网络计算典型形态的发展回顾和愿景展望

Posted 2022-03-03 边缘计算社区

本文转载自中国计算机学会（CCFvoice），

作者：CCF理事 郭得科、CCF会士 王怀民，

责任编辑：朱弘恣

本文总结了最近20多年网络计算典型形态的演变路径，分析了客户端/服务器、对等计算、网格计算、云计算、边缘计算的基本理念和优缺点。探讨了云网融合系统面临的挑战和关键技术，以及云边融合系统的机遇和挑战。在此基础上，我们提出了云边纵向融合横向协同计算架构，以应对当前网络计算面临的新挑战，并对网络计算的发展进行了展望。

关键词：网络计算、对等计算、云计算、边缘计算

互联网的普及对计算模式的发展产生了重大影响，实现了从提供科学计算能力到提供网络服务的重大转变。近20多年来，网络计算的发展可以大致归结为五种典型形态，分别是客户端-服务器模式、网格计算、对等计算、云计算和边缘计算。网络计算典型形态的演变从根本上推动着企业级信息系统在架构、技术体制等方面的重大变革。当前，云计算基础设施和互联网正在逐渐演变为云网融合系统，并承载面向各行各业按需动态构建的复杂信息系统，连接云上租赁资源、云下遗留资源和业务系统以及各地用户和终端。近年来，云网融合基础设施向更靠近用户终端的网络边缘进一步延伸，孕育出了边缘计算，推动了云边融合系统的发展。如图1所示，边缘计算在某种程度上融合了云计算和对等计算这两种原本不同的走势。本文将探索一种纵向融合横向协同的联盟计算架构，实现对网络计算新一代典型形态的探索。

网络计算的演变

互联网初期的服务模式是为任意一对网络终端提供端到端的数据通信和交互能力，此时网络中尚没有对外提供资源和服务的服务器节点。随着网络技术的不断创新和互联网的大规模普及，诞生了为网络用户提供多样化在线服务的网络计算形态，即客户端-服务器模式或浏览器-服务器模式。基于这种服务模式，面向大众的互联网应用和面向行业的信息系统建设都得到了蓬勃发展。在这种网络模式成功普及和延续的同时，近20多年间网络计算的发展走向两条完全不同但正交的演变路径。第一条演变路径是不断加强互联网后端基础设施的服务能力，从客户端-服务器模式陆续诞生出网格计算以及依托大型数据中心的云计算。第二条演变路径则是充分挖掘和整合大规模网络终端的资源和能力，即对等计算，并在内容分发、文件共享等网络应用领域得到了成功实践。

客户端-服务器模式

客户端-服务器模式的特点是网络终端的规模庞大，对各个终端的资源配置要求并不太高，而对后端服务器设备的资源配置要求高，主要依赖后端服务器来提供网络服务。在相当长的时间内，这种网络计算形态占据了主流应用市场，但很快面临两个方面的严峻挑战和新机遇。一方面，随着互联网技术尤其是移动互联网技术的快速发展，互联网用户和终端设备的规模急剧增加，庞大的用户请求难以通过相对较少的后端服务器获得高质量的服务。另一方面，摩尔定律驱动着网络终端资源配置的持续提升，业界开始思考互联网终端侧的能力如何有效发挥作用。上述因素共同引发了人们对网络计算的再思考，学术界从本世纪之初推动了对等计算的研究热潮，一直持续到2008年左右；工业界同期也开展了大量应用实践。

对等计算

众多互联网终端虽然在物理上不能直连，但是在应用层（overlay层）可以自发互联或按照特定规则互联为大规模对等网络[1]。根据梅特卡夫定律（Metcalfe' s Law）可知，网络的价值同网络节点数的平方成正比。因此，即便单个网络终端的资源相对服务器而言有所不足，由大量这类终端构成的对等网络也能提供非常丰富的资源和强大的服务能力。对等计算使得客户端-服务器的传统网络服务模式找到了新的平衡点，因为参与对等网络的终端设备之间可以互相响应对方的请求，大量的互联网请求有机会在某些终端设备即可被及时响应，从而大幅度缓解了后端服务器的压力，最终极大地改善整个互联网应用体系的可扩展性。针对这种网络计算形态，学术界和工业界共同探索了非结构化对等网络、结构化对等网络、混合对等网络等不同的表现形式，如今依然发挥着广泛而强大的作用。包括手机在内的各类网络终端上安装的视频类应用，都依靠对等计算在背后发挥着关键作用。用户的大量视频请求并没有直接发往视频服务器或视频云，而是首先在安装视频应用的大量网络终端之间互相服务。

网格计算

本世纪初期，世界科技强国积累了一批以高性能计算机为代表的重要科研平台，但是很多时候其利用率都不高，也很难通过互联网对外公开并方便公众使用。网格计算希望将这些掌握在政府和机构手中的平台纳入到互联网后端，以服务计算（Service-Oriented Architecture，SOA）的方式开发和封装，然后通过互联网对外发布，确保任何终端通过HTTP标准协议能够远程调用和使用。网格计算不断增强互联网后端服务平台的能力，为用户提供与地理位置无关以及与具体计算设施无关的通用计算能力和服务。借鉴电力网的概念，网格计算使人们在使用网格资源时，像使用电力资源一样，自由使用通用计算能力和服务。受限于当时的运营模式和信息基础设施情况，网格计算在2006年左右逐渐淡出人们的视野，但是在当今“算力+网络”的时代具有重要的指导意义。当前，我国发起“东数西算”工程，全国的数据中心和相关网络设施要进行体系化布局和建设，此时再来回顾网格计算会发现其比较契合如今的实际情况。

云计算

亚马逊于2006年推出EC2、S3等基础设施即服务(Infrastructure as a Service，IaaS)层面的云服务，并在商业上取得了巨大成功。随后，谷歌、微软、IBM、阿里巴巴等互联网巨头开始抢占云计算市场，云计算接替网格计算成为新的热点。中国计算机学会（CCF）于2009年发布了《中国计算机科学技术发展报告》，将云计算定义为一种商业计算模型。正因为有非常明确的营利模式，云计算才具有强大和持续的生命力，而网格计算并没有找到合适的营利模式。云计算的核心载体是虚拟化的数据中心，并据此为企业和大众用户提供按需灵活配置的多样化网络服务。在这个时代背景下，诞生了大量的从事云计算业务的互联网企业。在传统云计算的基础上，学术界提出了云际计算（joint cloud computing），探索云服务提供者之间的开放协作，实现多方云资源之间的深度融合，方便开发者通过“软件定义”方式定制云服务。除了探索新型的云计算服务之外，另一个角逐的热点是加强分布式数据中心基础设施的建设和拓展。

TCP/IP共同发明人罗伯特·卡恩（Robert Kahn）教授在2013年的IEEE INFOCOM大会做主旨报告，其中一个重要论断是“未来的互联网将会变为一个数据中心的网络”。这一论断在2013年还有点言之过早，但今天基本上可以看到一个数据中心网络雏形。云计算业务的全球化推动了多家企业在全球范围内建设分布式数据中心，其中一个至关重要的问题是，这些数据中心设施的互联网络由谁来提供。简单直接的方式是尝试用互联网打通各个数据中心，然而这条技术途径无法提供所需的能力和性能保障。因此，谷歌等云计算企业很早之前就开始着手建设数据中心之间的广域网络，逐渐演变出了一张与互联网共存的另外一张全球性的广域网络[2, 3]。

以谷歌全球公有数据中心以及私有网络为例，其数据中心建设覆盖了100多个接入点、15个区域、45个数据中心可用区，铺设了10万英里的光纤。这张新网络普遍采用了软件定义广域网（SD-WAN）架构和相关协议，提供高带宽和低时延传输服务。阿里云是国内云服务供应商的典型代表，它着手在全球11个区域部署44个数据中心可用区。阿里云已经在国内大规模铺设自己的云网络来解决数据中心之间的互联问题，以及用户访问数据中心的接入问题等，但是其云网络战略在国际上的发展还相对较慢，更多依托中国联通来开展。亚马逊和微软的大规模分布式数据中心建设也有类似之处。亚马逊在美国之外的18个区域与1个美国本地区域运营55个数据中心可用区。微软在北美、欧洲、亚太、南美等地区部署了42个数据中心可用区。总体来看，大规模分布式数据中心在信息化和智能化时代扮演了至关重要的角色和地位，是国家核心信息基础设施。事实上，人工智能应用所依赖的大数据和大算力都依赖后端数据中心来保障，而且将来也会发展到多地域分布式的形态。

云计算的新形态：云网融合系统

云计算基础设施和网络基础设施正在逐渐演变为云网融合系统，并面向企业用户和应用按需动态构建虚拟网络系统，连接云上租赁资源、云下遗留资源和业务系统以及各地用户和终端。在这样的时代背景下，越来越多的企业考虑把复杂的业务系统落到这些基础设施之上，形成云网融合信息系统[4, 5]。这种信息系统包含数据中心、网络系统和分布式业务系统三个层面，具有规模渐进扩展、业务系统动态演变等内在特性，其正常运行受到很多不确定和动态变化因素的严重制约，面临诸多挑战。

第一个挑战是业务系统动态演变。基础设施承载的上层业务系统日益多样化和动态变化。云网融合基础设施采用共享模式来运营，会支持各行各业在其上同时构建和部署大量业务系统，但是很难准确规划或预判将要出现的业务系统，其种类和数量会不断地演变。第二个挑战是互联结构复杂。无论是底层物理网络，还是业务系统在逻辑层面形成的互联网络，都面临互联对象多、互联结构复杂的问题。此外，很多业务系统从针对特定任务的刚性结构向适应多样化任务的柔性结构转变，这要求不断重构业务系统的逻辑互联网络，同时需要底层物理网络随之提供能力支持。第三个挑战是规模的渐进扩展。底层物理设施和上层业务系统的规模都在不断变化。第四个挑战是资源共享和竞争。云网融合基础设施要同时支撑的业务系统类型和数量会很多。如何应对并发和非合作的用户请求，计算、存储、带宽等资源的协同使用变得具有挑战性。

因此，构建内生适应能力是云网融合信息系统自我调整、主动适变、保障业务鲁棒运行的关键所在，对民用网络和国防系统都具有重要的研究价值。这要求研究人员在设计阶段考虑到多个方面的重要需求，其中有三个共性需求必须优先考虑。第一是网络连接的需求。数据中心物理网络和业务系统逻辑网络的互联结构都需要适应规模的扩展和结构的演化。具体而言，面临数据中心如何建设、数据中心的体系布局是什么、云网络建设如何跟进等问题。另外，业务系统的最终落地需要分配一张虚拟化的私有云网融合系统。第二是网络路由的需求。数据资源广泛分布且缺乏索引，如何在网络内准确地获得所需的数据，就需要解决好其中的数据驱动路由问题。第三是网络资源管理的需求。底层的云网融合基础设施和上层业务系统进行分层设计，都需要具备对所在层次中多样化资源和资产的态势感知能力，也需要对这些资源进行高效地管理和利用。

针对上述科学问题和共性需求，我们认为适应性云网融合系统应该从网络系统的数据平面、控制平面、应用平面三个层次来设计，从而提升网络系统适应环境和业务动态变化的能力。第一是可扩展的数据平面。这涉及到单个数据中心内部如何互联、数据中心之间如何互联，以及上层业务系统在逻辑层如何互联的问题，这对可扩展拓扑结构的设计提出了很高的要求。第二是高性能控制平面。无论是数据中心内还是数据中心之间的软件定义网络，或者是软件定义的业务系统，都需要高性能的控制平面。虽然工业界推出了很多软件定义网络的控制器，但是仍然亟待研究如何设计大规模分布式控制平面，如何验证控制平面的整体性能等问题。此外，分布式控制平面必然时常遭受失效问题和故障问题，这也对其整体的容错能力提出了挑战。第三是高效应用平面。应用层面临多维资源的高效竞争使用，亟待研究资源协同管理理论和方法。总体而言，我们给出了用软件定义思想来构建复杂信息系统的一个基本参考架构。

边缘计算的新形态：云边融合系统

云网融合系统是当前很多行业信息化建设的重要参考架构，其相关技术和应用仍然有很大的发展空间，但是面临着系统的可扩展性问题。吉姆·格雷（Jim Gray）教授在其图灵奖的获奖发言中，把可扩展性列为信息技术领域的12个长远问题之首。这促使我们要看得更远一点，思考下一代的系统架构。

在云网融合系统架构中，系统扩展性难题的严重性越来越凸显。当前互联网终端设备的规模和其产生的数据量正经历指数级的爆炸式增长，而后端“云”和“网”的基础设施能力扩展速度却是线性的。这令现有的云网融合模式愈加难以维系，因此需要思考新的网络计算模式来共同满足千行百业的信息化和智能化建设需求。边缘计算的理念应运而生，其旨在依托靠近前端和用户“最后一公里处”的接入网络，将传统通信管道建设成泛在分布式的边缘计算环境，承接下行的云服务以及上行的终端计算任务，显著降低数据交互时延，减小网络传输开销等。

如此一来，从大量终端上传的数据流就可以分为两个阶段来处理：大部分数据抵达边缘层就会被截获和响应处理，少量高附加值数据会被进一步传输到云端进行处理。边缘计算这种网络计算的新形态深受工业界的欢迎。首先，这对我国三大电信运营商而言是一个千载难逢的机会，三家公司都非常希望借此将自己庞大的接入网络升级为边缘计算环境。我国的电信运营商从十多年前开始就不断探索如何将手中的通信管道变为高附加值的平台，然而一直成效甚微。其次，边缘计算为其他行业进入算力服务市场提供了很好的契机。例如，国家电网和南方电网近年来研究如何提供边缘计算解决方案，基本思路是依托广泛覆盖的配电站等电力基础设施建设边缘计算环境，在满足电力系统信息化的需求之余，对外就近提供算力服务。国家电网和南方电网相比电信运营商在地域覆盖性、电力供应等方面具有更独特的优势。

近年来，业界对边缘计算理念产生了很多不同的理解，也提出了一些殊途同归的技术演进路线，其中需要共同关注的需求有两个。第一种基本需求是云边端的纵向融合。终端侧的业务和产生的数据逐渐向边缘侧甚至云端上行迁移。与之相反，云端的很多业务和服务会下行到边缘侧合适的节点，甚至会下行到终端设备进行服务。例如，人工智能应用选择在云端训练参数量很大的模型，该模型经过裁减和压缩后会下行部署到边缘侧甚至终端侧进行模型推理应用。通过云边端资源的纵向融合，实现面向未知任务集合的资源智能化运用，提升服务质量。

虽然云边端纵向融合的理念在学术界和工业界达成了共识，但是还不足以实现边缘计算模式所构想的优势，业界很少关注到第二种基本需求，即隶属不同供应商的分布式边缘节点之间的横向协同需求。边缘计算环境不可避免地会出现很多基础设施供应商，例如三大电信运营商、国家电网、南方电网等。这导致边缘计算环境具有天然的地域分散性和孤立性，未来必然出现众多大小不一的边缘计算环境，并逐渐演变为很多相对孤立的“边缘算力烟囱”。边缘计算发展至今，这种苗头已经非常明显。例如，在云边端纵向融合理念的驱动下，各个边缘计算供应商发布和推进自家的解决方案。今天，华为、阿里巴巴基于在云计算解决方案方面的优势，将其方案优化适配后开始推广其边缘计算解决方案，这样发展的结果又是一个一个纵向的“算力烟囱”。在云计算时代，业务上云之后很难在不同的云之间进行业务迁移，而边缘计算应用将面临相似的问题。因此，在边缘计算发展的早期就应该思考如何解决这个问题，我们认为边缘节点之间的横向协同是一条可行的途径。通过众多分散孤立的边缘计算环境的横向协同，实现边缘层的广域覆盖和资源能力的显著提升。

基于对边缘计算的上述判断，我们进一步思考如何设计和运行未来的信息系统。信息系统有很多要素，算力和数据是其中至关重要的组成部分，因此需要关注算力和数据在整个大系统中的分布情况。在边缘计算时代，算力和数据在云边端三侧都会存在，只不过因位置不同，在能力和特征上有所差异。边缘计算时代的信息系统建设需要充分考虑上述发展趋势，并思考制约其发展的一系列设计问题。例如，云和边缘的纵向融合和横向协同理念如何在架构上得到体现；计算、存储等共性服务如何统一设计和管理，进而避免再出现一系列的“新烟囱”；边缘层的整体服务能力如何根据实际情况动态扩展和伸缩。

针对终端设备移动性、应用需求高时敏性、应用需求多样性以及边缘节点异构性四大特点，我们提出一套“云-边”融合网络系统的设计方法。首先，从“连”的角度，研究如何在大量分散式边缘节点和大型云数据中心之上建立整体高效的网络系统架构；其次，从“建”的角度，研究这种网络系统架构用什么方式建设，这需要运用软件定义的思想来管控复杂的物理网络系统，为其落地实现探索可行的技术途径；再次，从“管”的角度，研究建好之后如何设计和管理基础性服务的问题，应对大量终端应用在边缘层对计算和存储服务的竞争性请求；最后，从“扩”的角度，研究整个边缘层服务能力的高效扩展机制，全面扩大边缘层基础设施的资源规模，提升服务大量终端需求的能力。

纵向融合横向协同的联盟计算架构

为了推动云边纵向融合横向协同理念的发展，我们首先提出了边缘联盟计算架构，并为其拓展出两种非常有代表性的延伸形态：公有和私有协同的混合边缘计算架构，以及移动平台辅助的边缘计算架构。

边缘联盟计算架构

出于对边缘计算愿景的认同，三大电信运营商和传统云服务供应商已经把商业触手伸到了边缘计算场景，将自身定位为边缘基础设施提供商，推行边缘计算解决方案。但他们建设的都是互相孤立的边缘计算环境，长期以往会导致边缘层出现很多“算力烟囱”，每个孤立边缘节点面临资源、服务能力、覆盖范围有限和维护开销很大等不足。与之相反，一种比较理想的推广方式应该是形成边缘联盟计算架构[6, 7]：不管是谁家建的边缘计算环境以及云计算环境，都能够合为一体，进行资源共享，对外提供用户无感知或透明的边缘服务。

依托现有技术，如何实现边缘联盟计算架构的愿景呢？一种可行的方案是用联盟层面的域名解析服务（DNS）来完成。某项服务在多个边缘节点甚至云端按照相同的域名进行部署，来自终端用户的该服务请求都可以在联盟DNS处被解析，请求会被转发给最恰当的某个边缘节点或云数据中心并得到服务响应。DNS解析会采取不同的策略，例如考虑处理时延低、负载均衡等因素。此外，电信运营商力推的算力网络与该设计方案有异曲同工之处，可以借此实现边缘联盟计算架构。

公有私有混合边缘计算架构

边缘联盟计算架构再往前发展则需要考虑最终面向终端用户提供怎样的边缘服务。首要任务是面向各行各业提供基础的公有服务，例如存储服务、计算服务、大数据处理服务、AI服务等。这些公有服务的用户群体和需求量大，往往是各大厂商占领边缘计算市场的关键所在。与之相反的是面向特定用户定制化需求的私有边缘服务，例如某些更高性能的服务和更高安全级别的服务等。这些需求往往希望边缘层用独立的隔离环境提供边缘服务，与其他用户的计算环境不冲突，例如工业制造、军事等领域等。然而，提供私有边缘服务的节点往往利用率不高，而提供公有边缘服务的节点则常常面临服务过载的情况。因此，如何合理应对并存的公有和私有边缘服务请求成为非常值得探索的研究课题。

我们探索了一种混合边缘计算结构，可以临时租借边缘层私有服务器的空闲资源，提升边缘层整体的服务质量。这种架构面临一定的难点，例如私有服务器对于请求的处理优先级问题、资源利用效率最大化问题、响应延迟最小化等问题。在云计算时代，不少用户单位的部分业务不适合上公有云，为此需要为其建设私有云，这导致整体业务被分割开来并分别部署在自有的私有云或公有云，最终面临如何构成为一个整体业务的困境。这种情况在边缘计算时代会重现，混合边缘计算架构是解决上述问题的一种有益探索。

移动平台辅助的边缘计算架构

上述两种边缘计算架构的实施有个基本前提，即需要预先开展需求预判和资源规划。然而，固定边缘节点的资源供给能力与终端用户的需求之间往往存在供需不匹配的问题，而这种不匹配会对延迟敏感边缘服务的质量造成很大负面影响。以终端用户请求的时序到达过程为例，在有些时间段内请求会低于边缘层的资源供给，但是在某些情况下请求会超出资源供给。如果突然发生了峰值请求，边缘联盟系统必须拥有足够强的弹性服务能力。传统的应对方式往往是动态迭代重新做规划、调整边缘层的资源供给，从而增强整个边缘联盟的服务能力。

我们提出了移动平台辅助边缘计算这种与众不同的解决思路[8]。其充分利用潜在的移动边缘节点（即具有空闲资源的无人驾驶系统、电动汽车、无人机等移动平台），并尝试将其整合到现有的边缘联盟计算环境中，以利用其移动性优势更有效地解决当前固定边缘计算节点资源供需不匹配的问题。在电动汽车领域，美国的多家汽车厂商支持韦恩州立大学的施巍松教授的团队研究如何将未来的车辆从出行平台升级为算力平台。通过自带算力节点满足车辆所需之外，汽车在大量闲置时间段内作为新型算力节点接入边缘计算环境，这将是未来非常重要的一个发展趋势。在军事领域，这种移动平台辅助的边缘计算架构大有用武之地。除了在很多地域预置一些固定边缘节点之外，军事应用需要大量伴随式移动边缘节点做好辅助支持。

移动辅助边缘计算架构可以灵活地扩展整个边缘联盟架构的服务能力，避免了固定边缘节点的过度建设，同时也实现了资源按需分配和使用的设计准则。这样做同样面临多项难题：第一是预测问题，即如何准确地预测资源供需不匹配发生的时间及严重程度；第二是激励问题，即如何激励更多的移动节点参与处理边缘任务；第三是调度问题，即如何根据预测的边缘任务分布情况，制定可移动边缘节点同各个固定边缘节点之间的协助方案，令移动边缘节点通过服务更多用户请求而从中获益。相较于只考虑固定边缘节点的方法，移动辅助边缘计算框架能够获得更高的任务完成率。

小结

过往20多年，网络计算的发展走了两条完全不相同的路径，各自在很多领域取得了成功，也出现了多种网络计算典型形态互补的场景，在强化后端平台能力的同时加强了对庞大网络终端资源的综合利用。在边缘计算时代，这两条发展路径的理念发生了交叉融合，从云计算走到边缘计算是原有优势的自然延伸，而对等计算的理念可解决一朵朵孤立边缘计算环境的协同问题。这些边缘计算环境数量多且跨地域广泛分散，如果无法形成一个整体网络系统，则难以发挥作用。边缘计算在某种程度上是云计算和对等计算这两种不同走势的融合。

郭得科

CCF理事，CCF分布式计算与系统专委会副主任委员，CCCF专栏主编。国防科技大学教授。主要研究方向为网络计算与系统、分布式计算与系统、网络空间安全等。

[e-mail]

王怀民

CCF会士，CCF开源发展委员会主任。中国科学院院士，国防科技大学教授。分布计算领域杰出专家，开源源创新的主要推动者和实践者。主要研究方向为面向网络的分布计算与软件技术。

[e-mail]

（本文责任编委：朱弘恣）

参考文献

[1] Stoica I, Morris R, Karger D, et al. Chord: A scalable peer-to-peer lookup service for Internet applications[C]//Proc. of ACM SIGCOMM. ACM, 2001: 149-160. 

[2] Popa L, Kumar G, Chowdhury M, et al. FairCloud: sharing the network in cloud computing[C]// Proc. of ACM SIGCOMM. ACM, 2012: 187-198.

[3] Jain S, Kumar A, Mandal S, et al. B4: experience with a globally-deployed software defined WAN[C]// Proc. of ACM SIGCOMM. ACM, 2013: 3-14.

[4] Fang C, Liu H,  Miao M, et al. VTracce: automatic diagnostic system for persistent packet loss in cloud-scale overlay network[C]// Proc.of ACM SIGCOMM. ACM, 2020: 31-43.

[5] Pan T, Yu N, Jia C,  et al. Sailfish: accelerating cloud-scale multi-tenant multi service gateways  with programmable switches[C]// Proc. of ACM SIGCOMM. ACM, 2021: 194-206.

[6] Cao X, Tang G, Guo D, et al. Edge federation: towards an integrated service provisioning model[J]. IEEE/ACM Transactions on Networking. 2020, 28(3): 1116-1129. 

[7] Guo D, Xie J, Shi X, et al. HDS: a fast hybrid data location service for hierarchical mobile edge computing[J]. IEEE/ACM Transactions on Networking, 2021, 29(3): 1308-1320.  

[8] Guo D, Gu S, Xie J, et al. A mobile-assisted edge computing framework for emerging IoT applications[J]. ACM Transactions on Sensor Networks, 2021, 17(4):39:1-39:24.

特别声明：中国计算机学会(CCF)拥有《中国计算机学会通讯》(CCCF)所刊登内容的所有版权，未经CCF允许，不得转载本刊文字及照片，否则被视为侵权。对于侵权行为，CCF将追究其法律责任

本文未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。如需转载，请通过向CCFvoice公众号后台申请并获得授权。边缘计算社区已获授权。

边缘计算社区：促进边缘计算领域知识传播，中立，客观，如果您关注边缘计算、5G、物联网、云原生等领域请关注我们。全球边缘计算大会·北京站！我们4月15日，北京见！