云计算要求数据在用户在云中运行应用程序之前在数据中心预加载，而边缘计算处理网络边缘的数据，但需要对数据生产者和消费者的密切控制。多个利益相关者拥有的数据很少在数据所有者之间共享。
我们设想，在IoE时代，分布式数据共享和处理应用的需求将急剧增加，因为产生和消费的数据被推到网络的边缘。我们提出了一个新的计算框架，称为Firework，有利于分布式数据处理和共享的IoE分析，同时保持数据和计算在利益相关者的设施。
我们将使用在AMBER警报系统中的对象跟踪作为激励应用来说明边缘计算可以如何在混合云边缘环境中实现应用和剩余应用的挑战。
如图1所示(Video clipping)，视频流由不同的相机收集并由不同的所有者拥有。在边缘处部署的视频剪辑，扫描视频流以选择性地过滤出带有牌照的帧，并将这些帧发送到云。当将其与以云为中心的场景进行比较时，可以避免数据源和云之间的海量数据传输。在云中，车牌识别和跟踪用于识别车牌上的文字并跟踪目标车牌号码。注意，车牌识别和跟踪也可以与边缘处的视频剪辑搭配，在这种情况下，通过消除边缘和云之间的通信，可以进一步减少响应延迟和网络成本。
图1.在混合云边缘环境中实时视频分析（即，在琥珀警报系统中的车牌识别和跟踪）的一个例子
在实际应用中的挑战：
1.数据资源不同，很难达到数据的共享：数据源从机身相机到固定安全摄像机不同，因此很难与其他人实时共享数据，这是由于隐私问题（例如，由交通/安全摄像机捕获的面部）和资源限制（例如，身体或DA上的功率/计算/网络限制）
2.服务很难在地理分布不同的计算节点的各色平台上应用
3.编程的困难：考虑数据所有者、格式、ＡＰＩ和计算平台不同
在实际应用中的贡献：
１．虚拟共享数据集：将多个利益相关者的数据融合为一个虚拟共享数据集，该数据集是数据所有者和数据预定义函数的集合。数据隐私保护可以使用隐私保护功能来实现，通过仅对有意用户共享敏感知识来防止数据泄露；
２．应用程序分解：将应用程序分解成子服务，这样用户就可以直接订阅中间数据并利用现有的子服务来编写新的应用程序；
３．易于使用的编程接口：为服务提供者和最终用户提供一个易于使用的编程接口。通过利用部署在云和边缘上的子服务，Firework旨在减少混合云边缘应用的响应延迟和网络带宽成本，并使多个利益相关者之间的数据处理和共享成为可能。我们实现了一个Firework的原型，并演示了通过使用在Firework之上开发的边缘视频分析应用程序来减少响应延迟和网络带宽成本的能力。
网友评论