2021版无服务器边缘计算网络白皮书.pdf

版权声明 本白皮书版权属于 网络通信与安全紫金山实验室 所有并受法律 保护，任何个人或是组织在转载、摘编或以其他方式引用本白皮书中 的文字、数据、图片或者观点时，应注明 “ 来源： 网络通信与安全紫 金山实验室 ” 。否则将违反中国有关知识产权的相关法律和法规，对 此 网络通信与安全紫金山实验室 有权追究侵权者的相关法律责任。 编写说明 编写单位： 网络通信与安全 紫金山实验室 、 北京邮电大学 、 参与单位： （排序不分先后） 中国信息通信研究院 、 广东省新一代通信与网络创新研究院 、 中 国电信股份有限公司研究院 、中国联合网络通信有限公司研究院、 中 国通信标准化协会 TC610 SDN/NFV/AI 标准与产业推进委员会 、 EdgeGallery 边缘计算社区 主要编写人员 ： （排序不分先后） 谢人超、 贾庆民、刘辉 、 黄韬、 黄文浩、丁宇卿、姜伟 、 马军峰、 刘芷若、 朱伏生、卢华、段雪飞、 雷波、 曹畅、张岩 、 陈道清 I 前 言 无服务器边缘计算网络是融合边缘计算、无服务器计算等先进技 术，高效、低成本利用边缘侧有限异构资源，基于大量无服务器边缘 计算节点形成的一体化计算网络，实现计算节点内的转算存融合及节 点间的网络协同，支撑海量多样智能终端、用户在边缘侧的差异化计 算诉求， 满足 广泛接入、高吞吐和低时延的网络诉求。 本白皮书首先介绍了 无服务器边缘计算网络 的发展背景、基本概 念、参考架构、关键技术，同时分析了 无服务器边缘计算网络 的典型 应用场景，并探讨了 无服务器边缘计算网络 的生态建设。由于 无服务 器边缘计算网络 仍处于快速发展之中，因此本白皮书还存在需要不断 完善的地方，真诚地企盼读者批评指正。 II III 目 录 前 言 . I 一、无服务器边缘计算网络的发展背景 . 1 1.1 边缘计算的蓬勃发展 . 1 1.2 无服务器计算的逐渐兴起 . 3 1.3 无服务器边缘计算网络的提出及发展 . 6 二、无服务器边缘计算网络架构及关键技术 . 10 2.1 无服务器边缘计算网络参 考架构 . 10 2.2 无服务器边缘计算网络关键技术 . 12 三、无服务器边缘计算网络的应用场景 . 18 3.1 智能制造 . 19 3.2 物联网 . 21 3.3 车联网 . 22 3.4 AR/VR. 23 3.5 智慧交通 . 25 四、无服务器边缘计算网络生态建设与产业发展 . 28 4.1 开源生态发展 . 28 4.2 产业发展 . 39 4.3 标准化进展 . 51 五、总结与展望 . 54 IV 附录 A：术语与缩略语 . 55 参考文献 . 56 1 一、 无服务器边缘计算 网络的发展背景 无服务器边缘计算网络是融合 边缘计算、 无服务器计算等先进技 术，高效、低成本利用边缘侧有限异构资源，基于大量无服务器边缘 计算节点形成的一体化计算网络，实现计算节点内的转算存融合及节 点间的网络协同，支撑海量多样智能终端 、 用户在边缘侧的差异化计 算诉求， 满足 广泛 接入、高吞吐和低时延的网络诉求。 本章对无服务 器边缘计算网络的发展背景进行介绍，首先介绍和分析无服务器边缘 计算网络的两项核心支撑技术 ，即 边缘计算和无服务器计算，然后对 无服务器边缘计算网络的进展进行介绍。 1.1 边缘计算的蓬勃发展 随着 网络技术 的不断发展， 海量智能终端 、 移动设备 产生的数据 越来越多，对网络系统 也 提出了更高要求，例如 低时延 、 实时 处理 、 事件驱动开发 、 高效部署等 ；同时，各类互联网服务和应用（例如 AR/VR，高清视频等）的快速发展，也给 数据 高效 存储和处理 带来新 的挑战。 考虑 到 云计算数据中心 距离用户较远，在云计算数据中心 中进行 数据的存储、处理、分析 存在 传输时延大、带宽成本高的问题 。因此， 业界提出 了 边缘计算的概念 1， 即 在靠近用户终端的网络边缘部署 云计算环境，就近处理数据和计算任务。然而，边缘计算的资源通常 2 是受限的， 因此，加强边缘计算节点之间的协同，共享分布式的边缘 计算资源具有重要意义。 目前， 边缘计算在国内外的学术、标准、技 术、产业等 方面均 获得长足发展， 其在 大幅降低业务时延、减少对传 输网带宽压力、降低传输成本、提高内容分发效率、提升用户体验、 增强个人隐私和数据安全等方面 均有显著优势， 在智慧医疗、 智慧工 厂、智慧电网、智慧城市等行业，以及车联网、高清视频、 AR/VR 等 技术领域被 广泛应用 。 近年，国家 大力推动工业互联网、 5G 和物联网等方向的 发展和 建设 ，边缘计算作为上述重大战略方向的共性关键技术在国内的研究 亦如火如荼 ， 国家也出台了大量的政策， 例如， 2017 年 11 月 ， 国务 院发布国务院关于深化“互联网 +先进制造业”发展工业互联网的 指导意见 。 2020 年 3 月 工业和信息化部发布的关于推动工业互联 网加快发展的通知 。 2017 年 8 月 中国自动化学会边缘计算专委会成 立，推动相关标准及技术发展，并在多类业务场景中开展应 用 。 2020 年 8 月，华为、 中国信通院 、中国移动、中国联通、腾讯、紫金山实 验室 等 八家创始成员发起的一个 MEC 边缘计算开源项目 EdgeGallery，该项目为 业界首个 5G 边缘计算开源平台 ， 目的是打造 一个符合 5G 边缘“联接 +计算”特点的边缘计算公共平台，实现网 络能力开放的标准化和 MEC 应用开发、测试、迁移和运行等生命周 期流程的通用化 2。 2020 年 11 月，中国通信学会成立边缘计算委员 会 ，旨在 凝聚产学研各方共识，推广 边缘计算 成果，推动边缘计算蓬 勃发展 ， 促进行业数字化转型发展。 3 1.2 无服务器计算 的 逐渐兴起 无服务器计算（ Serverless Computing）也是当前云计算领域的热 点技术 3， 据 云原生计算基金会 （ Cloud Native Computing Foundation， CNCF）定义， 无服务器计算 是指 在 构造和运行 应用程序 时 无需 管理 服务器的 一种计算范式 。它描述了细粒度部署模型，由一个或多个函 数组成的应用可上传到平台，并执行、扩缩容和基于实际运行时 的资 源 消耗进行计费。 像使用水电一样按需或按使用付费的理念可追溯到 2006 年 ， 云 计算的出现 为 达到上述理念 提供了一种方式 ，实现了自动扩缩容的按 需资源分配，极大降低了管理成本，提升了用户服务质量。然而云计 算的客户不得不基于分配的资源来付费，而非实际消费的资源；另外， 他们还需实现自己的自动扩缩容方法，或利用云供应商提供的非应用 高效的通用自动扩缩容方法。云计算使用的重型虚拟化技术本身也造 成了较大的计算负担而影响一定的应用性能。因此，基于虚拟化技术 的云计算尚未达到理想的目标。 同时 ，在开发侧，应用软件从单体架构过渡到面向服务的架构， 直到当前流行的微服务架构，其基本原则即小的松耦合系统更易部署、 管理和监控。从而应用被解构为更小的代码片 段，即函数，形成了当 前的 函数即服务（ Function-as-a-Service， FaaS） 。当然，函数可被组合 编排形成更复杂的服务。基于该思路，事件驱动的编程被引入微服务 架构，赋能微服务更细粒度的开发和交互。同一时期，在部署交付侧， 4 为解决云计算所依赖的重型虚拟化技术带来的计算负担和性能损失， 容器（集群）技术、 DevOps 理念（持续集成和部署交付 CICD）等被 提出。这也使得微服务架构更加流行。虽然如此，这些最新技术进展 并没有弥合云计算在按需付费和灵活扩缩容上的缺失，直到 Serverless 计算的到来。 Serverless 融合了微服务、 FaaS、事件驱动编程、容器化和纯粹的 pay-per-use模型以及易扩缩容等最新技术进展。它是从 IAAS到 PAAS 间抽象的一大步，允许在不提供任何依赖 OS 或虚拟方式（类 VM/容 器）条件下执行软件。 Serverless 计算并不意味着无需服务器来托管 和运行代码；也不意味着运维工程师将会失业。相反，它指的是一种 理念，无服务器计算的消费者无需在服务器供应、维护、更新、扩缩 容和容量规划上花费时间和资源。相反，这些职责都 由 无服务器计算 平台承担，而从开发者 /IT 运维团队中完全抽离。 无服务器计算 在以下三方面扮演着重要 角色： 开发者 ： 基于 无服务器计算平台 进行服务或业务的 编程 ，开发 者可专注于业务程序的开发和优化，而无需关注系统平台的运 维。 使用者 ：按照使用的资源或调用服务的次数计费，真正做到按 需使用和按需付费，极大降低使用者的成本。 提供方 ： 作为平台服务提供方，采用无服务器计算技术之后， 可以进一步的提升系统资源的扩缩性能，实现更加灵活敏捷的 扩缩容，进而最大化的利用基础设施资源。 5 无服务器计算平台包括两个技术方面： Functions-as-a-Service（ Faas） ：提供事件驱动的计算。开发者 基于函数运行和管理应用代码，函数被事件或 HTTP请求触发。 开发者部署小的代码单元到 FaaS，作为离散行为按需执行，无 需管理服务器或其他任何潜在基础设施并实现扩缩容。 Backend-as-a-Service（ BaaS） ：基于第三方 API 的服务，代替 应用中的常用功能。因为这些 API 以能透明自动扩缩容和运维 的服务提供，这对开发者来说就是 Serverless 的。 最先使用 Serverless 术语的是 2012 年 Iron.io 公司 提出 的 IronWorker 产品，一个基于容器的分布式按需工作平台。从此，在公 /私有云上出现了越来越多的 serverless 实现。首先是 BaaS 平台，如 2011 年的 Parse， 2012 年的 Firebase（分别被 Facebook 和 Google 收 购）。其次是 FaaS 平台， 2014 年 11 月 AWS Lambda 项目启动， 2016 年 初 IBM Bluemix 上的 OpenWhisk（即现在的 IBM Cloud Functions， 其核心开源项目成为 Apache OpenWhisk）、 Google的 Cloud Functions、 微软的 Azure Functions 等也对外发布。 2017 年，华为推出 Function Stage， Oracle 开源 Fn。除了产业界 Serverless 平台外，学术界也开发 了很多简单易用的平台，如 Openfaas、 Fission、 Kubeless、 Knative、 IronFunctions 等。当然还有很多开源 Serverless 框架。每个框架，不 管公开还是私有，都有唯一的语言运行时集合，和处理事件 /数据的服 务集合。 2019 年 2 月， UCB 发表论文 Cloud Programming Simplified: A Berkerley View on Serverless Computing，指出 Serverless 将成为下 6 一代云服务的主流形态。 1.3 无服务器边缘计算网络的 提出及发展 因此 ，随着边缘计算和无服务器计算的发展，业界逐渐意识到边 缘计算和无服务器计算融合的价值和必要性，无服务器边缘计算网络 的理念也随之提出。 无 服务器边缘计算网络将具有如下 优势 特性： （ 1） 纯粹 按需 使用计费 ： 通过 Serverless，收取费用是由真正触 发的事件来驱动的，即分配的资源和函数触发的次数 ， 可以极大地降 低用户的使用成本 。 （ 2） 分布式 细粒度扩缩容 ： 边缘设备上的挑战之一是资源受限。 传统虚拟机内存占用 大 ，难于扩缩容等 ， 不是一个完美的解决方案。 传统虚拟机也导致了大量重复数据带来的费用。基于轻量级抽象（含 容器 、 Unikernel 等 ）， Serverless 会满足较小的占用空间，细粒度自动 扩缩容，因为创建 /终止副本的开销相对于成熟的虚拟机来说是非常 小的。 当 Serverless 将函数遵循微服务架构最新进展的计算原则，代 替应用作为一个完整黑盒，这 将 进一步得到的保证 。 （ 3） 事件驱动的应用 ， 在基于事件的传感器以及基于动作的 IoT 应用场景下， Serverless 可以完美适应他们。在典型的云服务下，即移 动应用的后台系统下，如 API 调用、数据存储等事件在函数调用方面 起到关键作用。另一方面，大部分 IoT 应用都是事件驱动的。 例如， 在智能农场里，有关农场管理的决策支持是传感驱动应用的典型案例； 管理系统由温度、湿度变化时驱动，否则它什么都不做。在 Serverless 7 里，这意味着传感器基于本地数据获取后是否触发函数调用链做了基 本的决策。如果没被触发，在 Serverless 平台就应该没有资源消耗。 在包含云和一个边缘系统的例子里，远程传感器可能总是触发边缘系 统上既定函数的执行（基于湿度 /温度数据），随后后者将决策是否通 过触发云平台的一个函数来升级到管理系统。在所有案例下， Serverless 的设计非常适合 Sense-Decide-Act 模式， 这种模式在实践 中的很多 IoT 应用里是非常典型的。 （ 4） 无状态生命周期 ， 在为事件驱动的 IoT 应用设计的边缘里， 被调函数执行任务，如图像处理，这种任务不知道，也不需要以往执 行的知识经验。在路 -车监控系统里， monitor 会调用图像供应函数来 分析输入图片里的许可车牌号。该函数不需要知道过去任务的情况， 仅需载入重复的代码和库，就像从头开始一样。无状态函数仅有一个 任务去执行，就像 IoT 事件所需一样。无状态因此是 Serverless 到边 缘的一个基本迁移。可加速这种迁移的就是 Serverless 中潜在的资源 抽象，基于容 器和 Unikernel。这种抽象也故意构造为无状态的。 （ 5） 突发工作负载 ， 基于工作负载， 81%的 Serverless 用例组成 了间歇性负载，即峰值或大量涌入工作负载。这主要由 Serverless 具 有的容易且细粒度扩缩容能力导致的，这避免了较长延时并提供精确 资源供给。基于此，潜在遇到间歇工作负载的 IoT 用例将很适合与 Serverless 部署。流量或人群控制系统等用例都会持续监控，并暴露 出间歇性事件。不能及时响应会导致不可察觉的重要事件发生。传统 IAAS/PAAS 系统可能仅通过提前分配资源（如根据一直活跃的服务 8 副本）来处理爆发事件，因为他们自动扩缩容功能会产生延时而不能 满足应用需求。在边缘领域会进一步恶化，因为边缘节点边云环境资 源更少，因此提前预留是不合适的。 Serverless 针对突发流量效应的 用例带来了重要好处，因为 Serverless 允许通过空闲时收缩到 0 而峰 值时快速扩容的方式探索突发工作负载的统计多路复用。基于此，边 缘计算编排将利用 Serverless 功能而 非 lazy 重型虚拟化 以及低效的资 源预留解决方案来解决这类突发性。 鉴于无服务器边缘计算网络的显著优势，业界纷纷对无服务器边 缘计算网络开展了相关的研究， 并推出了相关的产品。 2017 年 ， 意大 利 的 研究机构首次将 Serverless 计算融入了边缘计算架构，以赋能低 时延应用。随后，该研究机构进一步研究了基于端 -边 -云连续空间的 函数管理框架，基于资源可用性及服务质量等方面实现 Serverless 函 数在端 -边 -云连续性空间上的适时分配。该研究机构于 2019 年在基 于移动通信环境的雾计算场景（含有大量高密度分布式异构的雾计算 节点）下提出 Serverless 边缘计算的一些关键特性（如低时延计算卸 载、平台间协同、延时优化、随机数据分析、边缘节点间业务协同、 有状态划分等），实现了相关基于开源无服务器计算 Openwhisk 的边 缘计算平台原型系统，并做了相关评估。在产业界，无服务器边缘计 算的第一个商业尝试为 AWS 于 2017 年发布的 LambdaEdge。在研 究领域，基于 OpenFaas 进行裁剪发布了一个基于少量资源运行的轻 量级可移植的版本 faasd。 在 国内 ， 无服务器边缘计算网络 的 研究刚刚起步，成果 相对 较少 ， 9 但 当前边缘计算集成 Serverless 已经吸引了 产业界和学术 界 的极大兴 趣。 同时， 无服务器边缘计算网络 也面临 着 一些 技术 挑战 ，例如 冷启 动产生 的 长延时 ， 不实用的为云设计的成本效益 模型 ， 持续工作负载 和边缘 AI 应用（无 GPU 支持）的不适用性 ， 缺失位置和能源感知 ， 未考虑分布式网络 ， 无效的数据迁移 ， 间断资源说明 ， 可靠性和容错 考虑 ， 无效的资源调用的可能性 ， 安全问题 ， 不成熟的函数触发 ， 缺 失仿真工具 等 。 10 二 、 无服务器边缘计算网络 架构及关键技术 随着自动驾驶、智能制造等新型业务的发展，边缘计算和无服务 器计算技术 得到了快速发展，同时边缘计算与无服务器计算的融合也 成为互联网领域发展的重要趋势 。因此，介绍分析无服务器边缘计算 网络的架构和关键技术对于推动网络产业发展、驱动未来网络创新具 有重要意义。 本章 首先 对无服务器边缘计算网络的参考架构 进行 介绍 分析 ， 然后分别对基于 Serverless 的服务管理技术、资源管理编排技 术、网络控制管理技术等关键技术进行介绍。 2.1无服务器边缘计算网络 参考 架构 图 2-1 无服务器边缘计算网络的参考架构 11 在本小节，主要介绍无服 务器边缘计算网络参考架构 ，该架构主 要五个部分：分布式边缘计算网络基础设施资源、边缘网络控制器 及 边缘编排 管理 器、基于 Serverless 的服务管理系统、智能业务与应用 。 无服务器边缘计算网络的参考架构包括 的 基础 功能 如下 ： （ 1） 智能业务与应用： 该部分主要 是 部署 在 无服务 器 边缘计算 网络中 的新型 业务与应用，这些 新型的 智能 业务与应用， 可以 通过 相 应 的函数 API 接入并调用平台提供的函数服务 ； 同时，通过底层网络 的控制和资源的编排，实现跨网跨域的 函数服务调用，进而具备分布 式弹性可扩展的能力。 （ 2）基于 Serverless 的服务管理 系统 ： 基 于 Serverless 的服务管 理系统 可以认为 是该架构的“大脑” ，实现了对 Serverless 服务的管 控，并向上支撑智能服务与应用，向下连通网络及资源。 基于 Serverless 的服务管理子系统 ， 具备 Serverless 任务分解、 Serverless 服 务部署、 Serverless 服务发现、 Serverless 服务调度（负载均衡）、协同 调度 等 机制能力。 （ 3） 边缘 网络控制 器 及边缘 编排 管理器 ： 网络控制管理子系统， 连接各个分布式的边缘计算节点， 实现对边缘网络 集中统一的 管理和 控制， 并保证时延确定性 和 路径最优化 ，构建敏捷、高效、可定制的 边缘智能网络。 边缘资源编排器主要对分布式的计算资源和存储资源 进行集中统一的管理和编排，包括对资源负载状况的实时监控，为函 数的计算处理提供弹性的资源，具备灵活的资源扩缩能力； 对接异构 基础设施资源，屏蔽异构资源对应用部署的影响，实现多级泛在算力 12 的抽象和管理； 同时对接分布式基础设施资源，实现层级式管控。 （ 4） 分布式边缘计算网络基础设施资源 ： 分布式基础设施资源 主要由边缘计算节点和边缘网络设备组成，为 无服务器边缘计算网络 参考架构 提供 计算、存储和网络设施资源 。 基于以上无服务器边缘计算网络参考架构以及功能组成，无服务 器边缘计算网络的核心特征可以 概括 如下： 使用者 ：按需使用、按需付费、降低使用者的成本，避免为闲 置资源买单； 开发者： 专注业务开发，无需关注底层基础设施资源； 边缘计算系统： 极致的资源弹性，高效的分布式资源协同，敏 捷的分布式服务调度，最大化的利用分布式的边缘计算资源； 边缘计算网络： 超低的边缘网络传输时延，超高的边缘网络传 输可靠性，灵活的 边缘网络管控能力，边缘计算站点间网络传 输时延、抖动可保证； 2.2无服务器边缘计算网络 关键技术 本小节主要介绍 无服务器边缘计算网络参考架构 中的关键技术， 包括 基于 Serverless 的服务管理技术 、 资源管理编排技术 、 网络控制 管理技术 等。 2.2.1 基于 Serverless的服务管理 技术 基于 Serverless 的服务管理技术 主要为分布式函数计算提供支撑 ； 13 其中，无服务器计算技术 （ Serverless Computing） 是 基于 Serverless 的 服务管理技术 的基础。在 无服务器计算 中， 开发者在构建和运行应用 时无需管理服务器等基础设施 ； 无服务器计算 构建了一个 更细粒度的 部署模型，在该模型中应用被拆解为细粒度的函数并被上传到一个平 台，然后根据当前所需执行、扩展和计费 ； 在 无服务器边缘计算网络 中，用户不需要知道服务的部署位置或者资源的部署 情况 ，只要网络 系统能够满足用户的计算需求和服务体验即可。 基于 Serverless 的服 务管理技术 主要具备基于 Serverless 的服务部署、基于 Serverless 的 服务发现和基于 Serverless 的服务调度等能力。 其中， 基于 Serverless 的服务部署 主要解决函数服务在哪里部署的问题以及部署在哪种计 算载体中的问题； 基于 Serverless 的服务发现 主要解决函数服务对外 暴露的问题，便于计算任务的请求； 基于 Serverless 的服务调度 主要 解决函数服务处理负载均衡的问题。 2.2.2 资源管理编排技术 资源管理编排是无服务器边缘计算网络参考架构的关键技术之 一， 主要通过 统一协同管理分布式的边缘计算节点资源， 实现对计算 资源、网络资源和存储资源的管理和编排，以保证资源的按需供应、 弹性灵活，进而提升分布式计算和存储资源的利用率。 其中，对容器、 Unikernal等计算载体进行管理编排 是资源管理编排技术的主要内容 。 接下来 ，本小节主要针对容器和 Unikernal 这两种计算载体的管理编 排进行介绍分析。 14 当前， 容器（ Container）技术 作为主流的 轻量级操作系统虚拟化 技术， 通过 将应用程序及其运行依赖环境打包封装到标准化、强移植 的镜像中， 并 通过容器引擎提供进程隔离、资源可限制的运行环境， 实现应用与 OS 平台及底层硬件的解耦，一次打包，随处运行。容器 基于镜像运行，可部署在物理机或虚拟机上，通过容器引擎与容器编 排调度平台实现容器化应用的生命周期管理。 其中， Docker 技 术 是容 器的主流技术手段。 当前，业界普遍采用 Kubernetes（ K8S）实现 Docker 的高效管理编排。 Kubernetes 是 Google 开源的容器集群管理系统。 K8S 在 Docker 技术的基础上，为容器化的应用提供部署运行、资源 调度、服务发现和动态伸缩等一系列完整功能，提高了大规模容器集 群管理的便捷性。 Kubernetes 是一个完备的分布式系统支撑平台，具 有完备的集群管理能力，多扩多层次的安全防护和准入机制、多租户 应用支撑能力、透明的服务注册和发现机制、内建智能负载均衡器、 强大的故障发现和自我修复能力、服务滚动升级和在线扩容能力、可 扩展的资源自动调度机制以及多粒度的资源配额管理能力。同时 Kubernetes 提供完善的管理工具，涵盖了包括开发、部署测试、运维 监控在内的各个环节。 另一方面， 随着 边缘计算 的 不断发展 ， 很多边缘计算 服务朝着单 一核心的方向发展。为解决以传统虚拟机为载体向用户提供应用服务 时所带来的资源开销大、启动速度慢、 攻击面大的问题， 业界提出了 Unikernal 作为新型的计算载体。 Unikernal 作为一种精简、专属、全 系统优化的解决方案，具有小型、快速、安全的优势，是继容器之后 15 的轻量级微服务系统架构。虽然基于 Docker 的容器技术解决了传统 VM 存在的系统庞大、启动速度慢的问题，且易于使用，但是大家最 关心的安全问题仍然还未得到真正的解决。因此，人们仍然需要一种 能够提供高级别的安全性、具有体系架构精简、高效率和高性能特性 的解决方案。 Unikernal 还可充分利用虚拟机管理程序的资源管理与 隔离技术，提供更好的安全性。 Unikernal 还在跨平台环境、大数据分 析和横向扩展云计算服务中展现出极大的灵活性、高速度和多功能性； Unikernal 有望成为超越容器的下一代云技术 ； 考虑到目前的 云数据 中心大部分都是使用强大的通用操作系统来部署应用服务，这些系统 不仅消耗大量资源，还具有相当大的攻击面。而 Unikernal 推陈出新， 试图将嵌入式编程技术应用于数据中心，消除了几乎所有的多余组件， 在很大程度上减少了资源占 用空间和攻击面 。 无服务器边缘计算使得服务对单位资源的需求更加轻量化，可以 引入更多的计算资源接入边缘网络来贡献闲置算力，从而形成边缘 算 力服务与交易过程，对于资源管理来说，可以建立依托于区块链的去 中心化、低成本、保护隐私的可信交易技术。在未来泛在边缘计算场 景中，无服务器边缘计算网络可以将算力资源作为透明和公开的服务 能力提供给用户。在边缘算力交易过程中，算力的贡献者与算力的使 用者分离，通过可拓展的区块链技术和容器化编排技术，整合算力贡 献者的零散算力资源，为算力使用者和边缘服务的其他参与方提供经 济、高效、去中心化、实时便捷的算力服务 8。 16 2.2.3 网络控制 管理技术 网络控制管理技术主要采用 软件定义网络（ Software Defined Network， SDN） 技术以及 时间敏感网络 （ Time-Sensitive Networking， TSN） 技术 ，实现分布式边缘计算节点网络连接 的 可管可控，保证时 延确定性和路径确定性。 在无服务器边缘计算网络中，可以基于 SDN 技术构建边缘网络的控制面， 通过 要求边缘计算节点以及网络设备定 期上报计算、网络和存储相关状态信息， 构建计算、网络和存储的状 态视图，从而实现 在控制面集成计算资源的感知、网络资源感知、内 容资源感知 等 功能 。 当终端设备发起服务请求时，基于 SDN 的边缘 网络控制平面可以根据实时的资源状态状况，将服务请求调度至最匹 配的边缘计算节点，实现任务调度的灵活敏捷和高效。 另一方面，边缘计算节点之间的计算任务分发通常要求极低的时 延，以保证终端设备能做出及时的动作响应，这就要求无服务器边缘 计算网络支持确定性的网络传输，以保证超低时延、超高可靠的传输。 其中，通过确 定性网络技术， 实现边缘计算节点之间、终端设备与边 缘计算节点间的 “准时、准确、快速” 的数据传输 ，进而控制并降低 端到端时延，为时间敏感型网络业务提供确定性的网络传输服务。 目 前，可应用 于 无服务器边缘计算网络的确定性技术 主要包括 FlexE、 AVB/TSN、 DetNet4。 FlexE 应用于物理层与数据链路层之间，它通 过时分复用分发机制，将多个 Client 接口的数据按照时隙方式调度并 分发至多个不同的子通道，使网络即具备类似于 TDM（时分复用） 17 的独占时隙、隔离性好的特性，又具备以太网统计复用、网络效率高 的特性。 AVB/TSN 应用于数据链路层，该技术首先将网络中需求不 同的流量分成不同的优先级流，将有确定性需求的流量与其余流量区 分开，然后以类似“时分复用”的 思想，通过不同的流量整形机制为 高优先级流量提供确定的传输“时隙”，以保证时间敏感流量有一条 确定的传输路径。 DetNet 应用于网络层，该技术的目标是在第 2 层桥 接和第 3 层路由段上实现确定传输路径，这些路径可以提供延迟、丢 包和抖动的最坏情况界限，以此提供确定的延迟。 18 三 、 无服务器边缘计算 网络的应用场景 无服务器计算作为新一代云计算的思想及理念，其核心是将提供 服务资源的基础设施抽象成各种服务，通过 API 接口的方式提供给 用户调用，落到具体技术上主要有函数即服务（ FaaS）以及后端即服 务（ BaaS）等。其具备如下优势 ： 第一， 底层透明化，应用开发、部 署无需关注底层基础设施情况，专注于业务的自身逻辑层面即可 ，提 升业务开发效率 ；第二， 支持服务的弹性伸缩，按需使用，适用与业 务量不确定性，或者具备潮汐效应的一些场景。但不可避免的是，作 为云计算的一部分，存在着与最终用户距离过远，依赖数据传送网的 稳定高效等诸多因素。 MEC（ Multi-Access Edge Conputing）即多接入 边缘计算，相对于云计算集中部署的架构，边缘计算是一种分布式计 算部署架构，将计算能力，业务，以及部分 5G 网络能力部署到网络 边缘乃至用户侧，提供一种可靠 、高效的业务体验。其具备如下优势： 第一， 低时延的就地数据处理 ；第二， 敏感数据本地处理，更可靠 。 但是，边缘侧也就意味着单一节点所能提供服务的能力有限，无法向 云计算那样无限的横向扩展。 因此，基于两者的优势结合，构建无服务器边缘计算网络可以更 好的适配那些低频、频次不确定性同时时间敏感的业务场景，如：智 能制造、物联网、车联网、智慧交通等 。 19 3.1 智能制造 智能制造不仅仅是无人工厂，而应该是贯穿于产品设计、生产、 管理、销售、服务等各个环节，利用人工智能、大数据等新技术，以 达到提升企业洞察力、提高生产效率、强化产品竞争力为目标的完整 体系。目前，世界主要发达国家政府及组织高度重视，积极出台相关 战略政策，提升工业智能化水平已成为全球共识与趋势。我国近期发 布的 中共中央关于制定国民经济和社会发展第十四个五年规划和二 三五年远景目标的建议 中就明确提出了，要 把发展经济的着力点 放在实体经济之上，给予高端制造和智能制造大力关注。其特别强调， 要坚定不移建设制造强国、质量强国、 网络强国、数字中国，推进产 业基础高级化、产业链现代化，提高经济质量效益和核心竞争力。同 时坚持创新在我国现代化建设全局中的核心地位，加速实现关键核心 技术的重大突破。 近年来，我国智能制造及相关产业发展迅速，也取 得了一定的成绩，但是，与世界发达国家相比，仍有不小的差距。目 前来说，制约智能制造发展的因素有很多，例如：生产模式与材料缺 失、信息融合困难、平台纷杂、管理方式落后、人才不足等方面。就 信息融合困难这一点来说，就存在着数据采集困难、协议复杂不一、 信息化与自动化融合困难，数据算法缺失等诸多问题亟待解决。 截至目前，我国已建成全球最大、最为完善的 5G 网络，为工业 设备、数据的互联互通提供了高质量的传输通道。此外，飞速发展的 云计算、大数据、人工智能等新技术，也在不断地尝试服务于传统制 20 造业，帮助企业智能化转型升级。综合行业需求及各项技术的发展， 我们认为无服务器边缘计算网络能够在靠近工业现场、数据源头侧， 构建融合网络、计算、存储、应用核心能力的分布式开放体系，为企 业智能制造就近提供边缘智能相关服务，满足传统制造业在敏捷联接、 实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求， 从而实现 OT 、 CT 和 IT 三 者跨界协作、推动信息互通融合，实现 知识的模型化以及开展端到端的产业各环节协作推动制造业的智能 化发展，能够有效地解决了企业转型 过程中地诸多阻碍。 图 3-1 智能制造 以智慧工厂为例，传统制造工厂存在设备数量大、多次代、封闭 等诸多问题，想要以较小的代价实现智能化转型，则需要打破壁垒， 实现设备互联互通，数据统一融合处理，利用人工智能等技术，实现 生产全流程的智能化。无服务器边缘计算网络融合 5G 网络及计算能 力，首先从数据快速采集回传、协议适配统一等方面解决了设备互联 21 互通的问题，并能够实现数据不出园区，充分保障安 全于隐私；其次， 提供现场级的实时算力、极致的业务弹性支撑，实时匹配生产经营全 流程的智能化需求，协助工厂以最小的代价换来制造能力的巨大提升； 最终，作为工厂智能升级改造的基础平台，打造工业智能应用生态， 打破传统设备的封闭性，实现 OICT 统一融合。 3.2 物联网 物联网（ Internet of Things， IoT）的概念至今已为人广泛理解， 作为互联网的延伸和扩展，实现了物与物、物与人的互联互通。我国 物联网产业发展迅速，各类终端的数量和移动性显著增加，所产生的 数据也随之越来越多、越来越复杂，对于数据传输网络及数 据处理能 力提出了更高的要求。作为数据传输网的补充、云计算的延伸，无服 务器边缘计算网络将进一步保障智能物联网的快速发展。具体来说， 首先物联网中的终端、应用的数据传输需要可靠低时延的通信网络， 5G 的成熟应用及广泛部署，可以满足这一要求，而边缘计算网络则 在数据源头就对数据进行处理，进一步降低时延，提升可靠性。其次 某些低复杂度的终端及应用，比如远程抄表、井盖定位等，存在节点 多、数据量不大、周期性采集等因素，如果将这些数据全部采用云计 算方式来实现，会导致云中心需要预留大量资源来因对周期性的的大 量数据处理请求，而这些数 据经过无服务器边缘计算网络处理，只需 要将最终结果上报中心即可。而对于那些复杂度较高的终端，如智能 工业设备、高端可穿戴设备等所产生的大量数据如果都需要传输到中 22 央服务器进行保存、分析、模型训练和决策，需要消耗大量的网络资 源和存储资源。因此，可以在边缘处执行数据整理和分析的边缘计算 可以减轻 IT 架构的负担，降低网络消耗。 例如在传统井盖定位场景下，终端定期发送状态信息至管理部门 的中心进行分析，中心对相关数据进行处理分析，得出结论。但是此 类场景下，终端数量巨大，活跃时间不一致，如果想通过中心的后台 监测，则需要中心 的设备 7*24 小时服务在线，同时考虑到大并发量， 还需要保持对应服务的伸缩架构，对于管理者的建设及维护来说并 不 友好。随着无服务器边缘计算网络的逐步成熟，可以将相关任务在边 缘侧完成处理，当终端设备端上报状态，在边缘端收到此类结构化的 消息后直接触发无服务计算函数 ， 异常信息 转发到后端服务做进一步 业务处理，例如：发推送消息给 网格管理员 ， 同时进行集中存储等。 3.3 车联网 车联网（ Internet of Vehicles， IoV）作为物联网的延伸，是以车 内网、车际网和车载移动互联网为基础，按照约定的通信协议和数据 交 互标准，在车 -X（ X：车、路、行人及互联网等）之间，进行无线 通讯和信息交换的大系统网络，是能够实现智能化交通管理、智能动 态信息服务和车辆智能化控制的一体化网络，是物联网技术在交通系 统领域的典型应用。 随着技术的发展和进步，通过传感器、 GPS、摄像头等装置，车 辆感知自身状态和周围环境，并通过网络实现车辆与服务器，以及车 23 辆和车辆之间的通信。在收集和分析了大量的实时数据之后，可以根 据当前车辆的状况、路况甚至是天气等信息，得出车辆的最佳行驶路 线，最终实现智能交通和自动驾驶等功能，提高人们生活的智能化程 度。 车联网是 目前十分热门的网络技术应用场景。在车联网环境下， 终端每隔 200 微秒就要发送一条信息，如果指令丢失或者延迟过大 都会造成十分严重的后果。因此车联网对网络服务提出了更高的要求， 包括更低的延迟、更快的数据收集和处理能力、网络架构高扩展性以 及能够满足海量接入的能力。想要实现毫秒级的稳定网络服务，现有 的端 -管 -云网络架构已经无法满足需求，对现有的网络架构进行变革， 未来网络将会发挥重要的作用。 低延迟