开发者学堂课程【高校精品课-上海交通大学-企业级应用体系架构：Cloud Computing 2】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/75/detail/15849
Cloud Computing 2（二）
内容介绍：
一、 边缘计算
二、云端融合的系统
三、cloud
四、延迟
五、能量
六、成本问题
四、延迟
延迟，那么延迟指的是什么？比如刚才讲的一种场景，是延迟变快了，就变小了，云会把任务发给端边缘，大家一起分析这视频，这个速度是快。但是在另外一种场景之下就慢，比如现在不是要实时的去找这个小孩在哪里，是需要统计一下当前在这个商场里有多少个人。为什么会慢了？原来是把所有的数据全部汇到云里面，实时的在做处理，就知道每个摄像头里面有多少人。现在需要的是，比如从今天早上8:00~12:00，商场里平均的客流量是多少？如果是这样一个数据，在边缘这个场景之下，数据都在边缘存放，是把请求发出去之后，每个人统计完告诉我，但是如果去做一个全局的处理，就是所有的数据其实全部汇聚到云端，现在云端它在处理每时每刻。当做这种统计的时候，就把每5分钟统计出来的人数累加一下就可以得到结果。
相比前面这种处理方式，后面这个显然快，因为它不再需要边缘去再去做统计，然后拿回来汇总，所有数据全部都在云端做，而且云端之前已经做过，每5分钟就统计过一次，比如这5分钟有100人，下5分钟有200人等等，这种数字性的东西，做一次累加，在云端做会显得更快。所以在这种场景之下就会看到它可能就会显得会更快了。
并不是所有的场景都适合把数据推到这个边缘去做，那有一部分场景还是要适合在云端直接去做。带宽也是要考虑的一个问题，在使用带宽的时候要考虑原来的设备，它是时时刻刻把数据都推回来，这对带宽的占用一直很高，尤其在商场营业期间的高峰期，就会显得压力很大。
但是如果把这个数据，云这个边缘端去暂存一下，只要把指定的报警信息，比如发现了不明的物体没人看管的物体，把报警信息发送，然后到夜里面，商场关门之后，把录像结果一次性传出。这时候会看到在整个商场营业期间带宽占用并不多，只是在晚上反正也没有人用了，才把数据传过来，这种情况下带宽的使用就是一种优化的使用。
所以做这种云端融合就要考虑到优化要怎么做，就跟延迟一样，不同的场景要用不同的解决方案。
五、能量
刚才的手机，在做事情的时候，为什么会觉得很多事情做不了，手机的电池是有限的。例如最近的 Iphone 出来只有1800毫安时，手机端能做的事情非常有限，在跟它类似的只要是边缘设备，比如一些 fid 的补卡器或者是其它什么东西，它都会显示出电池是一种很宝贵的资源，要节约使用。在这种情况下，所以要去考虑到底是计算，还是把数据发走，这两件事情都会发生电源的消耗。到底是在本地计算它的能量消耗大，还是把它发走消耗大，这件事也不是一个定论，比如当在靠近基站的时候，就会发现传输的能量消耗就比较小，因为跟基站靠得近；当和基站靠得远的时候，它的消耗就会变得比较大，所以要根据实际的情况去决定这个任务到底是在本地做，就是传输的能量比计算能量要大，在本地做；还是发走做，也就是传输能量比计算能量小，还是一部分任务在本地做，一部分任务给它推走，这就是要考虑的问题。
六、成本问题
很显然如果这些东西都是收费的，不是免费的，就要考虑互相之间成本是什么关系。也就是把一部分推走给云去做，一部分在本地做，总开销是多大。
在边缘计算里面，总结出来一个术语表，就是一个分类，分为好几个：
一个是比较熟悉的就是接入的技术，是 WiFi、3G、4G 还是5G 还是什么新的 WiFi 等等。然后会有一些应用，在应用在边缘计算场景下应用就会有计算的卸载，协作计算，外文内容的优化，内存的副本，还有内容的传递，这些可以看到刚才的云端融合能够实现的一些场景。
目标是有最小化延迟或者最小化能量消耗或者最小化案的成本，最大化的吞吐量等等。
计算平台是包含了语音边缘服务器以及移动设备。用到的关键的基础有云和虚拟化。大量在云端的服务器，网络的拓扑，网络技术，网络拓扑加上它的通讯技术，软件的开发包，手持设备。这是参与者，就比较简单。还有特性，比如它的近似性，物理上分布的密度等等，这是在 VI 计算里面产生的，就是它涉及到就像软件工程的研究领域一样，它也对边缘计算涉及到的这些研究领域做了一个划分，包含的这些技术。
这些东西都比较抽象，举一个实际的例子：计算负载到底怎么去实现的。从用户的角度来，就是想节约能量，并且计算的速度加快。
举例如下:
有三个终端， UE 就是三个手机用户，对于第一个用户来，会发现它的计算任务比较复杂，底下是红色的比较复杂，发现其实计算任务，离这个基站比较远，要传输给基站让它去处理的话，传输代价可能都会比本地处理的代价大，比如耗能多，所以在这种情况下，就在本地执行。
第二个用户是靠基站非常近，传输的代价会非常小，而电量也快没了。在这种情况下，不如把这个数据推到边缘服务器，让边缘服务器去做，本地就不做，这就叫完全卸载，就把它全卸载走。
第三个用户手机电量有一半，但处理的任务比较多，不是不能处理，手机还能处理一部分。于是把一部分数据拿出来放到基站上，另外一部分在本地做，处理完之后把结果和本地处理的结果合并，这就是部分卸载，是在边缘计算里看到的三种情况。
所谓的全部卸载和部分卸载就是指，要么是最小化执行的时间，要么是最小化能量的消耗，在满足执行时间的约束，比如要求三秒处理完，在满足三秒处理完的情况下，怎么样最小化的能源消耗，在两者之间做一个权衡。进行分配的时候，是全部在本地做，还是全部卸载或者是部分卸载？三个方法，就是在计算的延迟和能量消耗之间做权衡，要么最小化其中一个，要么就是在中间找一个平衡点，考虑的一些因素有哪一些呢？比如如何来分配计算节点？
当在蓝颜色终端用户1，在访问基站的时候，基站现在有一些资源分配给一个虚拟机，处理这里的数据，当UE2同时访问基站的时候，基站就会发现资源已经分配完了，没有额外的资源能给分配，要告诉另外一个基站，给分配一些资源。能够直连的基站有两个，但一个网络开销导致它的延迟比较大，另外一个延迟比较低，就会优选 SCeNB3这一个基站，基站上开一个虚拟机给UE2，UE2的内容就会通过基站转发到这边，也就是有传输的带宽，但没有计算能力，所以让数据传到这边来，然后用SCeNB3的能力，来帮忙处理，这就是在若干个基站之间在请求资源的时候分配的逻辑。
如果系统变得比复杂，比如有5个用户要求要分配资源，1、2、4、5、6资源比较少，接入基站里，但是3不太一样，当12456全部都分配好之后，发现基站一已经占满，基站三剩一部分，基站二也剩一部分，这两部分都不足以支持UE3，就把 UE3请求的资源再分解，两个基站上分配的虚拟资源合起来能够满足 UE3的资源的要求，这就是的在多个节点上给分配资源。这些事情对于用户来应该是透明的，这些事情是需要这些基站之间做协作来完成的。要注意是在整个过程当中，没有一个中心云的概念，这些事情全部在边缘发生，不需要把请求发回到中心里面去，就在边缘几个设备之间互相一协作就完成了，所以刚才看到听起来在云和端之间去做协作挺简单，但实际上把它拆开来看，问题不是那么简单了，涉及到的这种资源分配，就需要在边缘端互相协作来完成。
能量控制是什么意思？
比如一般的手机，在跟基站在一定范围内通信的时候，能耗非常小，而且能耗和距离之间没有太大关系，基本上是个常数。比如在黑色的圈里面，它的用户和基站连接的时候，无论在圈的范围是什么地方，它的能耗开销都是一样的，但一旦出了这个黑色圈之外，比如在绿色圈里头，和基站通信的时候，能耗和距离之间就成正比，超出绿圈之外就不是线性的，可能指数级增加。
回到刚才的问题，UE3一部分给2和3的时候，还得考虑要满足它的能量的消耗，所以可能还有个4，没有在4上面再找一部分资源分配给用户层。所以能量控制和手机的设计原理和通信原理就相关。
手机它是移动，比如它在这连接了基站，申请了个资源，这个任务丢上去，比如要做刚才的 AI 换脸的动作，资源发上去之后，在处理，但这个时候可能已经走远了，等走到一段的时候，这一个数据处理完了，怎么把结果给上去，是不是要把虚拟机迁移到当前它连接的基站这个地方，才能把结果给了，否则的话没有办法给。因为和基站已经不连了，在跟底下基站连，怎么做迁移就是个问题。所以虚拟机的迁移就很重要，要知道往哪里迁，其次以快速的方式迁，这个过程当中需不需要中心云来介入，这都是要考虑的问题。
在刚才的处理的过程当中，一个终端，接触到数据之后，是做虚拟器的迁移还是做路径的选择？比如一个中心的节点，想跟终端进行通信，把数据给到的时候，在这三个当中选择哪一个比较好，还是三个都可以跟着手机相连，可以把数据给发过来，路径选择怎么样是最合理的，相当于现在的方向是反过来。刚才是从上面要把数据推下来，让下面来做，应该怎么去选择这个路径，这个是底下把任务推上来，怎么把结果给了。
