李 波，侯 鵬，牛 力，武 浩，丁洪偉

(云南大學信息學院，云南 昆明 650500)

1 引言

隨著5G和物聯(lián)網(wǎng)時代的到來，海量數(shù)據(jù)的產(chǎn)生與任務計算對現(xiàn)有網(wǎng)絡(luò)將會產(chǎn)生極大的沖擊[1]?；贗nternet的云計算雖然提供了對虛擬共享的可配置計算和存儲資源的廣泛訪問和按需訪問，是處理海量數(shù)據(jù)與計算任務的絕佳平臺，但是對于5G時代的諸如在線游戲、虛擬現(xiàn)實和超高清視頻流等高速訪問超低延時的應用和海量終端互聯(lián)來說，云計算是無法滿足其要求的[2]。與此同時，下一代互聯(lián)網(wǎng)的關(guān)鍵特征之一是信息越來越多地在本地生成并在本地消費[3]，且大量的邊緣設(shè)備存在可用計算和存儲資源。因此，為應對云計算存在的挑戰(zhàn)、網(wǎng)絡(luò)壓力和提升用戶體驗滿足業(yè)務需求，業(yè)界提出將云計算平臺遷移至網(wǎng)絡(luò)邊緣，即邊緣計算，發(fā)掘網(wǎng)絡(luò)的內(nèi)在能力在數(shù)據(jù)源附近提供邊緣服務，以滿足在敏捷連接性、實時優(yōu)化、智能應用、安全性和隱私性方面的關(guān)鍵要求[4]。

當前絕大多數(shù)的研究都將云計算和邊緣計算隔離開來，分別致力于云計算[5,6]和邊緣計算[7-9]的架構(gòu)和系統(tǒng)分析優(yōu)化層面，較少關(guān)注云計算和邊緣計算之間的協(xié)同問題。近年來物聯(lián)網(wǎng)和5G通信的發(fā)展讓大家開始關(guān)注到云計算和邊緣計算各自存在的優(yōu)勢與劣勢，并開始思考二者優(yōu)勢互補的價值所在，即云邊協(xié)同[10-15]。通過將網(wǎng)絡(luò)轉(zhuǎn)發(fā)、存儲、計算、智能化數(shù)據(jù)分析等工作放在邊緣處理[16]，將超大規(guī)模計算、存儲和非時延敏感等任務放在云端，云計算與邊緣計算的相互配合實現(xiàn)云邊協(xié)同、全網(wǎng)算力調(diào)度和全網(wǎng)統(tǒng)一管控等能力，真正實現(xiàn)無處不在的云[17]。

實現(xiàn)云邊協(xié)同不僅需要對云邊協(xié)同網(wǎng)絡(luò)中的各類資源進行統(tǒng)一的調(diào)度管理，在業(yè)務編排與服務調(diào)度等方面也需要實現(xiàn)集中控制和靈活管理，因此云邊協(xié)同的最大挑戰(zhàn)在于基于云計算技術(shù)核心和邊緣計算能力，構(gòu)筑在基礎(chǔ)設(shè)施之上的集中控制管理平臺，形成云邊端三體聯(lián)動計算服務架構(gòu)。該平臺是基于虛擬化實現(xiàn)的，不僅需要考慮云邊網(wǎng)絡(luò)中的各類資源(如通信、計算和存儲)的有效協(xié)調(diào)，而且還需要具備全局的控制和開放性，因此靈活開放可編程的軟件定義網(wǎng)絡(luò)SDN(Software Defined Network)和網(wǎng)絡(luò)功能虛擬化NFV(Network Functions Virtualization)網(wǎng)絡(luò)架構(gòu)被認為是解決當前云計算[18-21]和邊緣計算[22,23]協(xié)同問題的有效方法。SDN網(wǎng)絡(luò)所具備的轉(zhuǎn)控分離、集中控制和開放接口等特性能夠滿足云邊協(xié)同環(huán)境中對安全性、虛擬化、可管理性、移動性和敏捷性的同時需求，可以通過SDN來實現(xiàn)新服務的提供和動態(tài)IT基礎(chǔ)架構(gòu)中可靠的應用程序交付。

雖然針對SDN和云邊協(xié)同之間的研究取得了一定的成果，但是該研究方向還處在初期階段，基于SDN的云邊協(xié)同的協(xié)同定義、系統(tǒng)解決方案、系統(tǒng)架構(gòu)等方面缺乏相關(guān)的梳理和詳細的介紹，也沒有詳細說明SDN與云邊協(xié)同面臨的問題與挑戰(zhàn)。因此，從當前已有成果中總結(jié)出系統(tǒng)的基于SDN的云邊協(xié)同網(wǎng)絡(luò)，為未來研究提供理論基礎(chǔ)和研究方向具有重要意義。本文首先結(jié)合云計算和邊緣計算中各自存在的優(yōu)勢和不足給出了云邊協(xié)同的具體內(nèi)涵、應用場景和應用挑戰(zhàn)。針對云邊協(xié)同體系中存在的挑戰(zhàn)，給出了基于SDN的云邊協(xié)同體系結(jié)構(gòu)，并對該體系結(jié)構(gòu)做了詳細的分析，顯示了該體系結(jié)構(gòu)的可行性與價值?；赟DN的云邊協(xié)同體系結(jié)構(gòu)具備的集中協(xié)同控制能力能夠應對云邊協(xié)同場景中不同類型的挑戰(zhàn)，實現(xiàn)真正的云邊協(xié)同。

2 云邊協(xié)同

2.1 云邊協(xié)同的必要性

云計算技術(shù)以廉價且大量的計算服務器提供了強大的計算能力，可以為用戶和應用提供按需訪問的豐富計算資源和存儲資源。但是，云計算中心通常距離用戶和終端較遠，導致計算任務傳輸時間過長，并且如果將海量終端的數(shù)據(jù)都傳輸至云計算中心必將造成核心網(wǎng)擁塞，極大地浪費了通信資源。因此，云計算并不適合要求低時延、實時操作和高QoS的應用，并且無法支持無縫移動和無處不在的計算覆蓋，數(shù)據(jù)安全性和用戶的隱私也不能得到有效保障。

另一方面，雖然邊緣計算將云計算功能擴展到了網(wǎng)絡(luò)邊緣，更加接近終端用戶且地理位置分散，可以支持低時延、位置感知、高移動性和高QoS的應用服務。但是，邊緣計算單元通常沒有充足的計算資源和存儲資源來滿足海量數(shù)據(jù)的計算和存儲，并且由于邊緣節(jié)點的低功耗、異構(gòu)性和功能薄弱單一等約束，服務的質(zhì)量與可靠性還會受到影響[24]。

表1從不同的角度總結(jié)了云計算和邊緣計算的特點和二者的差異[3]。

Table 1 Comparison of edge computing and cloud computing

從表1可以看出云計算和邊緣計算是各有優(yōu)勢的，云計算的主要優(yōu)勢是海量計算和海量存儲、計算效率高、廣域覆蓋，適合計算密集型、非實時性的計算任務和海量數(shù)據(jù)的并行計算與存儲，能夠在長周期維護、業(yè)務決策支撐等領(lǐng)域發(fā)揮優(yōu)勢，并且計算硬件都集中在云計算中心，實行集中式的管理，因此無需在本地維護計算硬件、數(shù)據(jù)存儲和相關(guān)軟件。邊緣計算的主要優(yōu)勢是廣泛分布的邊緣節(jié)點提供了實時的數(shù)據(jù)處理，邊緣計算的過程是一個以用戶和應用為中心的過程，彌補了云計算中時延和移動性的缺陷，適合非計算密集型、實時性、移動性數(shù)據(jù)的處理分析和實時智能化決策，并且作為一種新的網(wǎng)絡(luò)范式能夠滿足5G時代計算需求的空前增長和用戶體驗質(zhì)量的不斷提高，數(shù)據(jù)的本地化處理相較于云端也更安全。但是，邊緣平臺的處理性能通常不如云平臺[25]，它通常沒有足夠的內(nèi)存和處理器來處理大量數(shù)據(jù)，因此無法執(zhí)行復雜的操作，例如深度學習[26,27]。

綜上，云計算和邊緣計算作為2種典型的計算范式各有所長又各有所短，單獨依靠云計算或是邊緣計算都不足以實現(xiàn)物聯(lián)網(wǎng)和5G通信愿景。迫切需要研究合適的網(wǎng)絡(luò)架構(gòu)和控制機制充分發(fā)揮云計算和邊緣計算的優(yōu)勢，實現(xiàn)計算的協(xié)同。例如增強現(xiàn)實AR(Augmented Reality)應用中應用程序高度本地化，需要低延遲和密集的數(shù)據(jù)處理，輸入數(shù)據(jù)(如聲音、視頻、圖形或GPS數(shù)據(jù))傳輸至距離較近的邊緣服務器，由邊緣服務器準確地分析輸入數(shù)據(jù)以區(qū)分所請求內(nèi)容，并將AR數(shù)據(jù)發(fā)送回最終用戶，集中的AR數(shù)據(jù)緩存和計算由遠程的云服務器提供。

2.2 云邊協(xié)同的內(nèi)涵

云邊協(xié)同即實現(xiàn)邊緣計算與云計算的協(xié)同聯(lián)動，共同釋放數(shù)據(jù)價值。傳統(tǒng)的云邊協(xié)同方式主要是當終端設(shè)備產(chǎn)生數(shù)據(jù)或任務請求后，通過邊緣網(wǎng)絡(luò)將數(shù)據(jù)上傳至邊緣服務器，由位于邊緣計算中心的邊緣服務器執(zhí)行計算任務。計算量較大、復雜度較高的計算任務將由邊緣計算中心向上通過核心網(wǎng)遷移至云計算中心，待云計算中心完成大數(shù)據(jù)分析后再將結(jié)果和數(shù)據(jù)存儲至云計算中心或?qū)⒂嬎憬Y(jié)果、優(yōu)化輸出的業(yè)務規(guī)則、模型通過核心網(wǎng)下發(fā)至邊緣計算中心，由邊緣計算中心向下通過邊緣網(wǎng)絡(luò)將計算結(jié)果傳輸至終端設(shè)備，邊緣根據(jù)云計算下發(fā)的新業(yè)務規(guī)則進行業(yè)務執(zhí)行優(yōu)化處理，由此實現(xiàn)云邊協(xié)同，如圖 1所示[28]。

Figure 1 Cloud-edge collaborative

綜合現(xiàn)有文獻的研究結(jié)果，云邊協(xié)同的能力與內(nèi)涵體現(xiàn)在基礎(chǔ)設(shè)施即服務IaaS(Infrastructure-as-a-Service)、平臺即服務PaaS(Platform-as-a-Service)和軟件即服務SaaS(Software-as-a-Service)3個層面，實現(xiàn)資源、管理和應用服務3個領(lǐng)域的全面協(xié)同,如圖 2所示[29]。

Figure 2 Ability and connotation of cloud-edge collaboration

(1)資源協(xié)同：EC-IaaS(Edge Computing-IaaS)與云端IaaS主要是對網(wǎng)絡(luò)底層基礎(chǔ)設(shè)施和各類資源的協(xié)同(包括計算、存儲、網(wǎng)絡(luò)和虛擬化資源)；

(2)管理協(xié)同：EC-PaaS(Edge Computing-PaaS)與云端PaaS主要是邊緣側(cè)和云端側(cè)計算平臺服務中的數(shù)據(jù)分析、業(yè)務編排、應用部署和開放等的協(xié)同，可實現(xiàn)數(shù)據(jù)、智能、應用管理和業(yè)務管理協(xié)同；

(3)應用服務協(xié)同：EC-SaaS(Edge Computing-SaaS)與云端SaaS主要是用戶應用層面的服務質(zhì)量、服務能效等的協(xié)同，可實現(xiàn)應用服務協(xié)同。

表2列出了詳細的云邊協(xié)同領(lǐng)域、內(nèi)容和具體的協(xié)同操作。云邊協(xié)同涉及7個方面的協(xié)同內(nèi)容，但并非任何一個場景中都涉及到所有的云邊協(xié)同內(nèi)容。在不同的應用場景中，云計算和邊緣計算之間的協(xié)同內(nèi)容是有所差異的，具體的協(xié)同內(nèi)容需要根據(jù)具體的應用具體分析，而且針對其中的某一種協(xié)同，在與不同的實際場景融合過程中也會存在差異。

Table 2 Ability and connotation of cloud-edge collaboration

2.3 云邊協(xié)同的應用場景

云邊協(xié)同的主要應用場景與邊緣計算、物聯(lián)網(wǎng)的應用場景聯(lián)系緊密，文獻[29]從邊緣計算業(yè)務形態(tài)的維度，將云邊協(xié)同的主要價值場景區(qū)分為6大主場景。而文獻[28]進一步對云邊協(xié)同應用場景進行了更加詳細具體的應用介紹和前景分析，綜合總結(jié)如表3所示。

以物聯(lián)網(wǎng)場景中的車聯(lián)網(wǎng)場景為例(如圖3[28]所示)，車輛需要不斷與周圍的基礎(chǔ)設(shè)施和環(huán)境進行信息交互，大規(guī)模的設(shè)備交互帶來的將是海量的數(shù)據(jù)，并且因為車輛的高速移動，海量的數(shù)據(jù)還具有很高的動態(tài)性，所以車輛運動過程中數(shù)據(jù)的采集、處理、存儲與數(shù)據(jù)挖掘等將對計算服務平臺提出巨大的挑戰(zhàn)[30]。對于海量數(shù)據(jù)的存儲和處理，云計算具有很大的優(yōu)勢，云計算為車聯(lián)網(wǎng)絡(luò)提供了可靠的大規(guī)模計算資源[31]。但是，車輛的快速移動和不同設(shè)施之間的信息交互對數(shù)據(jù)的傳輸和處理的實時性提出了非常高的要求，在車輛快速行駛時得到的信息時延越短，意味著車輛和基礎(chǔ)設(shè)施能夠做出更加及時的決策和行動，保證車輛行駛安全[32]。而部署在基站BS(Base Station)或接入點AP(Access Point)上的邊緣服務器、車輛、路側(cè)單元和攝像頭等基礎(chǔ)設(shè)施組成的邊緣計算網(wǎng)絡(luò)不僅能夠節(jié)省大量的通信帶寬，還可以滿足關(guān)鍵任務的低延遲要求，包括邊緣緩存、邊緣計算和邊緣AI等在內(nèi)的邊緣信息系統(tǒng)將在未來車聯(lián)網(wǎng)中發(fā)揮關(guān)鍵作用。

Table 3 Cloud-edge collaboration application scenarios

此外，云邊協(xié)同下的車聯(lián)網(wǎng)環(huán)境支持匯總分布在不同邊緣設(shè)備(包括車輛和車載設(shè)備)上的大量數(shù)據(jù)至云服務器來訓練機器學習模型，允許多用戶共享模型而無需直接訪問源數(shù)據(jù)。每個用戶也可以在本地數(shù)據(jù)集上訓練本地機器學習模型，并將其上傳到服務器以進行全局模型聚合[33]。

Figure 3 Internet of vehicles based on cloud-edge collaboration

2.4 云邊協(xié)同計算平臺

如前所述，邊緣計算和云計算各有優(yōu)缺點，且各有獨立特點，在具體實現(xiàn)云邊協(xié)同計算過程中需要構(gòu)建合適的網(wǎng)絡(luò)架構(gòu)和控制機制將其融合到一個統(tǒng)一的計算平臺上。該平臺首先需要考慮到云和邊之間的資源控制和利用率最大化，其次需要考慮數(shù)據(jù)的最佳路由和任務劃分，同時還應當考慮系統(tǒng)的可開放性和靈活性。此外，在云邊協(xié)同場景中的數(shù)據(jù)通常具有異構(gòu)性并且數(shù)據(jù)量巨大，需要根據(jù)各級別的信息，如流量類型、位置信息、處理延遲和傳輸開銷等決定數(shù)據(jù)的處理位置和處理設(shè)備。同時，對于不同場景中的不同應用，云邊協(xié)同系統(tǒng)需要提供的支撐又各不相同，應用和用戶要求也各有差異。因此，云邊協(xié)同平臺對于邊緣計算和云計算的發(fā)展有著重要的意義和影響[34]。

為了實現(xiàn)云邊協(xié)同，主流云服務提供商往往在已有的云計算平臺基礎(chǔ)上，將云計算能力擴展至邊緣側(cè)，在邊緣側(cè)實現(xiàn)通用的邊緣計算環(huán)境。云計算環(huán)境和邊緣計算環(huán)境都采用相同的編程模型，使得用戶在開發(fā)具體應用過程中只需要考慮計算能力的差異，而不必考慮具體的部署環(huán)境[34]。

現(xiàn)有的支持云邊協(xié)同的邊緣計算環(huán)境包括微軟推出的Azure IoT Edge、ARM公司推出的Mbed Edge、百度OpenEdge和阿里巴巴Link IoT Edge等平臺，總結(jié)如表 4所示。

2.5 云邊協(xié)同的挑戰(zhàn)

如2.2節(jié)所述，云邊協(xié)同具體涉及到資源、管理和應用協(xié)同等多個層面。為了構(gòu)建靈活、高效的云邊協(xié)同計算環(huán)境，需要在不同層面實現(xiàn)云計算和邊緣計算的協(xié)同，以優(yōu)勢互補的方式克服云計算和邊緣計算中各自存在的缺點，放大云計算與邊緣計算的價值。表 5列出了在不同層面實現(xiàn)云邊協(xié)同時面臨的主要挑戰(zhàn)。

3 基于SDN的云邊協(xié)同

邏輯上集中的SDN控制平面將提供云端和邊緣端的資源和訪問網(wǎng)絡(luò)可用性的全面視圖，針對不同類型的任務提供足夠帶寬的鏈路并將其轉(zhuǎn)發(fā)至資源充足的數(shù)據(jù)中心[39]。其次SDN與訪問接入、WAN和云計算等技術(shù)的兼容特性不僅可以使部署在接入網(wǎng)的SDN/NFV支持需求和靈活的服務創(chuàng)建[22]，而且可以在數(shù)據(jù)中心、云計算和邊緣計算中使用該技術(shù)配置和編排云服務器和邊緣服務器上的服務，極大地降低云邊網(wǎng)絡(luò)管理的復雜度[40]，基于SDN構(gòu)建的云邊協(xié)同網(wǎng)絡(luò)將更好地發(fā)揮云計算和邊緣計算的優(yōu)勢，滿足云邊協(xié)同網(wǎng)絡(luò)在資源調(diào)度、編排管理和集中控制等方面的需求。

Table 4 Platforms for edge computing and cloud-edge collaboration

SDN的應用層、控制層和基礎(chǔ)設(shè)施層3個層面與云邊協(xié)同場景中的資源、管理和應用3個協(xié)同領(lǐng)域相互對應，SDN具備的集中控制開放可編程網(wǎng)絡(luò)特性可以滿足云邊協(xié)同在資源、管理和應用3個協(xié)同方面的挑戰(zhàn)，SDN擁有解決云邊協(xié)同挑戰(zhàn)的解決策略，如表6所示。

3.1 邏輯架構(gòu)

實現(xiàn)云計算和邊緣計算的有效協(xié)同需要在二者中間構(gòu)建一個協(xié)調(diào)平臺，并將該平臺作為一個監(jiān)視和控制中心，在云計算和邊緣計算的動態(tài)和不可預測的環(huán)境中實時指導任務的劃分與執(zhí)行，并從全局高度進行網(wǎng)絡(luò)的實時管理和優(yōu)化，同時還應當具備一定的開放能力，以靈活部署新型應用和新型服務，鼓勵創(chuàng)新。云和邊中間的協(xié)調(diào)器也可以抽象為一個中間控制平臺，該平臺充當橋梁的作用，連接起邊緣計算網(wǎng)絡(luò)和云計算網(wǎng)絡(luò)，實現(xiàn)對2個網(wǎng)絡(luò)之間的協(xié)同。故在云邊協(xié)同網(wǎng)絡(luò)中主要涉及到3部分功能，分別是邊緣計算、云計算和協(xié)同控制的問題。

SDN具有控制平面和數(shù)據(jù)平面的固有去耦功能，可通過編程更好地控制網(wǎng)絡(luò)，并且具有獲取瞬時網(wǎng)絡(luò)狀態(tài)的能力，允許基于瞬時網(wǎng)絡(luò)狀態(tài)和用戶定義的策略對網(wǎng)絡(luò)進行實時集中控制，進一步為云邊協(xié)同網(wǎng)絡(luò)帶來了優(yōu)化網(wǎng)絡(luò)配置和改善網(wǎng)絡(luò)性能的好處，并且對第三方開放的網(wǎng)絡(luò)基礎(chǔ)能力能夠較好地適應云邊協(xié)同網(wǎng)絡(luò)中業(yè)務的多樣性。結(jié)合SDN集中控制的核心思想和5G網(wǎng)絡(luò)的“三朵云”架構(gòu)，在云邊協(xié)同架構(gòu)中，將云邊協(xié)同架構(gòu)也抽象成為“三朵云”邏輯架構(gòu)，并將網(wǎng)絡(luò)功能抽象為3個平面，分別是邊緣云、核心云和控制云,如圖 4所示。

Table 5 Challenges of cloud-edge collaboration

Table 6 SDN solution strategyies

Figure 4 Logic architecture of SDN-based cloud-edge collaboration

(1)邊緣云：是云邊協(xié)作中邊緣計算的特定技術(shù)實施層，包括邊緣實時操作系統(tǒng)、虛擬化(Docker，Unikernel等)、定時數(shù)據(jù)存儲、邊緣設(shè)備管理和邊緣數(shù)據(jù)處理等[15]。由諸多邊緣域環(huán)境組成，每個域由本地軟件定義的邊緣控制器控制所有本地資源，負責保持同一本地域內(nèi)的實體之間的平滑通信，并決定本地請求是本地服務還是應該被轉(zhuǎn)發(fā)到云，同時啟用SDN解決了邊緣設(shè)備的異構(gòu)性和可拓展性。在邊緣控制器之上還有一個邊緣云控制器實現(xiàn)整個邊緣計算網(wǎng)絡(luò)的集中控制，邊緣云控制器相比邊緣控制器有更高的視野，可以更加有效地進行邊緣計算網(wǎng)絡(luò)資源調(diào)度[41]。

(2)核心云：由單個或多個云計算中心網(wǎng)絡(luò)構(gòu)成，負責利用云計算技術(shù)管理、調(diào)度、整合和優(yōu)化分布在網(wǎng)絡(luò)上的各種資源。基于SDN提供一種新的動態(tài)網(wǎng)絡(luò)體系，使得云計算網(wǎng)絡(luò)可以進行大規(guī)模編程和管理，進一步增強云計算中心的伸縮性和動態(tài)性，提供新的IT服務增加、使用和交付模式。核心云的集中性在速度、成本和可擴展性方面優(yōu)于邊緣計算的分散性質(zhì)[42]。

(3)控制云：主要基于逐級控制和全局/局部控制的思想保證組織的整體一致性[43]，實現(xiàn)局部和全局的資源管理和調(diào)度，通過靈活的集中控制配合網(wǎng)絡(luò)中存在的計算資源，實現(xiàn)計算任務的合理接入、計算資源的優(yōu)化分配和計算任務的最佳執(zhí)行，快速響應計算請求并實時反饋計算結(jié)果，并構(gòu)建面向業(yè)務的網(wǎng)絡(luò)開放能力接口，從而滿足業(yè)務的差異化需求。

3.2 基于SDN的云邊協(xié)同體系結(jié)構(gòu)

SDN是多云環(huán)境中最可行的網(wǎng)絡(luò)技術(shù)[16]，本文結(jié)合SDN網(wǎng)絡(luò)體系和云邊協(xié)同邏輯架構(gòu)，提出了基于SDN的云邊協(xié)同架構(gòu)，如圖5所示。

Figure 5 Architecture of SDN-based cloud-side collaboration

基于SDN的云邊協(xié)同體系架構(gòu)包括各類概念和基礎(chǔ)結(jié)構(gòu)組件，其中每個組件都可以通過API進行配置、操作和管理。從圖 5中可以看出該體系結(jié)構(gòu)主要包含以下元素：

(1)軟件定義的網(wǎng)絡(luò)：靈活開放的云邊協(xié)同網(wǎng)絡(luò)結(jié)構(gòu)使得網(wǎng)絡(luò)易管理、可配置和集中控制；

(2)軟件定義的存儲：創(chuàng)建共享的分布式存儲資源，對云邊協(xié)同網(wǎng)絡(luò)軟硬件資源靈活管理；

(3)軟件定義的協(xié)議：支持多協(xié)議傳輸，滿足不斷變化的網(wǎng)絡(luò)性能要求，提升網(wǎng)絡(luò)性能；

(4)軟件定義的基礎(chǔ)架構(gòu)：全面的、完全集成的混合邊緣計算和云計算環(huán)境；

(5)軟件定義的管理：分級式集中控制，擁有云邊協(xié)同網(wǎng)絡(luò)全局視圖，優(yōu)化全局應用、資源管理與維護；

(6)軟件定義的安全：軟件定義智能化深度防御，自適應虛擬化安全提供多級安全機制；

(7)軟件定義的數(shù)據(jù)中心：數(shù)據(jù)中心完全由軟件自動化控制，靈活控制云邊協(xié)同網(wǎng)絡(luò)服務和網(wǎng)絡(luò)資源。

同時可以看到該架構(gòu)主要由基礎(chǔ)設(shè)施層、控制層、應用層和用戶層構(gòu)成。基礎(chǔ)設(shè)施層由邊緣計算中的邊緣節(jié)點和云計算設(shè)備構(gòu)成，不同的網(wǎng)絡(luò)設(shè)備組成不同的接入網(wǎng)絡(luò)。首先負責收集網(wǎng)絡(luò)狀態(tài)并臨時儲存信息，然后通過南向接口發(fā)送至控制層，其次按照控制層提供的規(guī)則負責處理數(shù)據(jù)和執(zhí)行任務。控制層由多級控制器構(gòu)成，該層基于軟件實現(xiàn)。通過南北向接口連接基礎(chǔ)設(shè)施層和應用層，向下逐級控制各個邊緣計算環(huán)境和云計算環(huán)境，實現(xiàn)多個邊緣計算環(huán)境、多個云計算中心的協(xié)調(diào)控制，以及邊緣計算和云計算之間的協(xié)同合作。應用層旨在滿足用戶要求的SDN應用程序，通過控制層提供的可編程平臺，應用程序可以訪問和控制底層設(shè)備，終端發(fā)出的各類任務請求由應用層轉(zhuǎn)發(fā)至控制層，由控制層決策調(diào)用底層邊緣計算和云計算設(shè)備實現(xiàn)任務執(zhí)行，并實現(xiàn)任務的遷移與交付。其中，控制層是整個云邊協(xié)同網(wǎng)絡(luò)的核心，通過控制層將云計算層和邊緣計算層合并到聯(lián)合體系結(jié)構(gòu)中。該控制層是一個分層結(jié)構(gòu)，包括較高級別的集中控制器和較低級別的局部控制器2部分。局部控制器控制局部范圍內(nèi)協(xié)同網(wǎng)絡(luò)的資源管理與任務調(diào)度和決策，遇到復雜的任務時反饋至更高級別的集中控制器。在較低級別的控制器之外，還需要有全局集中控制器對邊緣云控制器和核心云控制器進行統(tǒng)一控制管理，全局集中控制器是整個云邊協(xié)同網(wǎng)絡(luò)的大腦，確保整個計算網(wǎng)絡(luò)中的所有實體高效工作，從更高的視角實現(xiàn)云邊協(xié)同網(wǎng)絡(luò)的全局資源管理、網(wǎng)絡(luò)優(yōu)化，提升云邊協(xié)同網(wǎng)絡(luò)的靈活性[21]。在整個云邊協(xié)同計算網(wǎng)絡(luò)中，每一層控制器的控制決策級別都不一樣，級別較低的控制決策直接由局部控制器執(zhí)行，遇到更高級別的決策時，需要將決策反饋到更高級別的控制器直至全局集中控制器執(zhí)行。此外，局部控制器遇到的任何關(guān)鍵和未解決的問題都將反饋到全局集中控制器，并由全局集中控制器采取行動決策。

3.3 基于SDN的邊緣云

基于SDN的邊緣云實現(xiàn)了一個或多個區(qū)域內(nèi)的邊緣資源和管理邊緣計算節(jié)點的整合，結(jié)合邊緣計算節(jié)點的分布式特點，集中整合分散的資源進行動態(tài)調(diào)度和統(tǒng)一管理，彌補邊緣設(shè)備的異構(gòu)性，使邊緣設(shè)備能夠相互通信并以統(tǒng)一的方式交換信息，實現(xiàn)連接、數(shù)據(jù)、管理、控制和應用等方面的協(xié)同[22]。

按照功能劃分，基于SDN的云邊協(xié)同架構(gòu)下邊緣云的結(jié)構(gòu)如圖 6所示，該架構(gòu)與基于SDN的云邊協(xié)同架構(gòu)對應，同樣采用基于SDN控制器分級控制的思想，實現(xiàn)對邊緣計算資源的控制。底層的基礎(chǔ)設(shè)施層包括但不限于：分布式互聯(lián)網(wǎng)數(shù)據(jù)中心、運營商通信網(wǎng)絡(luò)邊緣基礎(chǔ)設(shè)施、邊緣側(cè)客戶節(jié)點(如邊緣網(wǎng)關(guān)、家庭網(wǎng)關(guān)等)等邊緣設(shè)備及其對應的網(wǎng)絡(luò)環(huán)境[16]。不同類型和不同地域的邊緣基礎(chǔ)設(shè)施構(gòu)成不同的邊緣云，每一個邊緣云都是基于SDN架構(gòu)的完整SDN邊緣網(wǎng)絡(luò)，具備SDN網(wǎng)絡(luò)特性和邊緣計算能力，能夠獨立完成邊緣計算環(huán)境下的資源調(diào)度和計算服務，并由局部的邊緣控制器實現(xiàn)本區(qū)域內(nèi)邊緣設(shè)備資源協(xié)同、任務調(diào)度和系統(tǒng)管理等功能。

Figure 6 SDN-based edge computing architecture

例如在校園環(huán)境中，學生可能在一天甚至更短的時間內(nèi)訪問不同的園區(qū)，移動性和切換是不可避免的。在該場景中，SDN控制器可以跟蹤并為用戶獲取和分配最近的IP地址，由于控制器知道用戶和邊緣環(huán)境信息，能夠依據(jù)信息數(shù)據(jù)確定切換的最佳路徑，保證傳輸時間的最小化[44]，并且能夠使用歷史數(shù)據(jù)進行預測，將預測結(jié)果下發(fā)至邊緣節(jié)點，實現(xiàn)業(yè)務的平滑遷移。同時，當移動設(shè)備發(fā)出應用請求后，由最近的控制器或更高級別的控制器進行任務劃分，根據(jù)當前邊緣計算網(wǎng)絡(luò)的網(wǎng)絡(luò)狀態(tài)決策該任務由單個邊緣云完成還是需要不同邊緣云之間的協(xié)同合作完成，任務劃分完成后由邊緣云集中控制器將任務轉(zhuǎn)發(fā)至底層網(wǎng)絡(luò)實現(xiàn)單個邊緣云或多個邊緣云的協(xié)同計算。

SDN在邊緣計算領(lǐng)域的研究還在持續(xù)推進，SDN對邊緣計算領(lǐng)域的貢獻和相關(guān)研究如表7所示[44-55]。

3.4 基于SDN的核心云

基于SDN的核心云實現(xiàn)一個或多個云計算范圍內(nèi)的資源整合與管理協(xié)同，其中對所有資源(計算、存儲、數(shù)據(jù)中心、安全性和SLA等)的管理和監(jiān)控都是由軟件定義的[56]，有助于通過SDN控制器處理鏈接和節(jié)點并進行動態(tài)配置，對硬件和軟件資源靈活管理，消除了云資源配置和管理中的復雜性，并使網(wǎng)絡(luò)管理員能夠動態(tài)修改網(wǎng)絡(luò)配置以支持來自云任務的傳入服務請求[40]。

基于SDN的核心云體系架構(gòu)如圖 7所示，其中云計算網(wǎng)絡(luò)中的各類計算、存儲和網(wǎng)絡(luò)設(shè)備構(gòu)成單個云計算中心，并由核心控制器負責管理本地云計算網(wǎng)絡(luò)中基礎(chǔ)物理資源、虛擬機管理和存儲分配功能，并將網(wǎng)絡(luò)規(guī)范解析為配置命令，從而在要啟用SDN的交換機上安裝策略集，以精細的粒度控制執(zhí)行最優(yōu)路由策略和網(wǎng)絡(luò)范圍內(nèi)的資源優(yōu)化[57]，實現(xiàn)單個云計算網(wǎng)絡(luò)中云監(jiān)控、云部署和云計劃等功能，以及服務水平協(xié)議等的控制。

不同地域的基礎(chǔ)設(shè)施構(gòu)成的不同云計算網(wǎng)絡(luò)由更高級別核心云控制器提供多云集中管理，當單個云計算中心滿足不了任務的需求時進行任務劃分和任務卸載，并協(xié)同不同地域云計算網(wǎng)絡(luò)之間的資源實現(xiàn)任務的最佳執(zhí)行。邏輯上集中的SDN控制平面將提供云資源和訪問網(wǎng)絡(luò)可用性的全面視圖，確保在提供足夠帶寬和服務級別的鏈路上將云任務定向到資源充足的數(shù)據(jù)中心[39]，分級控制的云計算網(wǎng)絡(luò)控制器確保單個云計算中心或多個云計算中心的資源合理調(diào)度，滿足動態(tài)定義網(wǎng)絡(luò)需求。借助基于SDN API的開放環(huán)境，用戶可以快速實現(xiàn)不同工業(yè)應用程序的開發(fā)并將其部署在平臺上[15]。SDN對云計算領(lǐng)域的貢獻和相關(guān)研究總結(jié)如表 8所示。

Table 7 SDN’s contribution to the field of edge computing and related research

Figure 7 Architecture of SDN-based core cloud

3.5 基于SDN的邊緣智能網(wǎng)關(guān)

邊緣智能網(wǎng)關(guān)作為云平臺層和邊緣層設(shè)備管理服務的通信樞紐，擔負著實現(xiàn)邊緣計算和邊緣層相關(guān)功能的作用。它是由基于SDN的云平臺統(tǒng)一配置和管理的，但同時邊緣智能網(wǎng)關(guān)是獨立的，以實現(xiàn)云支持的邊緣側(cè)系統(tǒng)的正常運行[15]，基于SDN的邊緣智能網(wǎng)關(guān)如圖 8所示。

邊緣智能網(wǎng)關(guān)通過使用SDN技術(shù)和AI算法兼容各類操作系統(tǒng)，根據(jù)云平臺發(fā)布的配置信息，將設(shè)備的通信協(xié)議適配為同步設(shè)備的靜態(tài)信息，并收集實時動態(tài)數(shù)據(jù)。結(jié)合本地、邊緣和云端的差異性，在不同位置提供不同的通信協(xié)議和不同的AI計算算法。本地數(shù)據(jù)被存儲和分析，然后提供給邊緣應用程序，或通過協(xié)議轉(zhuǎn)換傳遞到云平臺以進行進一步的分析和處理。開發(fā)人員可以通過云平臺在網(wǎng)關(guān)中部署數(shù)據(jù)處理模型或APP，進行時間延遲和對安全性敏感的邊緣數(shù)據(jù)分析，減輕向云傳輸數(shù)據(jù)的壓力，并提高針對不同設(shè)備的服務的靈活性[15]。SDN網(wǎng)絡(luò)的靈活性可開發(fā)支持各類通信協(xié)議的終端通信交互模塊，各模塊在SDN控制器下協(xié)同工作，并通過開放的API接口進行數(shù)據(jù)交互和共享。

Table 8 SDN’s contribution to the field of cloud computing and related research

Figure 8 Edge intelligent gateway based on SDN

3.6 案例分析

以視頻分析應用為例，當前視頻分析應用處理視頻數(shù)據(jù)的通用做法是將監(jiān)控視頻數(shù)據(jù)流上傳到部署在遠端云計算中心的視頻服務器，由視頻服務器進行相關(guān)的分析處理和存儲，如圖9所示。但是，大量的原始視頻流數(shù)據(jù)未經(jīng)處理直接上傳到云端，將對回傳帶寬和視頻服務器存儲空間提出更高的要求，尤其是視頻監(jiān)控中那些不具有可用信息的視頻數(shù)據(jù)，且待云端處理后再將結(jié)果返回也將增加傳輸時延，不利于實時性要求較高的服務實現(xiàn)。

Figure 9 Video analysis in SDN-based cloud-edge collaborative scenario

基于SDN的邊云協(xié)同架構(gòu)將會極大地提升該應用的效率與質(zhì)量，工作流程如下所示：

(1)進行基于SDN的云邊協(xié)同架構(gòu)建設(shè)，并根據(jù)實際的終端設(shè)備、物理資源和網(wǎng)絡(luò)等完成前期的控制通道建立、信息收集與存儲、路由業(yè)務學習和計算交換路徑等工作。

(2)由攝像頭進行監(jiān)控視頻數(shù)據(jù)的采集，并根據(jù)路由信息將視頻數(shù)據(jù)以無線或者有線的方式轉(zhuǎn)發(fā)到距離最近的邊緣計算節(jié)點，接入邊緣云。

(3)在邊緣云SDN控制器的控制下，部署在邊緣云上的視頻分析和管理應用利用邊緣云的算力完成視頻的分析處理，如視頻壓縮、時間監(jiān)測和視頻剪輯等。

(4)待邊緣側(cè)完成視頻處理后，視頻分析與管理應用根據(jù)網(wǎng)絡(luò)預先配置向上一級控制器上報監(jiān)測的特定事件、壓縮好的視頻或者剪輯好的視頻片段。

(5)對于復雜度較低、計算任務量較小、存儲空間需求小的任務直接由邊緣云完成。對于復雜度非常高、計算任務量較大、存儲空間需求大的任務，待邊緣云對視頻進行預處理后上傳信息到全局集中控制器，由全局集中控制器根據(jù)網(wǎng)絡(luò)當前的任務處理情況和實際可用資源生成智能任務決策，將指令下發(fā)至邊緣云與核心云后由邊緣云將預處理后的視頻結(jié)果發(fā)送至核心云，由核心云完成后續(xù)的視頻分析處理。

(6)核心云超大規(guī)模的計算、存儲資源可以為后續(xù)任務執(zhí)行提供保障，原視頻數(shù)據(jù)流的高速率大寬帶傳輸，經(jīng)過邊緣云預處理后可以有效降低對回傳帶寬的消耗，提升視頻分析處理效率和質(zhì)量。

4 基于SDN的云邊協(xié)同特點及其面臨的挑戰(zhàn)

在整個基于SDN的云邊協(xié)同網(wǎng)絡(luò)框架中，每一個局部區(qū)域都是一個SDN網(wǎng)絡(luò)，具備SDN的基本架構(gòu)，都可以獨立進行并通過開放和可編程接口實現(xiàn)“軟件定義”，即整個云邊協(xié)同網(wǎng)絡(luò)是由不同層級的SDN網(wǎng)絡(luò)復合而成的，都是基于SDN架構(gòu)構(gòu)成而又逐級控制的。每一層SDN網(wǎng)絡(luò)都可以通過一組SDN接口(南向、北向、東西向接口)實現(xiàn)彼此之間的通信。

通過逐級SDN控制的架構(gòu)可以使得整個計算網(wǎng)絡(luò)的控制負載優(yōu)化分布，減少全局集中控制器的控制開銷，依靠逐級控制器實現(xiàn)局部和全局的不同層次控制決策，縮短轉(zhuǎn)發(fā)控制的等待時間，降低延遲，更好地實現(xiàn)實時決策以提高系統(tǒng)性能，并且每層控制器的相對獨立又保證了各個區(qū)域的相對獨立，可以降低計算網(wǎng)絡(luò)的單點故障風險，提升整個網(wǎng)絡(luò)的安全性和穩(wěn)定性。

邊緣和云之間的協(xié)同依賴于SDN中兼容的中間件，提升云邊協(xié)同系統(tǒng)的靈活性和適應性，擴大了云邊協(xié)同的上下文范圍。通過SDN管理大型的云邊協(xié)作系統(tǒng)降低了位于不同位置的服務器的復雜性，使得云邊協(xié)同網(wǎng)絡(luò)可以互換使用云計算和邊緣計算的資源，實現(xiàn)跨網(wǎng)絡(luò)的智能流量控制和計算決策[11]。

此外，基于SDN的云邊協(xié)同網(wǎng)絡(luò)架構(gòu)在資源、管理和應用方面還具備如表9所示的特點。

基于SDN云邊協(xié)同計算網(wǎng)絡(luò)雖然在資源、管理和應用方面具有諸多優(yōu)點，但是在單點失效、API規(guī)范、互操作性和安全威脅等方面還面臨諸多問題與挑戰(zhàn)，如表10所示。

Table 9 Features of SDN-based cloud-edge collaboration architecture

Table 10 Challenges of cloud-edge collaboration based on SDN

5 結(jié)束語

SDN網(wǎng)絡(luò)具備的網(wǎng)絡(luò)優(yōu)勢填補了云邊協(xié)同之間協(xié)調(diào)控制的空白，為云邊協(xié)同網(wǎng)絡(luò)的實現(xiàn)提供了核心技術(shù)支撐，將傳統(tǒng)云到端的計算模式演進為“云-邊-端”三位一體新型架構(gòu)[17]。

雖然基于SDN的云邊協(xié)同網(wǎng)絡(luò)具體實現(xiàn)時在單點失效、網(wǎng)絡(luò)擴展性、API接口標準、互操作性和安全威脅等方面還存在諸多挑戰(zhàn)和困難，但是可以預見的是，隨著技術(shù)的成熟與新應用的出現(xiàn)，基于SDN的云邊協(xié)同融合網(wǎng)絡(luò)將推動傳統(tǒng)的“云-端”網(wǎng)絡(luò)演進為“云-邊-端”的新興計算結(jié)構(gòu)，更加匹配萬物互聯(lián)時代的智能業(yè)務[27]。

本文重點對云邊協(xié)同領(lǐng)域相關(guān)的內(nèi)涵、場景和平臺等研究進展做了總結(jié)與分析，基于SDN網(wǎng)絡(luò)提出了基于SDN的云邊協(xié)同網(wǎng)絡(luò)架構(gòu)，對該架構(gòu)進行了詳細介紹，并對其面臨的問題和挑戰(zhàn)進行了歸納。通過綜述總結(jié)SDN對云計算和邊緣計算協(xié)同領(lǐng)域的影響，探討分析了該領(lǐng)域內(nèi)的研究目標和方法，以促進該領(lǐng)域的未來研究，為進一步深入研究云邊協(xié)同提供有益的參考。