边缘计算技术是一种全新的融合技术，基本思想是将云计算平台迁移到接入网边缘地带，实现传统蜂窝网络和互联网深入融合，降低移动业务端到端的时延，进一步提升用户体验效果。
本文结合理论实践，先简要阐述了边缘计算技术的定义，然后分析了目前发展现状和面临的挑战，最后论述了边缘计算技术应用的关键问题和应用对策，希望对我国边缘计算技术的发展有一定参考和帮助。
01、引言
在物联网技术、互联网技术、云计算技术飞速发展的背景下，为万物互联提供技术支持，低延时网络时代已经到来。与此同时数据产生量剧增，对计算设施的时效性、安全性、网络依赖性等提出了更高的要求。
为更好的解决数据问题，提出了边缘计算技术，大大提升了数据处理效率，同时也能够保证数据传输、使用、存储的安全性，为进一步发挥云计算的作用提供必不可少的技术支持。基于此，开展边缘计算技术发展与对策的研究就显得尤为必要。
02、边缘计算技术的定义
边缘计算技术是由英文Edge－Computing翻译而来，其中Edge指的是数据源和云端数据中心之间的网络资源，比如:智能手机就是人和云端之间的Edge。从本质上来看，边缘计算技术的核心思想是在距离数据源最近的位置进行计算，在数据源的网络边缘侧进行网络融合、数据计算及存储，为用户提供了边缘化、快速化以及智能化打开方式。
边缘计算根据技术架构的不同可分为多接入边缘计算(MEC)、微云以及雾计算三种，如图1为MEC整体系统架构示意。边缘计算技术和云计算技术相比，具有更小的时延、更快的响应速度以及更好的用户体验，并能促进移动通信网、互联网以及物联网/车联网之间的深度融合，具有良好的发展前景。
图1 MEC整体系统架构示意图
03、边缘计算技术发展现状
2016年11月30日，由华为技术有限公司、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔公司、ARM和软通动力信息技术（集团）有限公司联合倡议发起的边缘计算产业联盟在北京正式成立。同年发布了《边缘计算参考架构》1.0版本，在2017更新为2.0版本。如图2所示。边缘计算技术也是实现5G的关键技术。
图2边缘计算应用场景
目前我国三大运营商都已经完成了边缘计算技术立项，其中联通运营商发起了5G边缘计算平台研究项目，实现了边缘计算技术和移动网络的相互融合，并于2018年2月在15个省市启动了Edge－Cloud规模试点及相关工作;移动运营商立项了《边缘计算总体技术要求》，在我国江苏省等城市设置了CDN边缘节点;电信运营商立项了《边缘计算关键技术研究》，2018年构建了很多CDN来验证解决相关环境问题，验证结果比较理想，使得边缘计算技术得到了快速发展。
目前关于边缘计算技术的研究和测试正在如火如荼的进行，从总体发展进程和效果上来看，我国边缘计算技术尚处于发展的初级阶段。
04、边缘计算技术面临的挑战
就我国目前边缘计算技术发展现状而言，仍然处于发展起步阶段，虽然也取得了一定成效，但从目前实际应用效果的角度来看，还面临着很多挑战，主要体现在以下几个方面:
1.资源管理主体太多
边缘计算技术在应用时，很多资源都分散在数据传输的道路上，管理主体非常多，包括:用户终端设备、通信基站、控制路由器、边缘服务器等。而云计算在应用资源管理主体比较集中，因此，云计算资源管理模式，并不能适用于边缘计算技术的资源管理。
资源管理需要消耗很多成本及精力，无法实现边缘计算技术的有效应用，如何实现多主体资源管理控制的灵活性及便捷性，是目前边缘计算技术中面临的主要挑战之一。
2.移动管理难度较大
边缘计算技术在应用时需要资源广泛分布特性的支持，边缘计算技术特性，决定了一个边缘计算节点，只为周围用户提供服务。如果用户需要移动应用，就需要频繁切换边缘计算的服务节点。
相比而言，云计算提供的服务器位置比较固定，用户使用数据通过互联网、移动网络都可以传输到服务器中。因此，移动管理是边缘计算技术专用模式，应用需要先发现资源，然后再切换到资源服务节点上，才能使用。
3.虚拟化技术
为了提升边缘计算资源管理效率，边缘计算技术需要虚拟化技术的支持，如何为边缘计算技术选择一个与之相适应的虚拟化技术是当下研究的热点课题。就目前发展现状而言，虚拟化技术日新月异，如何更好的解决虚拟机与容器之间的规则束缚和界线限制，实现二者相互融合，同时具有二者的优势和功能，也是边缘计算技术发展面临的一大挑战。
4.数据分析
大数据时代，数据产生量剧增，虽然有价值的信息也随之增加，但也增加了数据挖掘的难度及数据处理时间。而有价值的信息普遍具有很强的时效性，如果在规定期间内，没有被及时挖掘出来，也就失去了其原有的价值。通过边缘计算技术可以在数据产生时，就对数据进行处理和分析，虽然可以更早的分析数据，但同时可能失去一些有价值的信息。因此，如何保证信息时效性和价值量，也是边缘计算技术中亟待解决的问题之一。
5.编程模型
边缘计算资源和云计算资源相比，具有动态化、异构性、分散性的特征，大大提升了边缘计算技术应用程序编程的复杂性和难度。为解决这一问题，就必须创新出更加适用于边缘计算资源的编程模型，这将是一个很漫长的过程。
05、边缘计算技术应用的关键性问题研究
1.针对不同设备的模型压缩和优化
基于边缘计算的技术特征，云计算的学习模型无法满足其要求。需要大量复杂的算法重新模拟并训练学习模型，但此种模型结构比较庞大，由上百万，甚至上亿参数共同组成。在具体运行中需要消耗大量内存资源。虽然边缘计算设备自身具有强大的计算能力和存储能力，但还是无法和云计算服务器相比。
如何解决深度学习模型运行中的资源受限问题，是目前边缘计算技术发展及应用中存在的主要问题。传统的学习模型在压缩和优化时，比较关注减少模型规模量和降低模型精度。而边缘计算设备具有种类繁多、差异化、处理器和内存相差明显的特点。因此，传统的学习模型，根本无法满足边缘计算技术应用的要求，在学习模型设计时，既要满足边缘计算技术的要求，又要考虑模型规模体量和精度损失，同时也要考虑边缘计算设备运行时的延迟和能耗。
2.基于异构硬件资源的系统优化
假设有一个学习模型，满足边缘计算技术应用要求，则还要综合考虑如何提升模型的运行效率。需要通过模型推理引擎，最大限度提升边缘计算系统运行性能。既要从软件层面上对边缘计算系统进行优化，也要实现软件和硬件的协同设计，充分利用底层硬件。
比如:智能手机就是边缘计算技术的主要体现，有很多异构化硬件资源，包括:规模体量不一的CPU核、运行能力不一DSP和GPU，甚至是NPU也各不相同。但目前现有的边缘计算系统只能应用一种计算资源，或者应用CPU，或应用GPU，只能选择一个应用，无法最大限度上发挥硬件设备应有的性能及价值，从而影响了模型运行的稳定性和效率。
3.数据和隐私安全保护
如何保证用户数据及隐私的安全性，是边缘计算技术研究的主要课题，如果边缘计算设备无法运行高精度模型，就只能通过云服务器来执行深度学习模型。此时，就要用到远程计算资源，但不能泄露用户隐私数据。
此外，模型安全也要综合考虑，运行良好的学习模型需要投入大量人力、物力、财力，但学习模型属于数字化资产，只能在云计算环境下运行和存储，普通用户根本无法使用模型数据。而在边缘计算环境下，学习模型主要部署在本地设备上，不法分子在使用时可破译终端系统，甚至复制模型上的数据，如何保证学习模型的安全，也是目前亟待解决的问题。
06、边缘计算技术应用对策研究
根据相关部门统计结果，从2017年到2026年，美国将在边缘计算技术研究及应用中投资870亿美元，欧洲国家将投资1850亿美元，来争取边缘计算技术研究的最新成果。因此，面对如此复杂的竞争环境和发展机遇，要想更好的发展边缘计算技术，可采取如下对策:
1.建设边缘计算技术标准及规范
边缘计算技术的应用，需要大量终端设备、边缘节点、数据采集设备、数据处理设备等方面的共同支持。并且这些设备普遍具有异构性，来自于不同的生产厂家，即便是相同的设备，可能也存在数据接口不一、数据结构不统一、传输协议不一致等问题。因此，必须通过相应的技术标准和规范，协调生产，以降低边缘计算技术相关基础设施建设成本，促使边缘计算技术持续发展。
2.注重新技术的使用
边缘计算技术是立足于“互联网+”、云计算、大数据等先进技术的新型计算技术。这些信息技术的发展水平，直接决定了边缘计算技术的研发和应用效果。并且边缘计算技术还能和大数据技术、5G通信技术、智能信息处理技术等技术互通互联。所以，我国在研究和应用边缘计算技术时，要加快新一代信息技术的研发步伐，提升核心技术的研发速度，为边缘计算技术的发展和应用提供更加有力的技术支持。
3.加强边缘计算技术开源生态建设
边缘计算技术由海量终端设备共同组成，这些终端设备在运行中如果采用相同的开源操作系统，就形成了开源生态环境。通过开源系统来维持核心代码，形成业界认可的技术接口，有利于边缘计算技术持续稳定发展。
07、结束语
综上所述，本文结合理论实践，研究了边缘计算技术发展与对策，研究结果表明，边缘计算技术是一种全新融合的技术，为实现万物互联，降低网络延迟提供全新的技术支持。但毕竟是一项新型技术，还存在很多问题。
针对我国目前边缘计算技术发展现状及面临的挑战，可从建设边缘计算技术标准及规范、注重新技术的使用、加强边缘计算技术开源生态建设等方面同时入手，促使边缘计算技术实现良性发展。
