从零开始学习【边缘计算】

研0第一次论文阅读任务是关于边缘计算，车联网的，由于之前完全没接触过边缘计算，故整理以下基本概念，计算原理和相关论文索引以便后续查阅。

云计算与边缘计算

比如有一款APP，用户在使用这款APP的时候，就会收集用户的信息，比如收集这个用户的年龄，性别，手机号，地址位置，搜索记录等等信息，而收集这些信息主要是更好地分析这个用户的行为和感兴趣的东西，比如车，房子，书，美食等什么感兴趣。然后更为准确地为其投放内容及广告。

如果是使用云计算，这款APP的行为是这样的：

APP收集到信息后，把所有的基本信息，上传到服务器中，然后由服务器来执行算法，计算和识别出用户的兴趣爱好，甚至可能推算出这个用户的消费能力。然后服务器就可以根据这个推算出来的结果，为用户投放其感兴趣的内容和广告。

如果是使用边缘计算，这款APP的行为就是这样：

APP收集了信息后，不上传到服务器中。然后由APP自己计算和识别出这个用户的兴趣和爱好，也可以推算出这个用户的消费能力，也就是服务器的计算功能，直接由APP来完成。然后服务器只需要问一下APP,哪个用户是有可能是年薪百万的，哪个用户是单身的。APP只需要告诉服务器说，这个一路向东用户很帅，而且还单身，喜欢旅游，写诗，可以为其投放相亲美女内容。

就这样，整个过程并没有服务器参与计算，服务器也没有参与收集信息。因为这个信息在APP本身收集和计算，并没有进行上传，所以也没有涉及信息收集。这就是边缘计算。

为什么使用边缘计算

1. 可以使得设备的支持数量提升几个数量级

比如一个服务器有10000点血。而接入一个设备，就要消耗1点血，如果再对这个设备进行数据分析，需要消耗9点血。也就是接入并计算一个设备就需要10点血。那么这个服务器最多只能接入1000个设备就挂了。

如果服务器只负责接入设备，不进行计算和分析，那么接入一个设备，消耗1点血，由设备自己进行数据计算和分析，再输出结果。这时候服务器就可以接入10000个设备了。

2. 让计算变得更为灵活和可控

因为物联网可是一个万物接入的网络，每一个设备采集的数据不一样。如果使用了边缘计算，就可以单独针对每一个设备进行相应的计算和分析。当然，如果相同的设备或者相同参数的，可以进行复制使用同一套计算标准或算法。如果将计算脚本开放出来给用户，用户就可以自定义去添加自己的计算公式和行为。

边缘计算技术原理

边缘计算系统由云、边、端三部分组成

• 云、边协同：通过云部分Kubernetes的控制节点和边部分KubeEdge所运行的节点共同实现。
• 边、端协同：通过边部分KubeEdge和端部分EdgeX Foundry共同实现。
• 云、边、端协同：通过云部分Kubernetes的控制节点、边部分KubeEdge和端EdgeX Foundry共同实现。

相关论文索引

User-Oriented_Edge_Node_Grouping_in_Mobile_Edge_Computing

研究了边缘云放置问题，即将边缘云放置在候选位置，并将移动用户分配到边缘云。具体来说，我们将其表述为多目标优化问题，旨在平衡边缘云之间的工作负载，并最大限度地减少移动用户的服务通信延迟。

Multi-Objective_Computation_Sharing_in_Energy_and_Delay_Constrained_Mobile_Edge_Computing_Environments

在本文的MEC 中的模型任务卸载作为约束多目标优化问题 （CMOP），可最大限度地降低能耗和移动设备的任务处理延迟。为了解决CMOP，设计了一种进化算法，可以有效地找到一个能耗和任务处理延迟之间最佳权衡的代表性样本，即帕累托最优前沿。