1.4　功能设计视图

1.4.1　ECN

图4 功能视图：ECN功能分层

（1）基础资源层

包括网络、计算和存储三个基础模块。

网络

SDN（Software-Defined Networking）逐步成为网络技术发展的主流，其设计理念是将网络的控制平面与数据转发平面进行分离，并实现可编程化控制。将SDN应用于边缘计算，可支持百万级海量网络设备的接入与灵活扩展，提供高效低成本的自动化运维管理，实现网络与安全的策略协同与融合。

网络联接需要满足传输时间确定性与数据完整性。国际标准组织IEEE制订了TSN（Time-Sensitive Networking）系列标准，针对实时优先级、时钟等关键服务定义了统一的技术标准，是工业以太联接未来的发展方向。

计算

异构计算HC（Heterogeneous Computing）是边缘侧关键的计算硬件架构。近年来，虽然摩尔定律仍然推动芯片技术不断取得突破，但物联网应用的普及带来了信息量爆炸式增长，而AI技术应用增加了计算的复杂度，这些对计算能力都提出了更高的要求。计算要处理的数据种类也日趋多样化，边缘设备既要处理结构化数据，同时也要处理非结构化的数据。同时，随着ECN节点包含了更多种类和数量的计算单元，成本成为了关注点。

为此，业界提出将不同类型指令集和不同体系架构的计算单元协同起来的新计算架构，即异构计算，以充分发挥各种计算单元的优势，实现性能、成本、功耗、可移植性等方面的均衡。

同时，以深度学习为代表的新一代AI在边缘侧应用还需要新的技术优化。当前，即使在推理阶段对一副图片的处理也往往需要超过10亿次的计算量，标准的深度学习算法显然是不适合边缘侧的嵌入式计算环境。业界正在进行的优化方向包括自顶向下的优化，即把训练完的深度学习模型进行压缩来降低推理阶段的计算负载；同时，也在尝试自底向上的优化，即重新定义一套面向边缘侧嵌入系统环境的算法架构。

存储

数字世界需要实时跟踪物理世界动态变化，并按照时间序列存储完整的历史数据。新一代时序数据库TSDB（Time Series Database）是存放时序数据（包含数据的时间戳等信息）的数据库，并且需要支持时序数据的快速写入、持久化、多纬度的聚合查询等基本功能。为了确保数据的准确和完整性，时序数据库需要不断插入新的时序数据，而不是更新原有数据。面临了如下的典型挑战：

时序数据写入：支持每秒钟上千万上亿数据点的写入。

时序数据读取：支持在秒级对上亿数据的分组聚合运算。

成本敏感：由海量数据存储带来的是成本问题。如何更低成本地存储这些数据是时序数据库需要解决的重中之重。

（2）虚拟化层

虚拟化技术降低了系统开发和部署成本，已经开始从服务器应用场景向嵌入式系统应用场景渗透。典型的虚拟化技术包括裸金属（Bare Metal）架构和主机（Host）架构，前者是虚拟化层的虚拟机管理器（Hypervisor）等功能直接运行在系统硬件平台上，然后再运行操作系统和虚拟化功能。后者是虚拟化层功能运行在主机操作系统上。前者有更好的实时性，智能资产和智能网关一般采用该方式。

（3）EVF（Edge Virtualization Function）层EVF是将功能软件化和服务化，并且与专有的硬件平台解耦。基于虚拟化技术，在同一个硬件平台上，可以纵向将硬件、系统和特定的EVF等按照业务进行组合，虚拟化出多个独立的业务区间并彼此隔离。ECN的业务可扩展性能够降低CapEx并延长系统的生命周期。

EVF可以灵活组合与编排，能够在不同硬件平台、不同设备上灵活迁移和弹性扩展，实现资源的动态调度和业务敏捷。

EVF层提供如下可裁剪的多个基础服务：

分布式的联接计算Fabric服务；

OPC UA服务；

实时流式数据分析服务；

时序数据库服务；

策略执行服务；

安全服务。

ECN关键技术：

（1）软件定义网络（SDN）

SDN采用与传统网络截然不同的控制架构，将网络控制平面和转发平面分离，采用集中控制替代原有分布式控制，并通过开放和可编程接口实现“软件定义”。SDN不仅是新技术，而且变革了网络建设和运营的方式：从应用的角度构建网络，用IT的手段运营网络。

SDN架构包括控制器、南/北向接口，以及应用层的各类应用和基础设施层的各种网元。其中最重要的是SDN控制器，它实现对基础设施层的转发策略的配置和管理，支持基于多种流表的转发控制。

SDN对边缘计算的独特价值：

支持海量联接

支持百万级海量网络设备的接入与灵活扩展，能够集成和适配多厂商网络设备的管理。

模型驱动的策略自动化

提供灵活的网络自动化与管理框架，能够将基础设施和业务发放功能服务化，实现智能资产、智能网关、智能系统的即插即用，大大降低对网络管理人员的技能要求。

端到端的服务保障

对端到端的GRE、L2TP、IPSec、Vxlan等隧道服务进行业务发放，优化Qos调度，满足端到端带宽、时延等关键需求，实现边缘与云的业务协同。

架构开放

将集中的网络控制以及网络状态信息开放给智能应用，应用可以灵活快速地驱动网络资源的调度。

当前，边缘计算SDN技术已经成功应用于智能楼宇、智慧电梯等多个行业场景。

（2）低时延网络（TSN）

标准以太网技术已经广泛应用，具有传输速率高、拓扑灵活、传输距离远、成本有效等优点。同时，以太网技术由于传统Qos机制约束、CSMA/CD冲突检测机制约束等无法保证实时性、确定性等行业关键需求。业界对标准以太网技术进行了优化，并提出了多种工业实时以太网技术的商业实现，多种商业实现并存的格局给互联互操作带来了障碍和挑战。

近年，IEEE802.1定义了TSN（Time Sensitive Network）技术标准，旨在推动实时以太网的标准化和互通，最终实现OT和ICT采用“一张网”，并带来如下价值：

确定性: μs级时延、低于500ns级抖动；

接口带宽大于1Gbps，满足工业机器视觉等场景的大带宽需求；

通过多路径或冗余路径实现可靠的数据传输；

与S D N技术相结合，实现对T S N网络和非TSN网络的统一调度管理 。

TSN设计理念是在标准的以太网物理层之上，在MAC层提供统一的低时延队列调度机制、资源预留机制、时钟同步机制、路径控制机制、配置管理模型等，能实现与标准以太网的互联互通。

当前，TSN已经建立起良好的产业协作生态，包括：IEEE负责标准制定，Avnu Alliance负责互通认证，以ECC和IIC为代表的产业组织正在通过Testbed等活动进行产业示范和推广。

（3）异构计算（HC）

异构计算架构旨在协同和发挥各种计算单元的独特优势：CPU擅长对系统进行控制、任务分解、调度；GPU具有强大的浮点和向量计算能力，擅长矩阵和矢量运算等并行计算；FPGA具有硬件可编程和低延时等优势；ASIC具有功耗低、性能高，成本有效等优势。

异构计算目标是整合同一个平台上分立的处理单元使之成为紧密协同的整体来协同处理不同类型的计算负荷。同时通过开放统一的编程接口，实现软件跨多种平台。

异构计算架构的关键技术包括：

内存处理优化

传统架构下，不同计算单元间传递数据需要数据复制，不仅占用处理器资源，还同时占据了大量的系统总线带宽。异构计算让多个计算单元实现内存统一寻址，任何处理单元的数据可以轻易地被其它处理单元所访问，不必将数据复制一份到对方的内存区域中，大大提高了系统性能。

任务调度优化

各种计算单元从过去主从关系变为平等的伙伴关系，可以根据任务情况，动态地确定最适合的计算单元来运行工作负载。涉及了调度算法、指令集、编译器等一系列的架构优化。

集成工具链

为应用程序员提供了硬件、软件接口、基本的运行时环境，封装并隐藏了内存一致性，任务调度管理等复杂的底层细节，支持架构参数优化和任务调度优化，将应用移植工作量最小化。面向AI应用，开放集成多种AI训练和推理平台，兼容多厂商计算单元。

目前异构计算在芯片设计和边缘计算平台设计上都有应用。在芯片方面，整合了CPU+GPU资源，能够实现视频编解码加速。在计算平台方面，利用CPU+FPGA（或GPU）实现人工智能的功能已经被应用于智能交通以及智能机器人等领域。

（4）时序数据库 （TSDB）

海量数据的高效写入、查询及分布式存储是时序数据库面临的关键挑战。其关键技术包括：

分布式存储

分布式存储首先要考虑的是如何将数据分布到多台机器上面，也就是分片问题。分片可以基于时间戳+Tag+分级。将一定时间范围内的相同Tag（一个或多个字段相同的数据）并符合一定分级条件的数据作为相同分片存在相同机器上。存储前可以对数据进行压缩处理，既提高数据写入效率，又节省存储空间。

分级存储

时序数据的时间戳是一种非常合适的分级依据，越近期的数据查询得越多，是热数据；越久以前的数据查询得越少，是冷数据。同时，分级往往结合存储成本等因素，将每个级别的数据存储在不同成本的存储介质（内存、HDD、SSD）上。

基于分片的查询优化

查询时，根据查询条件查询所有的数据分片，所有的分片按照时间戳合并形成原始数据结果，当查询条件包含聚合运算时，会根据时间采样窗口对数据进行聚合运算，最后返回运算结果。

除了商业版本外，业界已经有大量的开源时序数据库，如：opentsdb，kairosDB，influxdb等。数据库除了需要满足上述性能挑战外，很重要的是提供行业数据建模与可视化工具，支持与行业应用系统的快速集成。

1.4.2　业务Fabric

业务Fabric是模型化的工作流，由多种类型的功能服务按照一定逻辑关系组成和协作，实现特定的业务需求，是对业务需求的数字化表示。

服务的模型，包括服务名称、执行或提供什么样的功能，服务间的嵌套、依赖、继承等关系，每个服务的输入与输出，以及Qos、安全、可靠性等服务约束。

服务的类型不仅包括边缘计算提供的通用服务，还包括垂直行业所定义的特定行业服务。

业务Fabric的主要价值包括：

聚集业务流程，屏蔽技术细节，帮助业务部门、开发部门、部署运营部门等建立有效合作；

和OICT基础设施、硬件平台等解耦，实现跨技术平台，支撑业务敏捷；

作为业务描述性模型，可继承、可复用，能够实现快速建模。

业务Fabric功能包括：

定义工作流和工作负载；

可视化呈现；

语义检查和策略冲突检查；

业务Fabric、服务等模型的版本管理。

摘自《自动化博览》2018年2月刊