邊緣計算開源平臺現狀分析

梁家越 劉斌 劉芳

摘要：給出了邊緣計算平臺的一般性功能框架，并基于平臺的設計目標和部署方式，對當前典型的邊緣計算開源平臺進行了分類。從設計目標、目標用戶、可擴展性、系統特點和應用領域等方面，對EdgeX Foundry、Apache Edgent、Azure 物聯網（IoT）Edge、CORD和Akraino Edge Stack等典型開源平臺進行了對比和分析。最后介紹了可用于構建邊緣計算平臺的一些開源軟件，并討論了邊緣計算平臺的未來發展方向和研究熱點。

關鍵詞：邊緣計算;開源平臺;物聯網;開源軟件

Abstract： In this paper， the general functional framework of edge computing platforms is analyzed， and the category of these platforms based on their design target and deployment characteristic is discussed. The existing typical open source edge computing platforms such as EdgeX Foundry， Apache Edgent， Azure Internet of Things （IoT） Edge， CORD and Akraino Edge Stack are introduced with comparison from the perspectives of design target， target user， scalability， system characteristic and application area. Finally， some open source software that can be used to build edge computing platform is introduced， and the future trends and research topics of edge computing platform are discussed.

Key words： edge computing; open source platform; IoT; open source software

隨著萬物聯網的趨勢不斷加深，網絡邊緣產生的數據在急劇增長。受限于網絡帶寬增長速度遠遠跟不上數據的增長數據，傳統云計算模式需要解決帶寬和延遲這兩大瓶頸，邊緣計算[1]應運而生。邊緣計算中的邊緣（edge）指的是網絡邊緣上的計算和存儲資源，這里的網絡邊緣與數據中心相對，無論是從地理距離還是網絡距離上來看都更貼近用戶[2]。作為一種新的計算范式，邊緣計算將計算任務部署于接近數據產生源的網絡邊緣，利用邊緣資源為用戶提供大量服務或功能接口，大大減少上傳至云數據中心的數據量，緩解網絡帶寬壓力，同時可以更好地解決數據安全和隱私問題。邊緣計算平臺對邊緣計算領域的推廣和發展有著重要的意義和影響[3]。

1 邊緣計算開源平臺概述

邊緣計算系統是一個分布式系統范例，在具體實現過程中需要將其落地到一個計算平臺上，各個邊緣平臺之間如何相互協作提高效率，如何實現資源的最大利用率，對設計邊緣計算平臺、系統和接口帶來挑戰。例如，網絡邊緣的計算、存儲和網絡資源數量眾多但在空間上分散，如何組織和統一管理這些資源，是一個需要解決的問題。在邊緣計算的場景下，尤其是物聯網，諸如傳感器之類的數據源，其軟件和硬件以及傳輸協議等具有多樣性，如何方便有效地從數據源中采集數據也是一個需要考慮的問題。此外，在網絡邊緣的計算資源并不豐富的條件下，如何高效地完成數據處理任務也是需要解決的問題。

目前，邊緣計算平臺的發展方興未艾。由于針對的問題不同，各邊緣計算平臺的設計多種多樣，但也不失一般性。邊緣計算平臺的一般性功能框架如圖1所示。在該框架中，資源管理功能用于管理網絡邊緣的計算、網絡和存儲資源。設備接入和數據采集分別用于接入設備和從設備中獲取數據。安全管理用于保障來自設備的數據的安全。平臺管理功能用于管理設備和監測控制邊緣計算應用的運行情況。

各邊緣計算平臺的差異可從以下方面進行對比和分析：

（1）設計目標。邊緣計算平臺的設計目標反映了其所針對解決的問題領域，并對平臺的系統結構和功能設計有關鍵性的影響。

（2）目標用戶。在現有的各種邊緣計算平臺中，有部分平臺是提供給網絡運營商以部署邊緣云服務;有的平臺則沒有限制，普通用戶可以自行在邊緣設備上部署使用。

（3）可擴展性。為滿足用戶應用動態增加和刪除的需求，邊緣計算平臺需要具有良好的可擴展性。

（4）系統特點。面向不同應用領域的邊緣計算開源平臺具有不同的特點，而這些特點能為邊緣計算應用的開發或部署帶來方便。

（5）應用場景。常見的應用領域包括智能交通、智能工廠和智能家居等多種場景，還有增強現實（AR）/虛擬現實（VR）應用、邊緣視頻處理和無人車等對響應時延敏感的應用場景。

根據邊緣計算平臺的設計目標和部署方式，可將目前的邊緣計算開源平臺分為3類：面向物聯網端的邊緣計算開源平臺、面向邊緣云服務的邊緣計算開源平臺、面向云邊融合的邊緣計算開源平臺。

2 面向物聯網端的邊緣計算開源平臺

面向物聯網端的邊緣計算開源平臺，致力于解決在開發和部署物聯網應用的過程中存在的問題，例如設備接入方式多樣性問題等。這些平臺部署于網關、路由器和交換機等邊緣設備，為物聯網邊緣計算應用提供支持。代表性的2個平臺是Linux基金會發布的EdgeX Foundry[4]和Apache軟件基金會的Apache Edgent[5]。

2.1 EdgeX Foundry

EdgeX Foundry是一個面向工業物聯網邊緣計算開發的標準化互操作性框架[4]，部署于路由器和交換機等邊緣設備上，為各種傳感器、設備或其他物聯網器件提供即插即用功能并做管理，進而收集和分析它們的數據，或導出至邊緣計算應用或云計算中心做處理。EdgeX Foundry針對的問題是物聯網器件的互操作性。目前，具有大量設備的物聯網產生大量數據，迫切需要結合邊緣計算的應用;但物聯網的軟硬件和接入方式的多樣性給數據接入功能帶來困難，影響了邊緣計算應用的部署。EdgeX Foundry的主旨是簡化和標準化工業物聯網邊緣計算的架構，創建一個圍繞互操作性組件的生態系統[4]。

圖2展示了EdgeX Foundry的架構[4]。在圖中的最下方是“南側”，指的是所有物聯網器件，以及與這些設備、傳感器或其他物聯網器件直接通信的邊緣網絡。在圖的最上方是“北側”，指的是云計算中心或企業系統，以及與云中心通信的網絡部分。南側是數據產生源，而北側收集來自南側的數據，并對數據進行存儲、聚合和分析。如圖2所示，EdgeX Foundry位于南側和北側兩者之間，由一系列微服務組成，而這些微服務可以被分成4個服務層和2個底層增強系統服務。微服務之間通過一套通用的Restful 應用程序編程接口（API）進行通信。

（1）設備服務層。設備服務層主要提供設備接入的功能，由多個設備服務組成。每個設備服務是用戶根據設備服務軟件開發工具包（SDK）編寫生成的一個微服務。EdgeX Foundry使用設備文件去定義一個南側設備的相關信息，包括源數據格式、存儲在EdgeX Foundry中的數據格式，以及對該設備的操作命令等信息。設備服務將來自設備的數據進行格式轉換，并發送至核心服務層。目前， EdgeX Foundry提供了消息隊列遙測傳輸協議（MQTT）、 ModBus串行通信協議和低功耗藍牙協議（BLE）等多種接入方式。

（2）核心服務層。核心服務層由核心數據、命令、元數據、注冊表和配置4個微服務組件組成。核心數據微服務存儲和管理來自南側設備的數據、元數據微服務存儲和管理設備的元數據。命令微服務將定義在設備文件的操作命令轉換成通用的API，提供給用戶以監測控制該設備。注冊表和配置微服務存儲設備服務的相關信息。

（3）支持服務層。支持服務層提供邊緣分析和智能服務，以規則引擎微服務為例，允許用戶設定一些規則，當檢測到數據滿足規則要求時，將觸發一個特定的操作。例如，規則引擎可監測控制溫度傳感器，當檢測到溫度低于25 ℃時，觸發對空調的關閉操作。

（4）導出服務層。導出服務層用于將數據傳輸至云計算中心，由客戶端注冊和分發等微服務組件組成。前者記錄已注冊的后端系統的相關信息，后者將對應數據從核心服務層導出至指定客戶端。

（5）系統管理和安全服務。系統管理服務提供安裝、升級、啟動、停止和監測EdgeX Foundry微服務的功能。安全服務用以保障來自設備的數據和對設備的操作安全。

最新版本的EdgeX Foundry沒有為用戶自定義應用提供計算框架，用戶可以將應用部署在網絡邊緣，將該應用注冊為導出客戶端，進而將來自設備的數據導出至應用來處理。EdgeX Foundry的設計滿足硬件和操作系統無關性，并采用微服務架構。EdgeX Foundry中的所有微服務能夠以容器的形式運行于各種操作系統，且支持動態增加或減少功能，具有可擴展性。EdgeX Foundry的主要系統特點是為每個接入的設備提供通用的Restful API以操控該設備，便于大規模地監測控制物聯網設備，滿足物聯網應用的需求。EdgeX Foundry的應用領域主要在工業物聯網，如智能工廠、智能交通等場景，以及其他需要接入多種傳感器和設備的場景。

2.2 Apache Edgent

Apache Edgent是一個開源的編程模型和微內核風格的運行時，它可以被嵌入到邊緣設備上，用于提供對連續數據流的本地實時分析[5]。Edgent解決的問題是如何對來自邊緣設備的數據進行高效的分析處理。為加速邊緣計算應用在數據分析處理上的開發過程，Edgent提供一個開發模型和一套API用于實現數據的整個分析處理流程。

基于Java等的開發環境，Edgent應用的開發模型如圖3所示。

該模型由提供者、拓撲、數據流、數據流的分析處理、后端系統5個組件組成。

（1）提供者。一個提供者對象包含了有關Edgent應用程序的運行方式和位置信息，并具有創建和執行拓撲的功能。

（2）拓撲。拓撲是一個容器，描述了數據流的來源和如何更改數據流的數據。數據的輸入、處理和導出至云的過程都記錄在拓撲中。

（3）數據流。Edgent提供了多種連接器以不同方式接入數據源，比如支持消息隊列遙測傳輸（MQTT）、超文本傳輸協議（HTTP）和串口協議等，用戶還可以添加自定義代碼以控制傳感器或設備的數據輸入。

（4）數據流的分析處理。Edgent提供一系列功能性的API以實現對數據流的過濾、分裂、變換等。

（5）后端系統。由于邊緣設備的計算資源稀缺，Edgent應用程序無法支撐復雜的分析任務。用戶可以使用連接器，通過MQTT和Apache Kafka方式連接至后端系統，或者連接至IBM Watson IoT平臺進一步對數據做處理。

Edgent應用可部署于運行Java虛擬機的邊緣設備中，實時分析來自傳感器和設備的數據，減少了上傳至后端系統如云數據中心的數據量，并降低了傳輸成本。Edgent的主要系統特點是提供了一套豐富的數據處理API，切合物聯網應用中數據處理的實際需求，降低應用的開發難度并加速開發過程。Edgent的主要應用領域是物聯網，此外，它還可以被用于分析日志、文本等類型的數據。

3 面向邊緣云服務的邊緣計算開源平臺

網絡運營商的網絡邊緣，如蜂窩網絡基站、中央端局和在網絡邊緣的小型數據中心等，是用戶接入網絡的地方，其計算、存儲和網絡資源也可用以部署邊緣計算應用。面向邊緣云服務的邊緣計算平臺著眼于優化或重建網絡邊緣的基礎設施以實現在網絡邊緣構建數據中心，并提供類似云中心的服務。代表性的平臺有開放網絡基金會（ONF）的CORD項目[6]和Linux基金會的Akraino Edge Stack項目[7]。

3.1 CORD

CORD是為網絡運營商推出的開源項目，旨在利用軟件定義網絡（SDN）、網絡功能虛擬化（NFV）和云計算技術重構現有的網絡邊緣基礎設施，并將其打造成可靈活地提供計算和網絡服務的數據中心。現有網絡邊緣基礎設施構建于由電信設備供應商提供的封閉式專有的軟硬件系統，不具備可擴展性，無法動態調整基礎設備的規模，導致資源的低效利用。CORD計劃利用商用硬件和開源軟件打造可擴展的邊緣網絡基礎設施，并實現靈活的服務提供平臺，支持用戶的自定義應用。

圖4為CORD的硬件架構圖[6]，CORD利用商用服務器和白盒交換機提供計算、存儲和網絡資源，并將網絡構建為葉脊拓撲架構以支持橫向網絡的通信帶寬需求。此外，CORD使用專用接入硬件將移動、企業和住宅用戶接入網絡中。

CORD的軟件架構[6]如圖5所示，云平臺管理項目OpenStack用以管理計算和存儲資源，創建和配置虛擬機以及提供基礎設施即服務（IaaS）功能。開源網絡操作系統（ONOS）為網絡提供控制平面，用于管理網絡組件如白盒交換網絡結構等，并提供通信服務。容器引擎Docker使用容器技術來實例化提供給用戶的服務。服務控制平臺XOS用于整合上述軟件，以組裝、控制和組合服務。

根據用戶類型和使用案例的不同，CORD可被具體實現為M-CORD、R-CORD和E-CORD。以M-CORD為例，M-CORD面向無線網絡（特別是5G網絡），使用蜂窩網絡將用戶接入。M-CORD基于NFV和云計算技術將蜂窩網絡功能進行分解和虛擬化，實現網絡功能的動態擴展同時增強資源利用率。在此基礎上，M-CORD支持多接入邊緣服務，為用戶提供定制服務和差異化體驗質量（QoE）。此能力切合具備移動性的邊緣計算應用的需求，能通過無線網絡為手機、無人車和無人機等移動設備的邊緣計算應用就近提供強大的計算能力。R-CORD和E-CORD同樣可以在網絡邊緣支持住宅用戶或企業用戶的邊緣計算應用，如VR和AR應用等，以獲得更快的響應時間和更好的服務體驗。

對于用戶而言，CORD在運營商網絡邊緣提供的邊緣云服務，具有與云計算相同的優點，即無需用戶提供計算資源和搭建計算平臺，降低了軟硬件和管理成本。此外，有線和無線網絡的廣泛分布使用戶提交邊緣計算應用不受地理位置的影響。目前，運營商正研究如何部署CORD，中國聯通發起成立了CORD產業聯盟，推動CORD項目的落地。

3.2 Akraino Edge Stack

Akraino Edge Stack是一個面向高性能邊緣云服務的開源項目，并為邊緣基礎設施提供整體的解決方案。Akraino Edge Stack致力于發展一套開源軟件棧，用于優化邊緣基礎設施的網絡構建和管理方式，以滿足邊緣計算云服務的要求，例如高性能、低延遲和可擴展性等。

Akraino Edge Stack項目涉及的范圍從基礎設施延伸至邊緣計算應用，其范圍可以劃分為3個層面[7]。在最上面的應用層面，Akraino Edge Stack致力于打造邊緣計算應用程序的生態系統以促進應用程序的開發。中間層面著眼于開發中間件和框架以支持上面層次的邊緣計算應用。在這個層面中，Akraino Edge Stack將開發API和框架以接入現有互補性的開源邊緣計算項目，例如上述的面向物聯網的互操作性框架EdgeX Foundry，最大化利用開源社區的現有成果。在最下面的基礎設施層面中，Akraino Edge Stack將提供一套開源軟件棧用于優化基礎設施。此外，Akraino Edge Stack為每種使用案例提供藍圖以構建一個邊緣計算平臺。每個藍圖涵蓋上述3個層次的聲明性配置，其中包括對硬件、各層面的支撐軟件、管理工具和交付點等的聲明。

Akraino Edge Stack基于使用案例提供邊緣云服務，可部署于電信運營商的塔樓、中央端局或線纜中心等。其應用領域包括邊緣視頻處理、智能城市、智能交通等。

4 面向云邊融合的邊緣計算開源平臺

云計算服務提供商是邊緣計算的重要推動者之一，基于“云邊融合”的理念，致力于將云服務能力拓展至網絡邊緣。目前，亞馬遜公司推出了AWS Greengrass[8] ，微軟公司推出了Azure IoT Edge[9] ，阿里云公司推出了物聯網邊緣計算平臺Link IoT Edge[10]，微軟公司在2018年宣布將Azure IoT Edge開源。

Azure IoT Edge是一種混合云和邊緣的邊緣計算框架，旨在將云功能拓展至如路由器和交換機等具備計算能力的邊緣設備上，以獲得更低的處理時延和實時反饋。Azure IoT Edge運行于邊緣設備上，但使用與云上的Azure IoT服務相同的編程模型;因此，用戶在開發應用的過程中除對計算能力的考量外，無需考慮邊緣設備上部署環境的差異，可以將在云上原有的應用遷移至邊緣設備上運行。

如圖6所示，Azure IoT Edge由IoT Edge模塊、IoT Edge運行時和IoT Edge云界面組成，前兩者運行在邊緣設備上，后者則是一個在Azure云上提供服務的管理界面。

（1）IoT Edge模塊。IoT Edge模塊對應于用戶的邊緣計算應用程序。一個模塊鏡像即一個Docker鏡像，模塊里包含用戶的應用代碼，而一個模塊實例就是一個運行著對應的模塊鏡像的Docker容器。基于容器技術，IoT Edge具備可擴展性，用戶可動態添加或刪除邊緣計算應用。由于相同的編程模型，Azure機器學習和Azure數據流分析等Azure云服務也可以部署到IoT Edge模塊，此特性便于在網絡邊緣部署復雜的人工智能應用，加快了開發過程。

（2）IoT Edge運行時。IoT Edge運行時由IoT Edge中心和IoT Edge代理2個組件構成，前者負責通信功能，后者負責部署和管理IoT Edge模塊，并監測控制模塊的運行。IoT 中心是在Azure云上的消息管理中心，IoT Edge中心與IoT中心連接并充當其代理。IoT Edge 中心通過MQTT、高級消息隊列協議（AMQP）和HTTPS協議獲取來自傳感器和設備的數據，實現設備接入的功能。此外，IoT Edge中心作為消息中轉站，連接IoT Edge模塊之間的消息通信。IoT Edge代理從IoT Hub接收IoT Edge模塊的部署信息，實例化該模塊，并保證該模塊的正常運行，如對故障模塊進行重啟，并將各模塊的運行狀態報告至IoT中心。

（3）IoT云界面。云界面提供了設備管理的功能。用戶通過云界面進行添加設備，部署應用和監測控制設備等操作，為用戶大規模部署邊緣計算應用提供了方便。

Azure IoT Edge的主要系統特點是有強大的Azure云服務的支持，尤其是人工智能和數據分析服務的支持。Azure IoT Edge具有廣闊的應用領域，除了物聯網場景，原有在云上運行的應用也可以根據需求遷移至網絡邊緣上運行。目前Azure IoT Edge已有智能工廠、智能灌溉系統等使用案例。

5 構建邊緣計算平臺的開源軟件

一些開源軟件能為邊緣計算平臺提供組件功能，具體包括：

（1）網絡管理。開源網絡自動化平臺（ONAP）[11]是一個為物理或虛擬網絡功能的自動化和實時策略驅動化編排提供平臺的開源項目，在邊緣云中可用于定制網絡服務。Linux基金會在2018年將ONAP與其他5個功能類似的開源項目合并成LF Networking Fund[12]項目。ONOS[13]是一個開源網絡操作系統，它提供一個控制平面用于管理網絡組件，運行軟件程序和模塊，并為終端主機提供通信服務。目前，ONAP應用于Akraino Edge Stack項目中，ONOS應用于CORD項目中。

（2）容器技術。Docker作為一個開源的應用容器引擎，被多個邊緣計算平臺使用以提供靈活的應用部署方式。Kubernetes[14]是一個對容器化應用進行自動化部署、擴展和管理的開源項目，可用于邊緣計算平臺中以提供可靠和可擴展的容器編排。

（3）云平臺。OpenStack是一個開源的云計算管理平臺項目，可用于構建邊緣云，管理邊緣云基礎設備的計算、存儲和網絡資源。StarlingX[15]是一個用于構建分布式邊緣云的開源項目，提供一套完整的云基礎架構軟件棧，現應用于Akraino Edge Stack項目中。

（4）人工智能技術。引入人工智能技術是邊緣計算的發展趨勢之一。Acumos 人工智能（AI）[16]是一個用于訓練、部署和共享AI應用程序的開源框架，可用于邊緣云中以提供AI邊緣計算應用的快速開發和部署。Acumos AI目前已用于Akraino Edge Stack項目中。

6 結束語

邊緣計算平臺為基于邊緣計算的應用提供了一種降低延遲、提高數據處理實時性的架構和軟件棧支撐。目前，邊緣計算平臺仍處于快速發展時期，本文中我們對其未來的發展趨勢進行如下分析：

（1）面向特定應用場景的專用性邊緣計算平臺將迅速發展。目前，智能家居、智能工廠和智慧城市都是受關注的應用場景，如何系統化支持這些場景的功能需求是邊緣計算平臺的發展趨勢之一。

（2）邊緣計算平臺的數據安全與隱私保護問題將變得更加突出。邊緣設備相互協作時的數據安全如何保證，邊緣平臺如何避免暴露用戶的位置隱私信息、尤其是邊緣計算設備的計算資源，存儲能力有限，使得邊緣計算平臺的安全防御具有更高的挑戰性。

（3）邊緣計算平臺將結合更多人工智能技術。目前，以深度學習為代表的人工智能技術發展十分迅速，但“智能邊緣”的研究才剛剛起步，未來的邊緣計算平臺將引入人工智能技術，實現邊緣數據的智能處理。

參考文獻

[1] SHI W， CAO J， ZHANG Q， et al. Edge Computing： Vision and Challenges[J]. IEEE Internet of Things Journal， 2016， 3（5）：637-646. DOI： 10.1109/JIOT.2016.2579198

[2] 趙梓銘， 劉芳， 蔡志平， 等. 邊緣計算：平臺、應用與挑戰[J]. 計算機研究與發展， 2018， 55（2）：327-337. DOI： 10.7544/issn1000-1239.2018.20170228

[3] 施巍松，劉芳，孫輝， 等. 邊緣計算[M].北京：科學出版社， 2018：3-6

[4] EdgeX Foundry[EB/OL]. [2018-12-30]. https：//www.edgexfoundry.org

[5] Apache Edgent[EB/OL]. [2018-12-30]. http：//edgent.apache.org

[6] CORD[EB/OL]. [2018-12-30]. https：//www.opennetworking.org/cord/

[7] Akraino Edge Statck[EB/OL]. （2019-02-22）[2018-12-30]. https：//wiki.akraino.org

[8] AWS Greengrass[EB/OL]. [2018-12-30].?https：//aws.amazon.com/greengrass/

[9] Azure IoT Edge[EB/OL]. [2018-12-30]. https：//azure.microsoft.com/zh-cn/services/iot-edge/

[10] 物聯網邊緣計算[EB/OL]. [2018-12-30]. https：//www.aliyun.com/product/iotedge？??spm=5176.cniotedge.loT.7.483f61efVjFy39

[11] ONAP[EB/OL]. [2018-12-30]. https：//www.onap.org/

[12] LF Networking Fund[EB/OL]. [2018-12-30]. https：//www.lfnetworking.org/

[13] ONOS[EB/OL]. [2018-12-30]. https：//onosproject.org/

[14] Kubernetes[EB/OL]. [2018-12-30]. https：//kubernetes.io/

[15] StarlingX[EB/OL]. [2018-12-30]. https：//www.starlingx.io/

[16] Acumos AI[EB/OL]. [2018-12-30]. https：//www.acumos.org/

作者簡介

梁家越，中山大學數據科學與計算機學院在讀碩士研究生;研究方向為邊緣計算。

劉斌，中國科學院電子學研究所在讀博士生;研究方向為邊緣計算。

劉芳，中山大學數據科學與計算機學院副教授;研究方向為計算機系統結構與存儲技術;先后主持和參加國家自然科學基金、科技部重點研發、“863”計劃等項目10余項;獲中山大學“百人計劃”中青年杰出人才，并獲軍隊科技進步二等獎1次;發表論文70余篇，授權國家發明專利10余項。