邊緣計(jì)算系統(tǒng)設(shè)計(jì)與實(shí)踐：邊緣計(jì)算項(xiàng)目落地指南

第1章 邊緣計(jì)算介紹
1.1　邊緣計(jì)算簡史 2
1.1.1　IT基礎(chǔ)技術(shù)的演進(jìn)歷史 2
1.1.2　挺進(jìn)邊緣計(jì)算 4
1.2　云計(jì)算、IoT和邊緣計(jì)算 7
1.2.1　近邊緣端和遠(yuǎn)邊緣端 8
1.2.2　邊緣計(jì)算的應(yīng)用場景 9
1.3　通信與硬件技術(shù)的發(fā)展對邊緣計(jì)算的推動(dòng) 11
1.3.1　計(jì)算單元和存儲(chǔ)系統(tǒng) 13
1.3.2　能源管理和收集 15
1.3.3　通信技術(shù) 18
1.4　熱門技術(shù)和邊緣計(jì)算 20
1.4.1　5G技術(shù)和邊緣計(jì)算 20
1.4.2　云計(jì)算、邊緣計(jì)算和IoT 23
1.4.3　機(jī)器學(xué)習(xí)和邊緣計(jì)算 24
1.4.4　移動(dòng)邊緣計(jì)算和移動(dòng)云計(jì)算 26
1.5　云計(jì)算平臺(tái)提供的邊緣計(jì)算服務(wù) 26
1.5.1　AWS IoT Greengrass 27
1.5.2　阿里云Link Edge IoT 27
1.5.3　百度智能邊緣 29
第2章 邊緣計(jì)算的硬件
2.1　不同運(yùn)算核心硬件在邊緣計(jì)算中的應(yīng)用 33
2.1.1　CPU與馮·諾依曼體系 33
2.1.2　GPU與并行處理 38
2.1.3　FPGA與ASIC 45
2.1.4　未來的新計(jì)算技術(shù) 49
2.2　邊緣網(wǎng)關(guān)和邊緣服務(wù)器 50
2.2.1　邊緣網(wǎng)關(guān) 51
2.2.2　邊緣服務(wù)器和邊緣一體機(jī) 52
2.3　各種傳感器技術(shù) 55
第3章 邊緣計(jì)算存儲(chǔ)系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)
3.1　邊緣計(jì)算存儲(chǔ)系統(tǒng)設(shè)計(jì) 61
3.1.1　邊緣計(jì)算的分布式存儲(chǔ)系統(tǒng) 61
3.1.2　分布式存儲(chǔ)理論基礎(chǔ) 62
3.2　開源分布式存儲(chǔ)系統(tǒng) 66
3.2.1　直連式存儲(chǔ)和集中式存儲(chǔ) 66
3.2.2　大規(guī)模分布式存儲(chǔ)技術(shù) 67
3.2.3　分布式存儲(chǔ)系統(tǒng)總結(jié) 94
3.3　存儲(chǔ)系統(tǒng)硬件技術(shù)的發(fā)展 94
3.3.1　早期存儲(chǔ)硬件技術(shù) 94
3.3.2　固態(tài)硬盤（SSD）技術(shù) 95
3.3.3　未來的存儲(chǔ)硬件 96
3.4　極端條件下的邊緣數(shù)據(jù)存儲(chǔ) 97
3.4.1　邊緣計(jì)算和云存儲(chǔ)能力的盲區(qū) 97
3.4.2　用卡車把數(shù)據(jù)送回去 98
第4章 邊緣計(jì)算的通信
4.1　物聯(lián)網(wǎng)和邊緣計(jì)算的通信概述 101
4.1.1　對于邊緣設(shè)備和物聯(lián)網(wǎng)設(shè)備的通信要求 101
4.1.2　邊緣計(jì)算底層通信協(xié)議的分類 102
4.1.3　應(yīng)用層和消息層協(xié)議 104
4.1.4　通信相關(guān)標(biāo)準(zhǔn)組織介紹 105
4.2　邊緣計(jì)算網(wǎng)絡(luò)層通信協(xié)議介紹 107
4.2.1　RPL協(xié)議 108
4.2.2　LoRa協(xié)議 109
4.2.3　NB-IoT協(xié)議 110
4.2.4　LTE-M協(xié)議 112
4.2.5　Sigfox協(xié)議 113
4.3　現(xiàn)場邊緣網(wǎng)絡(luò)和通信 114
4.3.1　近距離網(wǎng)絡(luò)通信協(xié)議之一：藍(lán)牙技術(shù) 114
4.3.2　近距離網(wǎng)絡(luò)通信協(xié)議之二：ZigBee 116
4.3.3　近距離網(wǎng)絡(luò)通信協(xié)議之三：Wi-Fi 118
4.4　應(yīng)用層協(xié)議 118
4.4.1　MQTT協(xié)議 119
4.4.2　CoAP協(xié)議 121
第5章 邊緣計(jì)算的安全性
5.1　邊緣計(jì)算面臨的安全性挑戰(zhàn) 125
5.1.1　邊緣計(jì)算面臨的重大安全挑戰(zhàn) 125
5.1.2　信息安全領(lǐng)域是全新的戰(zhàn)場 126
5.1.3　談?wù)務(wù)鹁W(wǎng)病毒 127
5.1.4　Mirai病毒 129
5.2　計(jì)算機(jī)安全的一些基本概念 131
5.2.1　計(jì)算機(jī)安全的本質(zhì) 131
5.2.2　計(jì)算機(jī)系統(tǒng)安全的常用方法和概念 133
5.2.3　計(jì)算機(jī)加密算法介紹 136
5.2.4　網(wǎng)絡(luò)安全技術(shù) 140
5.3　從可信計(jì)算到可信邊緣計(jì)算 143
5.3.1　可信計(jì)算介紹 143
5.3.2　TPM 1.2、TPM 2.0和TPCM 144
5.3.3　基于TPM 2.0的可信計(jì)算 146
5.3.4　可信邊緣計(jì)算 147
5.4　邊緣計(jì)算安全問題分類 148
5.4.1　邊緣接入安全問題 149
5.4.2　邊緣服務(wù)器安全問題 150
5.4.3　物理安全問題 151
5.5　構(gòu)建安全的邊緣計(jì)算架構(gòu) 152
5.5.1　邊緣計(jì)算安全綜合設(shè)計(jì) 153
5.5.2　邊緣計(jì)算安全實(shí)踐清單 154
第6章 邊緣計(jì)算的微服務(wù)架構(gòu)和消息機(jī)制
6.1　微服務(wù)架構(gòu)介紹 157
6.1.1　典型的微服務(wù)架構(gòu) 157
6.1.2　IoT 邊緣計(jì)算的微服務(wù)架構(gòu) 158
6.2　關(guān)于容器技術(shù) 159
6.2.1　容器技術(shù)（Docker）介紹 160
6.2.2　Docker引擎 160
6.2.3　虛擬機(jī)和容器的區(qū)別 162
6.2.4　進(jìn)一步深入容器技術(shù) 164
6.3　微服務(wù)技術(shù)深度解析 165
6.3.1　軟件開發(fā)模式和架構(gòu)的回顧思考 165
6.3.2　微服務(wù)架構(gòu)核心組件 168
6.3.3　P2P協(xié)議下的微服務(wù)通信 173
6.3.4　討論Kubernetes和邊緣計(jì)算 175
6.4　邊緣計(jì)算的微服務(wù)架構(gòu)設(shè)計(jì) 179
6.4.1　邊緣計(jì)算微服務(wù)架構(gòu)的考量 179
6.4.2　邊緣計(jì)算架構(gòu)設(shè)計(jì) 180
第7章 邊緣計(jì)算的數(shù)據(jù)處理
7.1　邊緣計(jì)算數(shù)據(jù)處理的價(jià)值 184
7.1.1　傳統(tǒng)的數(shù)據(jù)分析流程 184
7.1.2　數(shù)據(jù)價(jià)值的思考 185
7.2　流數(shù)據(jù)采集和存儲(chǔ) 186
7.2.1　流數(shù)據(jù)概述 186
7.2.1　設(shè)備接入和數(shù)據(jù)采集 188
7.2.3　邊緣時(shí)序數(shù)據(jù)存儲(chǔ) 192
7.3　時(shí)序數(shù)據(jù)處理 197
7.3.1　完整時(shí)序數(shù)據(jù)處理框架TICK 197
7.3.2　Prometheus和Grafana監(jiān)控系統(tǒng) 201
7.3.3　流處理系統(tǒng) 204
7.4　時(shí)序數(shù)據(jù)分析和預(yù)測方法 207
7.4.1　時(shí)序數(shù)據(jù)的整理和可視化 207
7.4.2　時(shí)序數(shù)據(jù)的一些重要概念 211
7.4.3　統(tǒng)計(jì)時(shí)序預(yù)測方法 212
7.4.4　ARIMA模型訓(xùn)練和預(yù)測 215
第8章 工業(yè)邊緣計(jì)算
8.1　工業(yè)邊緣技術(shù)介紹 219
8.1.1　工業(yè)邊緣計(jì)算的發(fā)展現(xiàn)狀 219
8.1.2　工業(yè)邊緣的應(yīng)用場景 220
8.1.3　傳統(tǒng)制造業(yè)信息系統(tǒng)改造 222
8.2　工業(yè)通信協(xié)議與接入技術(shù) 224
8.2.1　不同工業(yè)通信協(xié)議介紹 224
8.2.2　OPC UA協(xié)議及IT與OT的融合 229
8.2.3　工業(yè)通用接入技術(shù) 233
8.3　邊緣計(jì)算基礎(chǔ)設(shè)施和成本 236
8.3.1　邊緣計(jì)算對基礎(chǔ)設(shè)施的影響 236
8.3.2　邊緣計(jì)算解決方案成本估算 239
第9章 機(jī)器學(xué)習(xí)和邊緣計(jì)算
9.1　常用機(jī)器學(xué)習(xí)方法 242
9.1.1　機(jī)器學(xué)習(xí)的類型 242
9.1.2　機(jī)器學(xué)習(xí)的步驟和評估指標(biāo) 244
9.1.3　基于概率的機(jī)器學(xué)習(xí)方法——樸素貝葉斯分類 247
9.1.4　數(shù)據(jù)簡化和降維 250
9.1.5　決策樹分類 254
9.1.6　傳統(tǒng)的回歸預(yù)測方法 257
9.2　深度學(xué)習(xí)方法介紹 262
9.2.1　多層感知機(jī) 262
9.2.2　CNN和RNN 264
9.3　強(qiáng)化學(xué)習(xí) 265
9.4　機(jī)器學(xué)習(xí)在邊緣計(jì)算中的應(yīng)用 274
9.4.1　工業(yè)邊緣計(jì)算平臺(tái)機(jī)器學(xué)習(xí)案例 274
9.4.2　強(qiáng)化學(xué)習(xí)在機(jī)器人控制中的應(yīng)用 279
第10章 邊緣計(jì)算開源框架
10.1　EdgeX Foundry 282
10.1.1　EdgeX Foundry簡介 282
10.1.2　EdgeX Foundry的設(shè)備服務(wù)和核心服務(wù) 283
10.1.3　EdgeX Foundry的支持服務(wù)和應(yīng)用服務(wù) 286
10.1.4　系統(tǒng)管理微服務(wù) 289
10.2　KubeEdge 290
10.2.1　KubeEdge簡介 290
10.2.2　KubeEdge的安裝和配置 292
10.2.3　KubeEdge對于K8s的改進(jìn) 296
10.3　輕量級機(jī)器學(xué)習(xí)框架TensorFlow Lite 298
10.3.1　TensorFlow Lite的安裝和運(yùn)行 299
10.3.2　TensorFlow Lite模型的優(yōu)化 301
10.3.3　給TensorFlow Lite模型添加元數(shù)據(jù)（Metadata） 304
10.4　邊緣網(wǎng)絡(luò)價(jià)值和未來的挑戰(zhàn) 308
10.4.1　梅特卡夫定律和貝克斯特羅姆定律 308
10.4.2　未來信息技術(shù)發(fā)展的制約因素和邊緣計(jì)算的關(guān)系 310