摘要：物联网增长势头迅猛，联网设备剧增，导致所需处理的数据量也十分庞大，对于数据速率、及时性、安全性要求也日益增加。为了有效满足移动互联网、物联网高速发展所需的高带宽、低时延的要求并减轻网络负荷，边缘计算技术快速发展，本文对边缘计算技术发展进行了研究，并提出了一种基于规则引擎实现的边缘计算框架和方案。
关键词：物联网、边缘计算、规则引擎
随着物联网发展，传统依赖于集中式计算模型遇到了很多限制，首先，将所有计算数据集中到云端对于网络带宽资源是一个极大的开销，而且容易造成拥堵；其次，对于其他的时延敏感型应用，“云端”计算负担太大，时延太大，无法保证低时延需求。
边缘计算的提出正是为了解决云计算的高开销、高时延、缺乏自适应等问题。物联网边缘计算是指在靠近物的边缘一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。物联网边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。
一、边缘计算的研究发展
（1）ETSI研究进展
欧洲电信标准化协会（European Telecommunication Standard Institute, ETSI）于2014年提出了MEC(Mobile Edge Computing,移动边缘计算)，基于5G演进架构，将基站与互联网业务深度融合的一种技术。依托于MEC，运营商可将传统外部应用拉入移动网络内部，使得内容和服务更贴近用户，提高移动网络速率、降低时延并提升连接可靠性，从而改善用户体验，开发网络边缘的更多价值。
截止到目前，ETSI已经提出了包括：边缘计算平台架构、边缘计算技术需求、边缘计算API接口准则、边缘计算APP使能、边缘节点平台管理、基于NFV的边缘节点部署等多个内容版本。其中ETSI移动边缘计算系统包含移动边缘主机、移动边缘平台管理、虚拟化基础设施管理、移动边缘编排等功能模块。
（2）3GPP研究进展
随着ETSI MEC影响力的扩大，3GPP亦紧锣密鼓投入边缘计算支撑研究。4G CUPS与5G New Core 引入控制面与转发面分离架构，转发面支持分布式部署到无线网络边缘，控制面集中部署并控制转发面，从而实现业务按需本地分流。3GPP SA2 23.501协议中已经将支持边缘计算功能作为未来5G网络架构设计的重要参考，在本地路由与业务操纵、会话与服务连续性、网络能力开放、QoS与计费等各方面给予边缘计算全面支持。协议中给出，边缘计算，能够让运营商和第三方服务，部署在临近UE接入点的地方，通过降低时延和负载来实现高效的业务分发。
（3）OpenFog研究进展
OpenFog提供雾计算体系，雾计算是一个系统级架构，沿着云到物(cloud-to-things)统一体在任何位置分配用于计算、存储、控制和联网的资源和服务。它支持多个行业垂直和应用领域，使服务和应用能够更接近数据生成来源，从事物、在网络边缘、通过云并跨多个协议层进行扩展。OpenFog架构，从传统封闭式系统以及依赖云计算的模型，转变为一种新计算模型。它基于工作负载和设备能力，使计算更加接近网络边缘。
平台即服务（PaaS）是指云计算服务提供平台，让用户不需要构建和维护基础架构，就可以开发，运行，管理网络应用程序。而OpenFog构建了“雾即服务”（FaaS：Fog as a Service），来应对特定的业务挑战，如下图所示。
.png)
OpenFog 体系架构
2018年6月，OpenFog Consortium 的雾计算OpenFog 参考架构已被 IEEE 标准协会(IEEE-SA)采纳为正式标准。被称为 IEEE 1934 的新标准将这个参考架构作为通用技术框架，支持物联网(IoT)、5G 和人工智能(AI)应用的数据密集型需求。
（4）中国ECC产业联盟研究进展
面对行业数字化转型，智能技术已经率先在制造、电力、交通、医疗、农业等行业开始应用，对智能技术提出了新的需求与挑战。2016年11月华为技术有限公司、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔公司、 ARM和软通动力信息技术（集团）有限公司联合倡议发起边缘计算产业联盟(Edge Computing Consortium，缩写为ECC)。
2017年11月边缘计算产业联盟（ECC）与工业互联网产业联盟（AII）联合发布边缘计算参考架构2.0，其参考架构见下图。
.png)
ECC边缘计算参考架构2.0
其中边缘节点分为基础资源层、虚拟化层、边缘虚拟服务层三层。基础资源层包括网络、计算和存储三个基础模块。虚拟化层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。边缘虚拟服务层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、系统和特定的边缘虚拟服务按照业务进行组合，虚拟化出多个独立的业务区间并彼此隔离。
目前国内外多家研究机构都在进行边缘计算的研究，从研究侧重点，行业的应用范围上各个研究机构各有差异，但又相互合作，以避免重复工作。
二、基于规则引擎的边缘计算方案
边缘计算赋予边缘侧智能硬件进行智能计算的能力，通过云边协同实现云计算与边缘计算的结合。在具体工程实施中，基于规则引擎来实现云端计算能力迁移到边缘侧。具体方案如下图所示：
.png)
整体系统由云端计算节点和边缘计算节点组成。云端计算节点负责收集边缘侧的数据，利用云端的大算力支持，实现基于业务的规则学习及生成，并将规则下发到边缘计算节点；边缘计算节点负责对规则进行解析，并且结合触发条件进行业务事件触发，执行具体的规则，实现边缘侧的智能执行。
云端计算节点由以下部分组成：
数据汇聚层：实现将各个边缘侧的数据汇聚到统一节点进行分析处理，汇聚上来的数据通过经过初步的清洗、治理等，确保数据质量。
规则生成引擎：规则基于数据进行算法训练，同时辅以人工调参，可生成各种业务规则，如简单告警规则、事件触发规则、设备匹配规则等，这些规则通过智能规则生成器转为标准规则脚本定义的规则脚本，例如lua脚本，将这些规则脚本可通过通讯网络发给边缘计算节点。
边缘计算节点由以下部分组成：
物理端口：硬件设备的采集端口，负责连接设备的信号或数据采集接入，如AI口、DI口、RS485端口等；控制端口负责控制指令或动作下发给连接的设备，如DO口、RS45口等；通讯端口负责与网关或云端系统的通信，如网口、无线模组等。
操作系统：边缘计算一般都需要计算能力的支持，并且具备可编程能力实现，因此将要求边缘计算节点上部署嵌入式操作系统，以支持多线程操作、文件处理等基础功能。
规则执行引擎：负责接收云端计算节点下发的规则，并进行存储、解析，结合规则中定义的触发条件，完成相应的业务功能。其中规则解析引擎负责对规则脚本进行校验、解析，转为可执行的指令程序，规则执行引擎则是获取这些指令程序启动、终止的条件，提供调度及监控功能，对各个指令程序继续统一管理及调度，如监控数据情况，发现数据指标达到触发门限时将启动相应的指令程序实现业务功能。
三、应用场景分析
基于规则引擎的边缘计算框架可在多个场景中广泛应用，例如：
（1）智能停车场景
基于地磁信号、摄像头信号进行车位泊车事件的判断，经常会由于设备部署环境的差异导致需要进行检测算法或参数的调整。通过在云端汇聚调整各类检测算法所需的数据，转换为检测算法规则下发到监测终端，就可以实现按场景提供最佳的泊车事件检测率。
（2）楼道安防监控
在楼道场景中，将会部署多种信号采集器来对环境监控，例如烟雾探测器监测楼道烟雾浓度来判断是否有火灾发生，红外探测器监视是否存在热源判断是否存在明火，消防门禁来控制消防门的闭合，报警器根据告警事件触发蜂鸣告警。这些设备都会受到部署环境的变化而影响检测的准确性，需要在边缘侧部署边缘计算节点来实现多个数据源的数据综合分析，此时通过规则引擎的边缘计算方案结合具体场景调整或部署不同的规则，可实现场景化定制、智能化判断。
四、结语
基于规则引擎的边缘计算框架采用在云端生成规则、边缘侧执行规则的模式，一方面云端规则生成解决了分析业务的多样性需要较多算力支持的需求，另外一方面边缘侧规则就近处理解决实时性的问题，同时通过不断调整和更新规则，可使得边缘节点可根据不同的场景转化为不同的智能节点，实现软件定义硬件的目标。
参考文献
[1].OpenFog Reference Architecture 2017
[2]基于边缘计算的物联网网关监控系统的研究[J]. 殳雪城，范平清. 电子器件,2019(13)