并通过网关接入模块接入边缘设备——AIoT智能网关。边缘设备通过IoT组件镜像模块管理设备及匹配规则，以处理物联网设备的计算请求。在边缘设备上运行的计算服务、通信及安全等规则是通过云中心进行更新和管理的。

与一般的边缘计算架构相比，AIoT架构中并不强调边缘之间的组网和协同，而是更多地规范前端设备管理、服务管理以及各类基础AI产品及加速技术。目前多个云计算服务商都发布了AIoT产品及技术，如腾讯IoT EIDP、阿里AliOS Things、小米AIoT、用友YonBIP等。这些架构中，除了对物联网前端设备的计算及产品形态产生影响，同时也有望催生一个新型的产业——边缘计算模型的开发与交易。开发者及研究人员研发各类边缘服务，既能够适应各类前端应用的需求，也能够高效地运行在不同厂商的边缘服务器（边缘网关）终端之上。