- 科学出版社
- 9787030676474
- 2版
- 402859
- 49252485-5
- 平装
- 16开
- 2021-03
- 430
- 300
- 工学
- 计算机科学与技术
- 计算机类
- 本科
内容简介
随着万物互联趋势的不断深入，数据的增长速度远远超过了网络带宽的增速。同时，智能制造、无人驾驶等众多新型应用的出现，对延迟提出了更高的要求。通过将从数据源到云计算中心数据路径之间的任意计算、存储和网络资源，组成统一的平台为用户提供服务，边缘计算作为一种新的计算模式，使数据在源头附近就能得到及时有效的处理。这种模式不同于云计算要将所有数据传输到数据中心，它绕过了网络带宽与延迟的瓶颈。在产业界和学术界的合力推动下，边缘计算正在成为新兴万物互联应用的主流支撑平台。本书分别从边缘计算的需求与意义、边缘计算基础、边缘智能、边缘计算典型应用、边缘计算系统平台、边缘计算的挑战、边缘计算资源调度、边缘计算系统实例以及边缘计算安全与隐私保护等方面对边缘计算进行了阐述。本书既可作为高等院校计算机、通信、物联网、信息安全、电子机械等相关专业的教学参考书，也可作为从事边缘计算开发和科研工作人员的参考资料。
目录
第1章 边缘计算的需求与意义1
1.1 什么是边缘计算1
1.2 边缘计算的产生背景3
1.3 边缘计算的发展历史6
1.3.1 分布式数据库模型6
1.3.2 对等网络模型7
1.3.3 内容分发网络模型8
1.3.4 移动边缘计算8
1.3.5 雾计算9
1.3.6 海云计算9
1.3.7 物端计算10
1.3.8 边缘计算的发展现状10
本章小结12
参考文献12
第2章 边缘计算基础16
2.1 分布式计算16
2.2 边缘计算的基本概念18
2.3 边缘计算的关键技术20
2.3.1 计算迁移20
2.3.2 5G通信技术21
2.3.3 新型存储系统21
2.3.4 轻量级函数库和内核22
2.3.5 边缘计算编程模型22
2.4 边缘计算与云计算23
2.4.1 云计算的概念23
2.4.2 云计算特点24
2.4.3 边缘计算与云计算对比24
2.5 边缘计算与大数据26
2.6 边缘计算的优势与挑战27
本章小结29
参考文献29
第3章 边缘智能32
3.1 边缘智能的定义32
3.1.1 背景32
3.1.2 定义33
3.2 边缘智能的技术栈34
3.2.1 边缘智能算法34
3.2.2 边缘智能编程库36
3.2.3 边缘智能数据处理平台37
3.2.4 边缘智能操作系统38
3.2.5 边缘智能芯片39
3.2.6 边缘智能设备40
3.3 边缘智能中的协同计算41
3.3.1 边云协同41
3.3.2 边边协同42
3.3.3 边物协同43
3.3.4 云边物协同44
3.4 支撑边缘智能的计算框架44
3.4.1 OpenEI：面向边缘智能的开放数据处理框架44
3.4.2 NestDNN：动态分配多任务资源的移动端深度学习框架46
3.4.3 AdaDeep：应用驱动的模型选择框架46
3.4.4 DeepCham：自适应移动目标识别框架46
3.4.5 DDNN：分布式神经网络框架47
本章小结47
参考文献47
第4章 边缘计算典型应用52
4.1 智慧城市52
4.2 智能制造54
4.3 智能交通55
4.4 智能家居57
4.5 智能医疗59
4.6 面向公共安全的边缘视频系统61
4.7 基于边缘计算的灾难救援69
4.8 工业互联网边缘计算72
4.8.1 基于工业互联网边缘计算的智慧油田系统解决方案72
4.8.2 基于工业互联网边缘计算电网输变配用一体化解决方案75
4.8.3 基于工业互联网边缘计算的石化智能化生产监控与优化解决方案78
4.8.4 面向个性化定制的自适应可重构生产系统81
本章小结83
参考文献83
第5章 边缘计算系统平台87
5.1 面向智慧城市的边缘计算系统87
5.1.1 面向智慧城市的边缘计算系统框架88
5.1.2 智慧城市中边缘计算任务迁移及调度90
5.2 面向智能汽车的边缘计算系统96
5.2.1 为什么需要EdgeOSV96
5.2.2 车载应用的划分98
5.2.3 OpenVDAP100
5.2.4 AC4AV108
5.2.5 面向智能汽车的安全协同计算框架109
5.3 面向智能家居的边缘计算系统110
5.3.1 为什么需要EdgeOSH110
5.3.2 EdgeOSH架构111
5.3.3 EdgeOSH的功能性问题113
5.3.4 面临的问题115
5.4 面向个人计算的边缘计算系统116
5.4.1 EdgeOSP整体架构117
5.4.2 EdgeOSP的软件结构119
5.4.3 EdgeOSP的典型应用实例123
5.4.4 面临的问题124
5.5 面向协同处理的边缘计算系统126
5.5.1 协同平台背景模型127
5.5.2 协同平台的典型应用举例129
5.5.3 面临的问题131
本章小结131
参考文献132
第6章 边缘计算的挑战136
6.1 可编程性136
6.2 程序自动划分138
6.3 命名规则138
6.4 数据抽象140
6.5 调度策略140
6.6 服务管理142
6.7 隐私保护及安全143
6.8 优化指标143
6.9 软硬件选型145
6.10 理论基础145
6.11 商业模式146
6.12 和垂直行业紧密合作146
6.13 边缘节点落地问题148
本章小结149
参考文献149
第7章 边缘计算资源调度152
7.1 资源调度概述152
7.1.1 背景152
7.1.2 应用场景154
7.1.3 架构156
7.1.4 性能指标160
7.2 资源调度的研究方向162
7.2.1 卸载决策162
7.2.2 资源分配163
7.2.3 资源配置165
7.3 资源调度的主要技术166
7.3.1 集中式方法167
7.3.2 分布式方法170
7.4 边缘计算卸载模型 La
C172
7.4.1 La
C 系统模型173
7.4.2 La
C 应用案例分析175
7.4.3 La
C 在车联网中的实例178
7.5 基于区块链的边缘资源分配问题178
7.5.1 基于区块链的不可篡改性的边缘资源分配问题179
7.5.2 基于区块链的去中心化特性的边缘资源分配问题180
7.6 基于深度强化学习的VEC协作数据调度181
7.6.1 系统模型182
7.6.2 数据缓存的多队列模型182
7.6.3 基于 MDP 的数据调度分析184
7.6.4 基于 DQN 的数据协作调度方案185
7.7 无服务器边缘计算中的有效资源配置185
本章小结187
参考文献188
第8章 边缘计算系统实例197
8.1 边缘计算系统概览197
8.2 Cloudlet216
8.2.1 计算迁移216
8.2.2 资源发现与选择217
8.2.3 动态VM合成220
8.3 Pa
aD
op221
8.3.1 整体架构222
8.3.2 服务降落伞223
8.3.3 Pa
aD
op工作流224
8.3.4 系统分析225
8.4 Fi
ewo
k228
8.4.1 Fi
ewo
k概念228
8.4.2 整体架构228
8.4.3 可编程性229
8.4.4 范例分析231
8.5 Hyd
aOne232
8.5.1 计算系统实验平台概览232
8.5.2 系统架构235
8.5.3 使用实例237
8.6 边缘计算开源系统240
8.6.1 面向物联网端的边缘计算开源平台240
8.6.2 面向边缘云服务的边缘计算开源平台243
8.6.3 面向云边融合的边缘计算开源平台246
8.6.4 边缘计算开源平台对比与选择248
本章小结251
参考文献252
第9章 边缘计算安全与隐私保护255
9.1 安全概述、基础和目标255
9.2 安全威胁及挑战257
9.2.1 物理安全258
9.2.2 网络安全260
9.2.3 数据安全262
9.2.4 应用安全265
9.3 主要安全技术267
9.3.1 身份认证267
9.3.2 访问控制269
9.3.3 入侵检测271
9.3.4 隐私保护271
9.3.5 可信执行273
9.3.6 安全多方计算275
9.3.7 区块链276
9.4 边缘计算为物联网安全带来的机遇276
9.4.1 隐私保护276
9.4.2 态势感知277
9.4.3 设备更新278
9.4.4 安全协议278
9.5 边缘计算安全实例279
9.5.1 边缘计算的数据保护模型279
9.5.2 海豚攻击：听不见的声音命令280
9.5.3 ContexIoT：基于边缘计算的权限访问系统281
9.5.4 Octopus：基于边缘计算的物联网安全认证282
9.5.5 区块链+边缘计算：去中心化的IoT认证方案283
本章小结285
参考文献285
结束语288
1.1 什么是边缘计算1
1.2 边缘计算的产生背景3
1.3 边缘计算的发展历史6
1.3.1 分布式数据库模型6
1.3.2 对等网络模型7
1.3.3 内容分发网络模型8
1.3.4 移动边缘计算8
1.3.5 雾计算9
1.3.6 海云计算9
1.3.7 物端计算10
1.3.8 边缘计算的发展现状10
本章小结12
参考文献12
第2章 边缘计算基础16
2.1 分布式计算16
2.2 边缘计算的基本概念18
2.3 边缘计算的关键技术20
2.3.1 计算迁移20
2.3.2 5G通信技术21
2.3.3 新型存储系统21
2.3.4 轻量级函数库和内核22
2.3.5 边缘计算编程模型22
2.4 边缘计算与云计算23
2.4.1 云计算的概念23
2.4.2 云计算特点24
2.4.3 边缘计算与云计算对比24
2.5 边缘计算与大数据26
2.6 边缘计算的优势与挑战27
本章小结29
参考文献29
第3章 边缘智能32
3.1 边缘智能的定义32
3.1.1 背景32
3.1.2 定义33
3.2 边缘智能的技术栈34
3.2.1 边缘智能算法34
3.2.2 边缘智能编程库36
3.2.3 边缘智能数据处理平台37
3.2.4 边缘智能操作系统38
3.2.5 边缘智能芯片39
3.2.6 边缘智能设备40
3.3 边缘智能中的协同计算41
3.3.1 边云协同41
3.3.2 边边协同42
3.3.3 边物协同43
3.3.4 云边物协同44
3.4 支撑边缘智能的计算框架44
3.4.1 OpenEI：面向边缘智能的开放数据处理框架44
3.4.2 NestDNN：动态分配多任务资源的移动端深度学习框架46
3.4.3 AdaDeep：应用驱动的模型选择框架46
3.4.4 DeepCham：自适应移动目标识别框架46
3.4.5 DDNN：分布式神经网络框架47
本章小结47
参考文献47
第4章 边缘计算典型应用52
4.1 智慧城市52
4.2 智能制造54
4.3 智能交通55
4.4 智能家居57
4.5 智能医疗59
4.6 面向公共安全的边缘视频系统61
4.7 基于边缘计算的灾难救援69
4.8 工业互联网边缘计算72
4.8.1 基于工业互联网边缘计算的智慧油田系统解决方案72
4.8.2 基于工业互联网边缘计算电网输变配用一体化解决方案75
4.8.3 基于工业互联网边缘计算的石化智能化生产监控与优化解决方案78
4.8.4 面向个性化定制的自适应可重构生产系统81
本章小结83
参考文献83
第5章 边缘计算系统平台87
5.1 面向智慧城市的边缘计算系统87
5.1.1 面向智慧城市的边缘计算系统框架88
5.1.2 智慧城市中边缘计算任务迁移及调度90
5.2 面向智能汽车的边缘计算系统96
5.2.1 为什么需要EdgeOSV96
5.2.2 车载应用的划分98
5.2.3 OpenVDAP100
5.2.4 AC4AV108
5.2.5 面向智能汽车的安全协同计算框架109
5.3 面向智能家居的边缘计算系统110
5.3.1 为什么需要EdgeOSH110
5.3.2 EdgeOSH架构111
5.3.3 EdgeOSH的功能性问题113
5.3.4 面临的问题115
5.4 面向个人计算的边缘计算系统116
5.4.1 EdgeOSP整体架构117
5.4.2 EdgeOSP的软件结构119
5.4.3 EdgeOSP的典型应用实例123
5.4.4 面临的问题124
5.5 面向协同处理的边缘计算系统126
5.5.1 协同平台背景模型127
5.5.2 协同平台的典型应用举例129
5.5.3 面临的问题131
本章小结131
参考文献132
第6章 边缘计算的挑战136
6.1 可编程性136
6.2 程序自动划分138
6.3 命名规则138
6.4 数据抽象140
6.5 调度策略140
6.6 服务管理142
6.7 隐私保护及安全143
6.8 优化指标143
6.9 软硬件选型145
6.10 理论基础145
6.11 商业模式146
6.12 和垂直行业紧密合作146
6.13 边缘节点落地问题148
本章小结149
参考文献149
第7章 边缘计算资源调度152
7.1 资源调度概述152
7.1.1 背景152
7.1.2 应用场景154
7.1.3 架构156
7.1.4 性能指标160
7.2 资源调度的研究方向162
7.2.1 卸载决策162
7.2.2 资源分配163
7.2.3 资源配置165
7.3 资源调度的主要技术166
7.3.1 集中式方法167
7.3.2 分布式方法170
7.4 边缘计算卸载模型 La
C172
7.4.1 La
C 系统模型173
7.4.2 La
C 应用案例分析175
7.4.3 La
C 在车联网中的实例178
7.5 基于区块链的边缘资源分配问题178
7.5.1 基于区块链的不可篡改性的边缘资源分配问题179
7.5.2 基于区块链的去中心化特性的边缘资源分配问题180
7.6 基于深度强化学习的VEC协作数据调度181
7.6.1 系统模型182
7.6.2 数据缓存的多队列模型182
7.6.3 基于 MDP 的数据调度分析184
7.6.4 基于 DQN 的数据协作调度方案185
7.7 无服务器边缘计算中的有效资源配置185
本章小结187
参考文献188
第8章 边缘计算系统实例197
8.1 边缘计算系统概览197
8.2 Cloudlet216
8.2.1 计算迁移216
8.2.2 资源发现与选择217
8.2.3 动态VM合成220
8.3 Pa
aD
op221
8.3.1 整体架构222
8.3.2 服务降落伞223
8.3.3 Pa
aD
op工作流224
8.3.4 系统分析225
8.4 Fi
ewo
k228
8.4.1 Fi
ewo
k概念228
8.4.2 整体架构228
8.4.3 可编程性229
8.4.4 范例分析231
8.5 Hyd
aOne232
8.5.1 计算系统实验平台概览232
8.5.2 系统架构235
8.5.3 使用实例237
8.6 边缘计算开源系统240
8.6.1 面向物联网端的边缘计算开源平台240
8.6.2 面向边缘云服务的边缘计算开源平台243
8.6.3 面向云边融合的边缘计算开源平台246
8.6.4 边缘计算开源平台对比与选择248
本章小结251
参考文献252
第9章 边缘计算安全与隐私保护255
9.1 安全概述、基础和目标255
9.2 安全威胁及挑战257
9.2.1 物理安全258
9.2.2 网络安全260
9.2.3 数据安全262
9.2.4 应用安全265
9.3 主要安全技术267
9.3.1 身份认证267
9.3.2 访问控制269
9.3.3 入侵检测271
9.3.4 隐私保护271
9.3.5 可信执行273
9.3.6 安全多方计算275
9.3.7 区块链276
9.4 边缘计算为物联网安全带来的机遇276
9.4.1 隐私保护276
9.4.2 态势感知277
9.4.3 设备更新278
9.4.4 安全协议278
9.5 边缘计算安全实例279
9.5.1 边缘计算的数据保护模型279
9.5.2 海豚攻击：听不见的声音命令280
9.5.3 ContexIoT：基于边缘计算的权限访问系统281
9.5.4 Octopus：基于边缘计算的物联网安全认证282
9.5.5 区块链+边缘计算：去中心化的IoT认证方案283
本章小结285
参考文献285
结束语288
