本书是河南省“十四五”普通高等教育规划教材。本书体系完备，注重实践，重视学生动手能力的培养，算法与系统并重。本书首先对边缘计算的产生背景、概念、体系结构、应用领域进行了论述；其次，从边缘服务器部署、边缘内容缓存、边缘协同卸载三方面论述边缘计算系统中资源分配问题；再次，围绕边缘智能应用，重点论述联邦学习在边缘计算中的应用；此外，以容量为性能指标，对大规模时变边缘网络性能进行分析；最后，搭建了一个云-边-端协同的原型系统。

本书适合作为普通高等学校计算机科学与技术、 人工智能、 数据科学与大数据技术、物联网工程、 网络工程、 通信工程等专业的教材，也可作为从事计算机体系结构相关工作的工程技术人员的参考书。

       边缘计算是一种新型的计算范式。边缘计算通过将内容或服务部署在更加贴近用户的地方，甚至是直接部署在用户终端上，在降低用户访问时延的同时，能有效缓解主干网络的流量压力。边缘计算的这种就近部署原则，与大数据时代下的内容分布式存储需求一致，具有重要的理论研究价值和广阔的应用前景。与此同时，边缘网络中资源受限、节点移动、拓扑时变等特点为设计高效的内容缓存与任务卸载机制带来了巨大的挑战。如何设计轻量级、分布式的内容存储与计算卸载策略，满足大规模自主组网需求，是当前边缘计算研究中迫切需要解决的关键科学问题之一。
       本书是河南省“十四五”普通高等教育规划教材。针对上述问题，本书结合边缘计算中节点资源受限性、缓存内容异质性、网络拓扑时变性等特点，从边缘服务器部署、边缘内容缓存、边缘协同卸载、边缘智能应用、边缘系统性能评价五个方面入手开展研究，提出了一系列模型和方法。这些模型与方法以最优化理论为基础，并在大量计算机仿真和数据集下进行验证。本书共7章，主要内容如下：
       （1）第1章对边缘计算产生背景、概念、体系结构、应用领域进行了论述。
       （2）第2~5章基于最优化理论和联邦学习模型，从边缘服务器部署、边缘内容缓存、边缘协同卸载、边缘智能四个层次对边缘计算中的热点与前沿问题进行了论述。
       （3）第6章以容量为性能评价目标，论述边缘节点协作对于边缘缓存系统性能的影响。
       （4）第7章在介绍KubeEdge的基本概念和工作原理的基础上，深入探讨KubeEdge云边系统的部署与配置过程。
       本书在编写过程中力求结构清晰、内容精练，适合作为计算机科学与技术、人工智能、 数据科学与大数据技术、物联网工程、网络工程、 通信工程等专业本科生、研究生教材，也可作为从事计算机体系结构相关工作的工程技术人员的参考书。
       本书基于编者多年来的研究成果编写而成，也引用、评价了国内外的相关工作研究成果。此外，本书在出版过程中得到了河南师范大学出版基金、国家自然科学基金项目的资助，在此一并向有关部门及人士表示衷心的感谢。
       考虑到国内对边缘计算的研究才刚刚开始，以及编者学术水平所限，书中难免有疏漏之处，欢迎广大读者批评指正。
       编 者
       2025年5月

目 录

第1章 边缘计算概述 1

1.1 边缘计算简介2

1.1.1 边缘计算产生背景与意义2

1.1.2 边缘计算定义与体系结构3

1.1.3 边缘计算典型应用场景4

1.2 边缘计算核心技术6

1.2.1 技术基础6

1.2.2 边缘协同6

1.2.3 边缘服务器部署7

1.2.4 边缘内容缓存7

1.2.5 边缘计算卸载81.2.6 边缘智能8

1.2.7 边缘系统性能评价9

1.3 相关开发平台9

1.3.1 云计算平台与Docker容器9

1.3.2 Kubernetes容器编排平台11

1.3.3 KubeEdge边缘计算平台11

小结 13

习题 13

 

第2章 边缘服务器部署14

2.1 边缘服务器部署基础 15

2.1.1 微云放置 16

2.1.2 服务放置 17

2.1.3 服务器部署 17

2.1.4 蛇优化算法 18

2.2 边缘服务器部署系统模型20

2.2.1 网络模型 20

2.2.2 覆盖模型 21

2.2.3 时延模型 21

2.2.4 成本模型 22

2.2.5 问题描述 23

2.3 边缘服务器的动态部署 23

2.3.1 蛇优化算法的改进 23

2.3.2 边缘服务器动态放置算法26

2.3.3 基于线性规划问题的成本算法27

2.4 边缘服务器部署实验结果及分析28

2.4.1 参数设置 28

2.4.2 仿真源代码说明 29

2.4.3 实验结果30

小结 35

习题35

 

第3章 边缘内容缓存36

3.1 边缘内容缓存基础37

3.1.1 缓存内容 37

3.1.2 缓存位置 37

3.1.3 缓存方式 39

3.1.4 D2D缓存 39

3.1.5 社会性缓存40

3.1.6 流行性缓存 41

3.2 相关知识与理论 42

3.2.1 D2D通信技术 42

3.2.2 知识图谱 44

3.2.3 边缘缓存性能指标 45

3.3 边缘内容缓存系统模型与架构45

3.4 边缘内容缓存问题建模分析48

3.4.1 设备关系分析 48

3.4.2 社交关系分析 49

3.4.3 功率控制分析 50

3.4.4 内容共享节点选择机制 51

3.5 边缘内容缓存仿真分析 52

3.5.1 仿真源代码说明 52

3.5.2 设备图谱分析 52

3.5.3 边缘内容缓存实验结果分析 54

小结 58

习题58

 

第4章 边缘协同卸载59

4.1 相关工作回顾60

4.1.1 最小化时延的计算卸载决策 60

4.1.2 最小化能耗的计算卸载决策 61

4.1.3 最小化时延能耗权衡的计算卸载决策61

4.1.4 协同资源分配的计算卸载决策 62

4.2 相关理论知识与技术 62

4.2.1 泊松簇分布 62

4.2.2 拉格朗日函数 63

4.2.3 对偶上升法 63

4.2.4 对偶分解法64

4.2.5 增广拉格朗日算法64

4.2.6 ADMM算法65

4.3 边缘协同卸载系统模型架构65

4.4 边缘协同卸载问题建模 67

4.4.1 网络时延 67

4.4.2 边缘协同卸载系统能耗 68

4.4.3 问题求解 69

4.5 边缘协同卸载仿真分析 71

4.5.1 仿真源代码说明 71

4.5.2 边缘协同卸载实验结果分析 72

小结 75

习题 75

 

第5章 边缘智能 76

5.1 背景知识回顾 78

5.1.1 资源受限下的联邦学习 78

5.1.2 数据异构下的联邦学习 79

5.1.3 系统动态下的联邦学习 79

5.1.4 安全联邦学习 79

5.2 相关理论知识与技术 80

5.2.1 联邦学习原理80

5.2.2 联邦平均算法 80

5.2.3 卷积神经网络 82

5.2.4 轻量级框架 83

5.3 问题分析 83

5.3.1 高精度轻量化模型 84

5.3.2 个性化轻量化模型 86

5.4 实验结果与分析 88

5.4.1 参数设置 88

5.4.2 实验源代码说明 88

5.5.3 实验结果 96

5.5 实验平台搭建与性能验证 103

5.5.1 搭建边缘智能平台103

5.5.2 性能验证103

小结104

习题104

 

第6章 边缘系统容量 105

6.1 边缘系统容量基础106

6.2 问题架构107

6.2.1 系统场景107

6.2.2 干扰分析108

6.2.3 优化问题表述108

6.3 传输距离和系统容量109

6.3.1 传输距离表示110

6.3.2 最小传输距离111

6.3.3 系统容量114

6.4 实验结果与分析114

6.4.1 仿真源代码说明114

6.4.2 内容备份数和分配过程122

6.4.3 容量分析124

小结125

习题126

 

第7章 云边系统部署与配置127

7.1 Kubernetes和Docker安装 127

7.2 云端部署 KubeEdge（master）134

7.3 边缘端部署 KubeEdge（edgenode1, edgenode2）135

7.4 检查KubeEdge各节点状态136

7.5 计数器示例演示136

7.6 交通标志检测系统示例演示 138

7.6.1 系统总体设计1387.6.2 边缘端服务应用设计与实现144

7.6.3 云端管理平台设计与实现1457.6.4 系统测试与分析146

小结154

习题154

附录A

缩略语155

参考文献156

袁培燕，博士，教授，河南师范大学软件学院副院长。近年来围绕移动边缘计算与物联网领域内的关键问题，开展技术攻关与应用示范工作。主持国家自然科学基金3项，横向课题1项；主持省教改重点项目1项，省一流课程1门；在 IEEE JIoT、TVT、ICDCS等国际著名期刊和会议上发表论文50余篇，出版学术专著《移动机会网络》，参编河南省十四五规划教材《计算机科学导论》；获IEEE CSE 2014最佳论文奖，2021年北京市科协广受关注学术成果。

赵晓焱，副教授，河南师范大学计算机与信息工程学院，研究方向是物联网与边缘计算，主讲本科生“无线传感器网络”“无线通信网络”课程，指导学生荣获大学生计算机设计大赛全国一等奖、大学生数学建模竞赛全国一等奖、河南省高等学校物联网设计大赛特等奖等多项荣，在国内外知名期刊和会议IEEE IoT、 TVT等发表相关学术论文40余篇。

（1）系统完备：编写内容更加体系化，覆盖边缘计算主要研究内容。

（2）注重实验：每章内容最后一部分为主要算法技术源代码实现，有利于培养学生动手能力。

（3）软硬结合：第七章完善介绍一套云边协同系统平台。