浅谈边缘计算用于大规模异构工业互联网的云边协同实时传输调度

　　边缘计算在靠近物或数据源头的网络边缘侧就近提供边缘智能服务，满足在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等行业数字化方面的关键需求。其核心思想是任务迁移，即在接近应用端的节点上完成计算，以满足系统的实时性和安全性需求。边缘计算是实现工业互联网智能化生产、网络化协同、个性化定制和服务化转型等创新应用的关键。

　　网络是边缘计算的重要基础资源之一。无论是云端到边缘端的任务迁移，还是云端与边缘端之间的数据传输等，都需要依赖网络服务。因此，网络决定边缘计算系统的规模。限制边缘计算系统的性能并影响边缘计算系统的成本。

　　有线网络具有高带宽、高可靠性的优点，适合作为数据汇集传输的骨干网络;无线网络可以摆脱线缆束缚，组网方式动态且灵活，适合作为广域、大规模的接入网。因此，建设大规模工业边缘计算的首选是有线骨干网与无线接人网的异构网络架构。通过采用OPC UA(Unified Architecture.统一架构)实现异构互联，并通过时间敏感网络(Time Sensitive Network，TSN)来满足高实时性需求。以“ OPC UA+TSN”为主的网络架构在一些智能化程度高的大型国际企业已经得到成功应用。但在工业异构网络中面临的控制业务流、交互业务流、感知业务流混合调度问题，TSN虽然提供了以高速、分时为主要思想的解决实时传输的机制，但是并不能完全解决混合业务流的问题，还需要结合调度理论去进行深入研究。

　　工业网络中的反馈闭环控制流从传感器到边缘控制节点，最后到执行器，在此闭环中的传感器会生成周期性的数据包，在网络上产生大量实时感知的数据流业务;同时，网络中运行着多个非常重要的控制流，每个控制流的关键性和优先级也不同;在云端协同、管控一体化的工业异构网络中，管理层面获取的现场生产信息、下达的排产计划和调度以交互流的形式在网络上传输。因此，在三种混合业务流同时存在的情况下，在大量的感知业务流和交互业务流的影响下，如何保证每个控制业务流的实时性、可靠性仍然能得到满足，以此保证控制业务流控制性能的稳定性和可预测性等要求是要解决的问题之一。

　　另一个问题是需要网络自适应地应对工业异构网络的动态性。工业网络中存在着诸多挑战，首先，为达到类似工业4.0下智慧工厂的需求，工厂的设备等资源应该具有适应性的自组织/重构的能力，以信息物理系统(Cyber-Physical Systems.CPS)为基础的智能制造系统是一个信息空间(cyber)、客观世界(physical)和人(human)频繁交互的三元系统，各种动态信息频繁输入并需要及时响应，网络重构也可能为满足定制化生产而不时发生：其次，网络内部异常(如链路不稳定)也会对整个网络的可靠传输产生影响;最后，网络规模随着企业新技术的应用和产线升级在动态地不断增大(边缘节点的动态增加).如何自适应地应对工业异构网络的动态性，也是一个巨大的挑战。

　　由于传统工业现场的网络调度以静态为主，而这种静态的网络调度难以应对复杂的云边协同工业异构网络的动态、突发事件的发生。另外，骨干网汇聚了数以百万计的工业小数据，而相对来说，网络交换芯片的资源却极其有限。大量的感知数据流对相对少量的控制数据流的影响非常大，可能会导致关键控制数据流无法被实时地响应。因此，大量小数据包对有限资源的竞争是难以协调的。最后，在有线网络中，对资源(例如时间、交换机、线缆等的竞争发生在线缆和交换机队列中：在无线网络中，资源(例如时间、率等)在邻近链路间存在干扰。

　　这些导致了资源维度不同、传输策略不同、传输需求不同的云边协同工业异构网络传输难以协同。而通过采用OPC UA可以实现异构互联，并通过TSN来满足高实时性需求。但是，以“ OPC UA+TSN为主的网络架构虽然较好地解决了网络异构互联的问题，TSN也提供了以高速、分时为主要思想的保证控制业务流实时传输的机制，但是并不能完全解决混合业务流的问题，需要结合调度理论进行更深入的研究。