边缘计算节点共享技术实现方法的研究

随着5G网络的规模商用,5G边缘云已成为垂直行业数字化转型的关键算力基础设施之一。边缘计算节点共享不仅支持电信运营商统一纳管边缘计算节点,还支持联合其他电信运营商或者公有云厂商一起打造公共边缘云。针对5G网络共建共享场景,本文提出了一种边缘计算节点共建共享的方法,支持一个边缘计算系统接入不同的电信运营商的业务系统,实现了边缘计算资源的共享。     

探究5G网络边缘计算技术分析及应用展望

边缘计算技术是5G网络的新型架构方式,能够有效改善网络延时问题,优化网络传输速度,构建低延时、高性能的网络服务环境.本文主要对5G网络边缘计算技术进行分析和阐述,以供参考.     

5G工业互联网的边缘计算技术架构与应用

5G工业互联网是当前我国5G和工业互联网发展中的热点与焦点,工业互联网和5G中都引入了边缘计算技术,但是着眼点有所不同。分析了基于5G边缘计算的工业互联网应用和发展情况,总结了工业互联网边缘计算技术架构,在此基础上给出云边端协同的5G工业互联网边缘计算技术架构。     

基于NFV MANO的边缘计算多种智能化部署方案研究

为了解决边缘计算业务部署时所需的管理编排组件与电信云中NFV MANO组件之间的高效协同等问题,首先,分析对比了两种主要部署方案中边缘计算与NFV的管理编排组件之间的职责分工与交互流程。其次,基于深度学习方法和模型分别给出了提高两种方案中电信云虚拟网元和基础设施和边缘计算应用之间的管理编排效率的解决方案。最后,对未来该领域需要关注的主要问题和方向进行了展望。     

基于5G网络切片和边缘计算的市场监管智慧执法技术研究

随着行政执法“三项制度”在全国范围的确立与实施,行政执法工作对严格执法记录、完善执法程序、创新执法手段、加强信息公开等各方面提出了高标准严要求。现有执法信息系统依托4G网络建设,在网络时延、连接及带宽等网络支撑能力已不能很好地满足制度新要求以及业务增长需要。本文从当前执法业务场景的新形势新要求入手,分析传统4G网络技术在网络服务、数据处理、网络连接等方面的现状,研究5G网络技术满足执法改革新需求的特性优势,并提出5G网络切片和边缘计算技术在市场监管智慧执法领域的技术探索应用,实现提供端到端网络功能的按需服务,合理科学灵活利用和配置网络资源,从而利用5G网络优势赋能市场监管智慧执法,推动执法体系和执法能力现代化建设。     

国内外边缘计算技术研究综述

云计算的发展使得边缘计算引起广泛关注.根据来源于CNKI数据库1078篇文献的国内数据和来源于Web of Science核心库210篇高被引论文的国外数据,利用文献计量法、知识图谱以及CiteSpace软件,就文献量、关键词及热点、文献作者及其所属机构进行分析.在分析结果基础上,做出了总结与建议,可为推动边缘计算的理...     

边缘计算在5G网络中的关键技术与性能优化

随着第五代移动通信技术（5th Generation Mobile Communication Technology,5G）网络的广泛部署和数字化社会的快速发展,边缘计算作为一种新兴的计算模式在5G网络中得到了广泛关注。边缘计算将计算和数据处理推向网络边缘,实现了更低的数据传输延迟、更高的服务质量和更好的用户体验。边缘计算在智能交通、虚拟现实和工业自动化等场景中具有显著优势,实现了更快速、更高效的数据处理和服务提供。     

铁路5G移动通信系统边缘计算安全研究

边缘计算作为智能铁路5G网络的关键技术,将数据缓存能力、流量转发能力与应用服务能力下沉到网络边缘,有效契合智能铁路的低时延、大带宽、海量连接需求,以支持智能轨道交通应用。然而,由于其在物理位置、业务类型等多方面发生了变化,且铁路场景外部环境复杂、高度动态性、可信度低,使智能铁路业务的边缘节点面临新的安全挑战。结合5G边缘计算安全的研究现状,基于终端、边缘网络、边缘节点和边缘应用四个方面分析铁路5G边缘计算面临的安全威胁,在细化安全需求和挑战、标准进展的基础上,综述和总结可适用于铁路MEC安全的研究方法和评价指标,结合铁路5G边缘计算特点,提出铁路MEC端到端安全服务方案和未来智能铁路MEC安全研究的发展方向。     

面向5G边缘计算的Kubernetes资源调度策略

容器云是5G边缘计算的重要支撑技术,5G的大带宽、低时延和大连接三大特性给边缘计算带来较大的资源压力,容器云编排器Kubernetes仅采集Node剩余CPU和内存两大资源指标,并运用统一的权重值计算Node优先级作为调度依据,该机制无法适应边缘计算场景下精细化的资源调度需求.面向5G边缘计算的资源调度场景,通过扩展K...     

5G移动边缘计算在军事领域中的应用

5G移动网络开启了万物互联的时代,任务部队、武器装备、战场态势等都将与5G技术深度融合,催生新的指挥网络体系。在对时延和安全保密要求较高的移动应用中,移动边缘计算技术可将云计算平台从网络内部向网络边缘迁移,有效抑制网络拥塞,降低移动业务端到端时延。本文从5G移动网络特性和移动边缘计算技术出发,结合军事指挥需求,提出移动边缘计算技术在军事领域的应用场景并给出部署建议,同时指出5G移动边缘计算面临的问题与挑战。     

面向边缘计算应用的宽度孪生网络

边缘计算是将计算、存储、通信等任务分配到网络边缘的计算模式. 它强调在用户终端附近执行数据处理过程, 以达到降低延迟, 减少能耗, 保护用户隐私等目的. 然而网络边缘的计算、存储、能源资源有限, 这给边缘计算应用的推广带来了新的挑战. 随着边缘智能的兴起, 人们更希望将边缘计算应用与人工智能技术结合起来, 为我们的生活带来更多的便利. 许多人工智能方法, 如传统的深度学习方法, 需要消耗大量的计算、存储资源, 并且伴随着巨大的时间开销. 这不利于强调低延迟的边缘计算应用的推广. 为了解决这个问题, 我们提出将宽度学习系统(Broad learning system, BLS)等浅层网络方法应用到边缘计算应用领域, 并且设计了一种宽度孪生网络算法. 我们将宽度学习系统与孪生网络结合起来用于解决分类问题. 实验结果表明我们的方法能够在取得与传统深度学习方法相似精度的情况下降低时间和资源开销, 从而更好地提高边缘计算应用的性能.     

Edge Computing Platform with Efficient Migration Scheme for 5G/6G Networks

Next-generation cellular networks are expected to provide users with innovative gigabits and terabits per second speeds and achieve ultra-high reliability, availability, and ultra-low latency. The requirements of such networks are the main challenges that can be handled using a range of recent technologies, including multi-access edge computing (MEC), artificial intelligence (AI), millimeter-wave communications (mmWave), and software-defined networking. Many aspects and design challenges associated with the MEC-based 5G/6G networks should be solved to ensure the required quality of service (QoS). This article considers developing a complex MEC structure for fifth and sixth-generation (5G/6G) cellular networks. Furthermore, we propose a seamless migration technique for complex edge computing structures. The developed migration scheme enables services to adapt to the required load on the radio channels. The proposed algorithm is analyzed for various use cases, and a test bench has been developed to emulate the operator’s infrastructure. The obtained results are introduced and discussed.     

功能分发网络:基于容器的智能边缘计算平台

随着大数据、机器学习等技术的发展,网络流量与任务的计算量也随之快速增长.研究人员提出了内容分发网络（CDN）、边缘计算等平台技术,但CDN只能解决数据存储,而边缘计算存在着难以管理和不能跨集群进行资源调度等问题.容器化技术广泛应用在边缘计算场景中,但目前,边缘计算采取的容器编排策略普遍比较低效,导致任务的计算延迟仍然过长.提出了功能分发网络FDN （function delivery network）,一方面为用户提供了访问边缘计算资源的统一接口和容器化的计算平台,无需进行繁琐的计算资源配置;另一方面,FDN平台优化系统的资源利用和任务的计算延迟,能将任务所需的容器编排到合适的边缘计算集群.开发了一种基于启发式的容器编排策略,实现了跨集群的容器编排功能,进一步优化了执行的计算延迟.基于Openwhisk软件实现了FDN,并在中国移动的网络中部署了该系统,而且对FDN和容器编排策略进行测试.实验结果表明,FDN计算平台能够降低任务的计算延迟;同时,启发式容器编排策略的性能相比传统的算法有了较大的提升.     

云边智能: 电力系统运行控制的边缘计算方法及其应用现状与展望

本文分析了当前我国电力系统的运行与控制面临的挑战, 对边缘计算的发展背景和关键技术进行了介绍, 阐述了云边协同和边边协同的功能与特征, 并对边缘协同技术下的边缘智能技术进行了探讨. 结合电力系统的层级式构架, 讨论了在电网部署边缘计算层的方法, 提出利用云边协同、边边协同、边缘智能等技术解决电力系统面临的实时性高、数据周期短、任务复杂等难题, 在减轻边缘节点与云中心通信压力的同时, 提高业务服务质量, 保障边缘节点的数据隐私. 通过对边缘计算在“源 − 网 − 荷”各环节的应用前景进行分析与讨论, 阐述了边缘计算在电网中的可行性与实用性. 最后, 对边缘计算的应用范式与方案进行了总结, 并对其在未来电力系统中的发展方向进行了展望.     

移动边缘计算资源分配综述

在万物互联的物联网时代,云计算凭借超强的计算能力和存储能力提供了主流的大数据处理方案。随着5G的正式商用,面对5G+物联网呈爆炸式增长的终端设备以及低时延、低功耗的用户需求,基于云计算的大数据处理方案逐渐显露弊端。分布式的面向移动终端的大数据处理方案——移动边缘计算呼之欲出。本文通过对比云计算、边缘计算和移动边缘计算的概念和相关特征,引入移动边缘计算的定义及八大典型应用场景,进一步列举出移动边缘计算的发展历程。随后,归纳出移动边缘计算的几种国际标准模型以及框架设计的相关研究,结合移动边缘计算资源分配的关键问题进行梳理。最后,提出移动边缘计算的未来的研究方向和挑战。     

边缘计算中的计算卸载综述

边缘计算可以有效解决传统云计算中传输时延大、用户数据安全性不够高、传输带宽压力大以及终端移动设备计算能力受限、能耗大等问题.计算卸载是边缘计算中的关键技术,针对当前计算卸载技术的研究现状和存在的不足,本文围绕计算卸载,首先介绍边缘计算的体系架构以及部分应用和分析4种主要的影响因素以及相应具体的条件;其次针对3种决策目标分析了算法策略及对应变量在算法中的作用;最后总结目前在计算卸载中存在的不足.     

边缘计算安全综述

针对当前边缘计算广泛应用面临的安全问题,主要结合边缘计算的典型应用,对边缘计算实际应用中的安全威胁和风险因素进行了分析总结,依据边缘计算安全参考架构,重点从边缘用户和边缘节点两个角度对当前采用的安全防护技术进行了分析研究,并就相关安全技术的优势和未来趋势进行了阐述。     

基于综合信任的边缘计算资源协同研究

边缘计算旨在共享利用边缘设备的计算、通信资源,满足人们对服务的实时响应、隐私与安全、计算自主性等需求,随物联网的发展将有广阔应用前景.调研了边缘计算的特征、基本概念和定义、最新研究进展以及边缘计算研究的挑战与发展趋势.基于边缘计算的核心挑战之一——隐私信任与安全保障问题,针对用户应用需求特征,充分考虑用户体验质量(QoE)来优化边缘计算系统.通过集成用户和资源的身份信任、行为信任、能力信任3个方面为综合信任度,利用信任评估保障对边缘计算资源管理与协同优化.针对终端的动态性、边缘设施能力受限、边缘与终端的邻近性、云中心功能强和距离远的特征,融合云计算、P2P计算、CS与网格计算模式,构建多层自适应的统一计算模型,实现对应用场景动态匹配;研究以用户体验质量为目标的综合资源用户信任评估体系与模型,实现资源QoS向QoE的指标映射,构建资源和用户的身份信任、行为信任评价机制,形成综合信任评估体系与模型;根据应用需求,研究面向计算能力、移动性与可用服务时间、剩余能量、带宽等多重约束的边缘计算的任务卸载、资源调度算法和优化方案,实现资源在终端、边缘、云中心3层级可信共享和优化利用,更好满足用户QoE需求.最后通过流计算任务分配的边缘计算场景验证了模型框架的有效性.