《邊緣計算第2版》是2021年科學出版社出版的圖書。
基本介紹
- 書名：邊緣計算第2版
- 作者：施巍松,劉芳,孫輝 等
- 出版社：科學出版社
- 出版時間：2021年3月
- 開本：16 開
- ISBN：9787030676474
內容簡介,圖書目錄,
內容簡介
隨著萬物互聯趨勢的不斷深入，數據的增長速度遠遠超過了網路頻寬的增速。同時，智慧型製造、無人駕駛等眾多新型套用的出現，對延遲提出了更高的要求。通過將從數據源到雲計算中心數據路徑之間的任意計算、存儲和網路資源，組成統一的平台為用戶提供服務，邊緣計算作為一種新的計算模式，使數據在源頭附近就能得到及時有效的處理。這種模式不同於雲計算要將所有數據傳輸到數據中心，它繞過了網路頻寬與延遲的瓶頸。在產業界和學術界的合力推動下，邊緣計算正在成為新興萬物互聯套用的主流支撐平台。
本書分別從邊緣計算的需求與意義、邊緣計算基礎、邊緣智慧型、邊緣計算典型套用、邊緣計算系統平台、邊緣計算的挑姜辨射仔戰、邊緣計算資源調度、邊緣計算系統實例以及邊緣計算安全與隱私保護等方乃擊悼拘面對邊緣計算進行了闡辨姜夜述。
本書既可作為高等院校計算機、通信、物聯網兵判提、信息安全、電子機械等相關專業的教學參考書，也可作為從事邊緣計算開發和科研工作人員的參考資料。
圖書目錄
第1章 邊緣計算的需求與意義 1
1.1 什麼是邊緣計算 1
1.2 邊緣計算的產生背景 3
1.3 邊宙燥緣計算的發展歷史 6
1.3.1 分散式資料庫模型 6
1.3.2 對等網路模型 7
1.3.3 內容分發網路模型 8
1.3.4 移動邊緣計算 8
1.3.5 霧計算 9
1.3.6 海雲計算 9
1.3.7 物端計算 10
1.3.8 邊緣計算的發展現狀 10
本章小結 12
參考文獻 12
第2章 邊緣計算基礎 16
2.1 分散式計算 16
2.2 邊緣計算的基本概念 18
2.3 邊緣計算的關鍵技術 20
2.3.1 計算遷移 20
2.3.2 5G通和埋堡信技術 21
2.3.3 新型存儲系統 21
2.3.4 輕量級函式館和核心 22
2.3.5 邊緣計算編程模諒才享型 22
2.4 邊緣計算與雲計算 23
2.4.1 雲計算的概念 23
2.4.2 雲計算特點 24
2.4.3 邊緣計算與雲計算對比 24
2.5 邊緣計算與大數據 26
2.6 邊緣計算的優勢與挑戰 27
本章小結 29
參考文獻 29
第3章 邊緣智慧型 32
3.1 邊緣智慧型的定義 32
3.1.1 背景 32
3.1.2 定義 33
3.2 邊緣智慧型的技術棧 34
3.2.1 邊緣智慧型算法 34
3.2.2 邊緣智慧型編程庫 36
3.2.3 邊緣智慧型數據處理平台 37
3.2.4 邊緣智慧型作業系統 38
3.2.5 邊緣智慧型晶片 39
3.2.6 邊緣智慧型設備 40
3.3 邊緣智慧型中的協同計算 41
3.3.1 邊雲協同 41
3.3.2 邊邊協同 42
3.3.3 邊物協同 43
3.3.4 雲邊物協同 44
3.4 支撐邊緣智慧型的計算框架 44
3.4.1 OpenEI：面向邊緣智慧型的開放數據處理框架 44
3.4.2 NestDNN：動態分配多任務資源的移動端深度學習框架 46
3.4.3 AdaDeep：套用驅動的模型選擇框架 46
3.4.4 DeepCham：自適應移動目標識別框架 46
3.4.5 DDNN：分散式神經網路框架 47
本章小結 47
參考文獻 47
第4章 邊緣計算典型套用 52
4.1 智慧城市 52
4.2 智慧型製造 54
4.3 智慧型交通 55
4.4 智慧型家居 57
4.5 智慧型醫療 59
4.6 面向公共安全的邊緣視頻系統 61
4.7 基於邊緣計算的災難救援 69
4.8 工業網際網路邊緣計算 72
4.8.1 基於工業網際網路邊緣計算的智慧油田系統解決方案 72
4.8.2 基於工業網際網路邊緣計算電網輸變配用一體化解決方案 75
4.8.3 基於工業網際網路邊緣計算的石化智慧型化生產監控與最佳化解決方案 78
4.8.4 面向個性化定製的自適應可重構生產系統 81
本章小結 83
參考文獻 83
第5章 邊緣計算系統平台 87
5.1 面向智慧城市的邊緣計算系統 87
5.1.1 面向智慧城市的邊緣計算系統框架 88
5.1.2 智慧城市中邊緣計算任務遷移及調度 90
5.2 面向智慧型汽車的邊緣計算系統 96
5.2.1 為什麼需要EdgeOSV 96
5.2.2 車載套用的劃分 98
5.2.3 OpenVDAP 100
5.2.4 AC4AV 108
5.2.5 面向智慧型汽車的安全協同計算框架 109
5.3 面向智慧型家居的邊緣計算系統 110
5.3.1 為什麼需要EdgeOSH 110
5.3.2 EdgeOSH架構 111
5.3.3 EdgeOSH的功能性問題 113
5.3.4 面臨的問題 115
5.4 面向個人計算的邊緣計算系統 116
5.4.1 EdgeOSP整體架構 117
5.4.2 EdgeOSP的軟體結構 119
5.4.3 EdgeOSP的典型套用實例 123
5.4.4 面臨的問題 124
5.5 面向協同處理的邊緣計算系統 126
5.5.1 協同平台背景模型 127
5.5.2 協同平台的典型套用舉例 129
5.5.3 面臨的問題 131
本章小結 131
參考文獻 132
第6章 邊緣計算的挑戰 136
6.1 可程式性 136
6.2 程式自動劃分 138
6.3 命名規則 138
6.4 數據抽象 140
6.5 調度策略 140
6.6 服務管理 142
6.7 隱私保護及安全 143
6.8 最佳化指標 143
6.9 軟硬體選型 145
6.10 理論基礎 145
6.11 商業模式 146
6.12 和垂直行業緊密合作 146
6.13 邊緣節點落地問題 148
本章小結 149
參考文獻 149
第7章 邊緣計算資源調度 152
7.1 資源調度概述 152
7.1.1 背景 152
7.1.2 套用場景 154
7.1.3 架構 156
7.1.4 性能指標 160
7.2 資源調度的研究方向 162
7.2.1 卸載決策 162
7.2.2 資源分配 163
7.2.3 資源配置 165
7.3 資源調度的主要技術 166
7.3.1 集中式方法 167
7.3.2 分散式方法 170
7.4 邊緣計算卸載模型 LabC 172
7.4.1 LabC 系統模型 173
7.4.2 LabC 套用案例分析 175
7.4.3 LabC 在車聯網中的實例 178
7.5 基於區塊鏈的邊緣資源分配問題 178
7.5.1 基於區塊鏈的不可篡改性的邊緣資源分配問題 179
7.5.2 基於區塊鏈的去中心化特性的邊緣資源分配問題 180
7.6 基於深度強化學習的VEC協作數據調度 181
7.6.1 系統模型 182
7.6.2 數據快取的多佇列模型 182
7.6.3 基於 MDP 的數據調度分析 184
7.6.4 基於 DQN 的數據協作調度方案 185
7.7 無伺服器邊緣計算中的有效資源配置 185
本章小結 187
參考文獻 188
第8章 邊緣計算系統實例 197
8.1 邊緣計算系統概覽 197
8.2 Cloudlet 216
8.2.1 計算遷移 216
8.2.2 資源發現與選擇 217
8.2.3 動態VM合成 220
8.3 ParaDrop 221
8.3.1 整體架構 222
8.3.2 服務降落傘 223
8.3.3 ParaDrop工作流 224
8.3.4 系統分析 225
8.4 Firework 228
8.4.1 Firework概念 228
8.4.2 整體架構 228
8.4.3 可程式性 229
8.4.4 範例分析 231
8.5 HydraOne 232
8.5.1 計算系統實驗平台概覽 232
8.5.2 系統架構 235
8.5.3 使用實例 237
8.6 邊緣計算開源系統 240
8.6.1 面向物聯網端的邊緣計算開源平台 240
8.6.2 面向邊緣雲服務的邊緣計算開源平台 243
8.6.3 面向雲邊融合的邊緣計算開源平台 246
8.6.4 邊緣計算開源平台對比與選擇 248
本章小結 251
參考文獻 252
第9章 邊緣計算安全與隱私保護 255
9.1 安全概述、基礎和目標 255
9.2 安全威脅及挑戰 257
9.2.1 物理安全 258
9.2.2 網路安全 260
9.2.3 數據安全 262
9.2.4 套用安全 265
9.3 主要安全技術 267
9.3.1 身份認證 267
9.3.2 訪問控制 269
9.3.3 入侵檢測 271
9.3.4 隱私保護 271
9.3.5 可信執行 273
9.3.6 安全多方計算 275
9.3.7 區塊鏈 276
9.4 邊緣計算為物聯網安全帶來的機遇 276
9.4.1 隱私保護 276
9.4.2 態勢感知 277
9.4.3 設備更新 278
9.4.4 安全協定 278
9.5 邊緣計算安全實例 279
9.5.1 邊緣計算的數據保護模型 279
9.5.2 海豚攻擊：聽不見的聲音命令 280
9.5.3 ContexIoT：基於邊緣計算的許可權訪問系統 281
9.5.4 Octopus：基於邊緣計算的物聯網安全認證 282
9.5.5 區塊鏈 邊緣計算：去中心化的IoT認證方案 283
本章小結 285
參考文獻 285
結束語 288
本章小結 29
參考文獻 29
第3章 邊緣智慧型 32
3.1 邊緣智慧型的定義 32
3.1.1 背景 32
3.1.2 定義 33
3.2 邊緣智慧型的技術棧 34
3.2.1 邊緣智慧型算法 34
3.2.2 邊緣智慧型編程庫 36
3.2.3 邊緣智慧型數據處理平台 37
3.2.4 邊緣智慧型作業系統 38
3.2.5 邊緣智慧型晶片 39
3.2.6 邊緣智慧型設備 40
3.3 邊緣智慧型中的協同計算 41
3.3.1 邊雲協同 41
3.3.2 邊邊協同 42
3.3.3 邊物協同 43
3.3.4 雲邊物協同 44
3.4 支撐邊緣智慧型的計算框架 44
3.4.1 OpenEI：面向邊緣智慧型的開放數據處理框架 44
3.4.2 NestDNN：動態分配多任務資源的移動端深度學習框架 46
3.4.3 AdaDeep：套用驅動的模型選擇框架 46
3.4.4 DeepCham：自適應移動目標識別框架 46
3.4.5 DDNN：分散式神經網路框架 47
本章小結 47
參考文獻 47
第4章 邊緣計算典型套用 52
4.1 智慧城市 52
4.2 智慧型製造 54
4.3 智慧型交通 55
4.4 智慧型家居 57
4.5 智慧型醫療 59
4.6 面向公共安全的邊緣視頻系統 61
4.7 基於邊緣計算的災難救援 69
4.8 工業網際網路邊緣計算 72
4.8.1 基於工業網際網路邊緣計算的智慧油田系統解決方案 72
4.8.2 基於工業網際網路邊緣計算電網輸變配用一體化解決方案 75
4.8.3 基於工業網際網路邊緣計算的石化智慧型化生產監控與最佳化解決方案 78
4.8.4 面向個性化定製的自適應可重構生產系統 81
本章小結 83
參考文獻 83
第5章 邊緣計算系統平台 87
5.1 面向智慧城市的邊緣計算系統 87
5.1.1 面向智慧城市的邊緣計算系統框架 88
5.1.2 智慧城市中邊緣計算任務遷移及調度 90
5.2 面向智慧型汽車的邊緣計算系統 96
5.2.1 為什麼需要EdgeOSV 96
5.2.2 車載套用的劃分 98
5.2.3 OpenVDAP 100
5.2.4 AC4AV 108
5.2.5 面向智慧型汽車的安全協同計算框架 109
5.3 面向智慧型家居的邊緣計算系統 110
5.3.1 為什麼需要EdgeOSH 110
5.3.2 EdgeOSH架構 111
5.3.3 EdgeOSH的功能性問題 113
5.3.4 面臨的問題 115
5.4 面向個人計算的邊緣計算系統 116
5.4.1 EdgeOSP整體架構 117
5.4.2 EdgeOSP的軟體結構 119
5.4.3 EdgeOSP的典型套用實例 123
5.4.4 面臨的問題 124
5.5 面向協同處理的邊緣計算系統 126
5.5.1 協同平台背景模型 127
5.5.2 協同平台的典型套用舉例 129
5.5.3 面臨的問題 131
本章小結 131
參考文獻 132
第6章 邊緣計算的挑戰 136
6.1 可程式性 136
6.2 程式自動劃分 138
6.3 命名規則 138
6.4 數據抽象 140
6.5 調度策略 140
6.6 服務管理 142
6.7 隱私保護及安全 143
6.8 最佳化指標 143
6.9 軟硬體選型 145
6.10 理論基礎 145
6.11 商業模式 146
6.12 和垂直行業緊密合作 146
6.13 邊緣節點落地問題 148
本章小結 149
參考文獻 149
第7章 邊緣計算資源調度 152
7.1 資源調度概述 152
7.1.1 背景 152
7.1.2 套用場景 154
7.1.3 架構 156
7.1.4 性能指標 160
7.2 資源調度的研究方向 162
7.2.1 卸載決策 162
7.2.2 資源分配 163
7.2.3 資源配置 165
7.3 資源調度的主要技術 166
7.3.1 集中式方法 167
7.3.2 分散式方法 170
7.4 邊緣計算卸載模型 LabC 172
7.4.1 LabC 系統模型 173
7.4.2 LabC 套用案例分析 175
7.4.3 LabC 在車聯網中的實例 178
7.5 基於區塊鏈的邊緣資源分配問題 178
7.5.1 基於區塊鏈的不可篡改性的邊緣資源分配問題 179
7.5.2 基於區塊鏈的去中心化特性的邊緣資源分配問題 180
7.6 基於深度強化學習的VEC協作數據調度 181
7.6.1 系統模型 182
7.6.2 數據快取的多佇列模型 182
7.6.3 基於 MDP 的數據調度分析 184
7.6.4 基於 DQN 的數據協作調度方案 185
7.7 無伺服器邊緣計算中的有效資源配置 185
本章小結 187
參考文獻 188
第8章 邊緣計算系統實例 197
8.1 邊緣計算系統概覽 197
8.2 Cloudlet 216
8.2.1 計算遷移 216
8.2.2 資源發現與選擇 217
8.2.3 動態VM合成 220
8.3 ParaDrop 221
8.3.1 整體架構 222
8.3.2 服務降落傘 223
8.3.3 ParaDrop工作流 224
8.3.4 系統分析 225
8.4 Firework 228
8.4.1 Firework概念 228
8.4.2 整體架構 228
8.4.3 可程式性 229
8.4.4 範例分析 231
8.5 HydraOne 232
8.5.1 計算系統實驗平台概覽 232
8.5.2 系統架構 235
8.5.3 使用實例 237
8.6 邊緣計算開源系統 240
8.6.1 面向物聯網端的邊緣計算開源平台 240
8.6.2 面向邊緣雲服務的邊緣計算開源平台 243
8.6.3 面向雲邊融合的邊緣計算開源平台 246
8.6.4 邊緣計算開源平台對比與選擇 248
本章小結 251
參考文獻 252
第9章 邊緣計算安全與隱私保護 255
9.1 安全概述、基礎和目標 255
9.2 安全威脅及挑戰 257
9.2.1 物理安全 258
9.2.2 網路安全 260
9.2.3 數據安全 262
9.2.4 套用安全 265
9.3 主要安全技術 267
9.3.1 身份認證 267
9.3.2 訪問控制 269
9.3.3 入侵檢測 271
9.3.4 隱私保護 271
9.3.5 可信執行 273
9.3.6 安全多方計算 275
9.3.7 區塊鏈 276
9.4 邊緣計算為物聯網安全帶來的機遇 276
9.4.1 隱私保護 276
9.4.2 態勢感知 277
9.4.3 設備更新 278
9.4.4 安全協定 278
9.5 邊緣計算安全實例 279
9.5.1 邊緣計算的數據保護模型 279
9.5.2 海豚攻擊：聽不見的聲音命令 280
9.5.3 ContexIoT：基於邊緣計算的許可權訪問系統 281
9.5.4 Octopus：基於邊緣計算的物聯網安全認證 282
9.5.5 區塊鏈 邊緣計算：去中心化的IoT認證方案 283
本章小結 285
參考文獻 285
結束語 288
