[论文解读] Towards Enabling Novel Edge-Enabled Applications

João Leitão, Pedro Ákos Costa+2 more|arXiv (Cornell University)|May 17, 2018

Cloud Computing and Resource Management参考文献 50被引用 8

一句话总结

本文提出了一项研究议程，旨在通过混合云/边缘架构，利用现有异构边缘资源（超越传统物联网聚焦模型），推动新型以用户为中心的应用。它识别出计算卸载、动态数据复制、去中心化自治管理及安全方面的关键挑战，倡导设计新型系统，以支持可扩展、安全且智能的原生边缘应用，同时实现最小运行时开销和强一致性保证。

ABSTRACT

Edge computing has emerged as a distributed computing paradigm to overcome practical scalability limits of cloud computing. The main principle of edge computing is to leverage on computational resources outside of the cloud for performing computations closer to data sources, avoiding unnecessary data transfers to the cloud and enabling faster responses for clients. While this paradigm has been successfully employed to improve response times in some contexts, mostly by having clients perform pre-processing and/or filtering of data, or by leveraging on distributed caching infrastructures, we argue that the combination of edge and cloud computing has the potential to enable novel applications. However, to do so, some significant research challenges have to be tackled by the computer science community. In this paper, we discuss different edge resources and their potential use, motivated by envisioned use cases. We then discuss concrete research challenges that are in the critical path towards realizing our edge vision. We conclude by proposing a research agenda to allow the full exploitation of the potential for the emerging hybrid cloud/edge paradigm.

研究动机与目标

• 识别并表征现有异构边缘资源的完整范围，超越专用物联网基础设施。
• 解决当前边缘计算模型（如雾计算、薄雾计算）过度聚焦物联网且依赖硬件的局限性。
• 支持新型以用户为中心、可交互的应用，动态利用广泛分布环境中的边缘资源。
• 克服大规模数据管理与系统运行中的可扩展性与一致性瓶颈。
• 开发用于管理大规模异构边缘部署的去中心化、自治化与安全机制。

提出的方法

• 提出一种混合云/边缘架构愿景，能够动态编排跨多样化边缘组件（包括客户端设备、网络节点和边缘服务器）的应用。
• 提出计算工作负载的分类体系——特别是过滤、聚合与摘要操作——作为边缘感知应用设计的基本构建模块。
• 倡导采用可扩展至数千个边缘副本的动态部分数据复制机制，并保证因果一致性。
• 推广去中心化、分层的自治控制系统，以减少对集中式监控与编排的依赖。
• 建议在去中心化边缘环境中集成机器学习，以实现智能的本地化部署与配置决策。
• 建议利用可信硬件和先进密码技术（如可搜索对称加密、同态加密）实现端到端数据保护与可验证计算。

实验结果

研究问题

• RQ1 如何系统性地组合现有异构边缘资源，以支持超越传统物联网用例的新型以用户为中心的应用？
• RQ2 哪些基本计算模式（如过滤、聚合）可高效卸载至边缘，且如何对其进行分类以实现自动化部署？
• RQ3 如何实现数据复制的可扩展性，以支持大量小型边缘副本，同时保持一致性与性能？
• RQ4 需要何种去中心化与分层的自治管理机制，以可持续地运行大规模边缘应用？
• RQ5 哪些密码学与可信硬件机制可确保在不可信且分布式的边缘环境中数据的机密性、完整性与可验证性？

主要发现

• 现有边缘计算模型（如雾计算、薄雾计算）因过度聚焦物联网且依赖硬件，不足以支持通用型以用户为中心的应用。
• 过滤与聚合是可高效卸载至边缘的基本且可区分的计算模式，可实现低延迟处理。
• 部分复制结合因果一致性是边缘环境中可扩展数据管理的可行基础，现有关于因果+一致性的研究提供了坚实起点。
• 去中心化自治系统对于管理未来边缘应用的规模与异构性至关重要，可显著减轻运维人员的负担。
• 先进密码学与可信硬件是确保在不可信边缘节点间数据安全与可验证性所必需的，且不会牺牲性能。
• 在边缘系统中集成机器学习以实现去中心化决策仍是一个开放挑战，需进一步研究以实现模型训练与推理的去中心化。