邊緣計算系統(tǒng)設計與實踐：邊緣計算項目落地指南

第1章 邊緣計算介紹
1.1　邊緣計算簡史 2
1.1.1　IT基礎技術的演進歷史 2
1.1.2　挺進邊緣計算 4
1.2　云計算、IoT和邊緣計算 7
1.2.1　近邊緣端和遠邊緣端 8
1.2.2　邊緣計算的應用場景 9
1.3　通信與硬件技術的發(fā)展對邊緣計算的推動 11
1.3.1　計算單元和存儲系統(tǒng) 13
1.3.2　能源管理和收集 15
1.3.3　通信技術 18
1.4　熱門技術和邊緣計算 20
1.4.1　5G技術和邊緣計算 20
1.4.2　云計算、邊緣計算和IoT 23
1.4.3　機器學習和邊緣計算 24
1.4.4　移動邊緣計算和移動云計算 26
1.5　云計算平臺提供的邊緣計算服務 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 邊緣計算的硬件
2.1　不同運算核心硬件在邊緣計算中的應用 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　未來的新計算技術 49
2.2　邊緣網關和邊緣服務器 50
2.2.1　邊緣網關 51
2.2.2　邊緣服務器和邊緣一體機 52
2.3　各種傳感器技術 55
第3章 邊緣計算存儲系統(tǒng)設計和實現
3.1　邊緣計算存儲系統(tǒng)設計 61
3.1.1　邊緣計算的分布式存儲系統(tǒng) 61
3.1.2　分布式存儲理論基礎 62
3.2　開源分布式存儲系統(tǒng) 66
3.2.1　直連式存儲和集中式存儲 66
3.2.2　大規(guī)模分布式存儲技術 67
3.2.3　分布式存儲系統(tǒng)總結 94
3.3　存儲系統(tǒng)硬件技術的發(fā)展 94
3.3.1　早期存儲硬件技術 94
3.3.2　固態(tài)硬盤（SSD）技術 95
3.3.3　未來的存儲硬件 96
3.4　極端條件下的邊緣數據存儲 97
3.4.1　邊緣計算和云存儲能力的盲區(qū) 97
3.4.2　用卡車把數據送回去 98
第4章 邊緣計算的通信
4.1　物聯(lián)網和邊緣計算的通信概述 101
4.1.1　對于邊緣設備和物聯(lián)網設備的通信要求 101
4.1.2　邊緣計算底層通信協(xié)議的分類 102
4.1.3　應用層和消息層協(xié)議 104
4.1.4　通信相關標準組織介紹 105
4.2　邊緣計算網絡層通信協(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　現場邊緣網絡和通信 114
4.3.1　近距離網絡通信協(xié)議之一：藍牙技術 114
4.3.2　近距離網絡通信協(xié)議之二：ZigBee 116
4.3.3　近距離網絡通信協(xié)議之三：Wi-Fi 118
4.4　應用層協(xié)議 118
4.4.1　MQTT協(xié)議 119
4.4.2　CoAP協(xié)議 121
第5章 邊緣計算的安全性
5.1　邊緣計算面臨的安全性挑戰(zhàn) 125
5.1.1　邊緣計算面臨的重大安全挑戰(zhàn) 125
5.1.2　信息安全領域是全新的戰(zhàn)場 126
5.1.3　談談震網病毒 127
5.1.4　Mirai病毒 129
5.2　計算機安全的一些基本概念 131
5.2.1　計算機安全的本質 131
5.2.2　計算機系統(tǒng)安全的常用方法和概念 133
5.2.3　計算機加密算法介紹 136
5.2.4　網絡安全技術 140
5.3　從可信計算到可信邊緣計算 143
5.3.1　可信計算介紹 143
5.3.2　TPM 1.2、TPM 2.0和TPCM 144
5.3.3　基于TPM 2.0的可信計算 146
5.3.4　可信邊緣計算 147
5.4　邊緣計算安全問題分類 148
5.4.1　邊緣接入安全問題 149
5.4.2　邊緣服務器安全問題 150
5.4.3　物理安全問題 151
5.5　構建安全的邊緣計算架構 152
5.5.1　邊緣計算安全綜合設計 153
5.5.2　邊緣計算安全實踐清單 154
第6章 邊緣計算的微服務架構和消息機制
6.1　微服務架構介紹 157
6.1.1　典型的微服務架構 157
6.1.2　IoT 邊緣計算的微服務架構 158
6.2　關于容器技術 159
6.2.1　容器技術（Docker）介紹 160
6.2.2　Docker引擎 160
6.2.3　虛擬機和容器的區(qū)別 162
6.2.4　進一步深入容器技術 164
6.3　微服務技術深度解析 165
6.3.1　軟件開發(fā)模式和架構的回顧思考 165
6.3.2　微服務架構核心組件 168
6.3.3　P2P協(xié)議下的微服務通信 173
6.3.4　討論Kubernetes和邊緣計算 175
6.4　邊緣計算的微服務架構設計 179
6.4.1　邊緣計算微服務架構的考量 179
6.4.2　邊緣計算架構設計 180
第7章 邊緣計算的數據處理
7.1　邊緣計算數據處理的價值 184
7.1.1　傳統(tǒng)的數據分析流程 184
7.1.2　數據價值的思考 185
7.2　流數據采集和存儲 186
7.2.1　流數據概述 186
7.2.1　設備接入和數據采集 188
7.2.3　邊緣時序數據存儲 192
7.3　時序數據處理 197
7.3.1　完整時序數據處理框架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　時序數據分析和預測方法 207
7.4.1　時序數據的整理和可視化 207
7.4.2　時序數據的一些重要概念 211
7.4.3　統(tǒng)計時序預測方法 212
7.4.4　ARIMA模型訓練和預測 215
第8章 工業(yè)邊緣計算
8.1　工業(yè)邊緣技術介紹 219
8.1.1　工業(yè)邊緣計算的發(fā)展現狀 219
8.1.2　工業(yè)邊緣的應用場景 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 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 233
8.3　邊緣計算基礎設施和成本 236
8.3.1　邊緣計算對基礎設施的影響 236
8.3.2　邊緣計算解決方案成本估算 239
第9章 機器學習和邊緣計算
9.1　常用機器學習方法 242
9.1.1　機器學習的類型 242
9.1.2　機器學習的步驟和評估指標 244
9.1.3　基于概率的機器學習方法——樸素貝葉斯分類 247
9.1.4　數據簡化和降維 250
9.1.5　決策樹分類 254
9.1.6　傳統(tǒng)的回歸預測方法 257
9.2　深度學習方法介紹 262
9.2.1　多層感知機 262
9.2.2　CNN和RNN 264
9.3　強化學習 265
9.4　機器學習在邊緣計算中的應用 274
9.4.1　工業(yè)邊緣計算平臺機器學習案例 274
9.4.2　強化學習在機器人控制中的應用 279
第10章 邊緣計算開源框架
10.1　EdgeX Foundry 282
10.1.1　EdgeX Foundry簡介 282
10.1.2　EdgeX Foundry的設備服務和核心服務 283
10.1.3　EdgeX Foundry的支持服務和應用服務 286
10.1.4　系統(tǒng)管理微服務 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 296
10.3　輕量級機器學習框架TensorFlow Lite 298
10.3.1　TensorFlow Lite的安裝和運行 299
10.3.2　TensorFlow Lite模型的優(yōu)化 301
10.3.3　給TensorFlow Lite模型添加元數據（Metadata） 304
10.4　邊緣網絡價值和未來的挑戰(zhàn) 308
10.4.1　梅特卡夫定律和貝克斯特羅姆定律 308
10.4.2　未來信息技術發(fā)展的制約因素和邊緣計算的關系 310