邊緣計算系統設計與實踐






	購買中國簡體書籍請注意： 1. 因裝幀品質及貨運條件未臻完善，中國簡體書可能有出現磨痕、凹痕、折痕等問題，故簡體字館除封面破損、內頁脫落、缺頁等較嚴重的狀態外，其餘所有商品將正常出貨。


	目錄第1章邊緣計算介紹 1.1邊緣計算簡史2 1.1.1IT基礎技術的演進歷史2 1.1.2挺進邊緣計算4 1.2雲計算、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通信與硬體技術的發展對邊緣計算的推動11 1.3.1計算單元和存儲系統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 1.4.15G技術和邊緣計算20 1.4.2雲計算、邊緣計算和IoT23 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雲計算26 1.5雲計算平臺提供的邊緣計算服務26 1.5.1AWSIoTGreengrass27 1.5.2阿裡雲LinkEdgeIoT27 1.5.3百度智能邊緣29 第2章邊緣計算的硬體 2.1不同運算核心硬體在邊緣計算中的應用33 2.1.1CPU與馮·諾依曼體系33 2.1.2GPU與並行處理38 2.1.3FPGA與ASIC45 2.1.4未來的新計算技術49 2.2邊緣閘道和邊緣伺服器50 2.2.1邊緣閘道51 2.2.2邊緣伺服器和邊緣一體機52 2.3各種感測器技術55 第3章邊緣計算存儲系統設計和實現 3.1邊緣計算存儲系統設計61 3.1.1邊緣計算的分散式存儲系統61 3.1.2分散式存儲理論基礎62 3.2開源分散式存儲系統66 3.2.1直連式存儲和集中式存儲66 3.2.2大規模分散式存儲技術67 3.2.3分散式存儲系統總結94 3.3存儲系統硬體技術的發展94 3.3.1早期存儲硬體技術94 3.3.2固態硬碟（SSD）技術95 3.3.3未來的存儲硬體96 3.4特別條件下的邊緣數據存儲97 3.4.1邊緣計算和雲存儲能力的盲區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物聯網和邊緣計算的通信概述101 4.1.1對於邊緣設備和物聯網設備的通信要求101 4.1.2邊緣計算底層通信協定的分類102 4.1.3應用層和消息層協定104 4.1.4通信相關標準組織介紹105 4.2邊緣計算網路層通信協定介紹107 4.2.1RPL協議108 4.2.2LoRa協議109 4.2.3NB-IoT協議110 4.2.4LTE-M協議112 4.2.5Sigfox協議113 4.3現場邊緣網路和通信114 4.3.1近距離網路通信協定之一：藍牙技術114 4.3.2近距離網路通信協定之二：ZigBee116 4.3.3近距離網路通信協定之三：Wi-Fi118 4.4應用層協定118 4.4.1MQTT協議119 4.4.2CoAP協議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125 5.1.1邊緣計算面臨的重大安全挑戰125 5.1.2資訊安全領域是全新的戰場126 5.1.3談談震網病毒127 5.1.4Mirai病毒129 5.2電腦安全的一些基本概念131 5.2.1電腦安全的本質131 5.2.2電腦系統安全的常用方法和概念133 5.2.3電腦加密演算法介紹136 5.2.4網路安全技術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 5.3.2TPM1.2、TPM2.0和TPCM144 5.3.3基於TPM2.0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邊緣伺服器安全問題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 6.1.2IoT+邊緣計算的微服務架構158 6.2關於容器技術159 6.2.1容器技術（Docker）介紹160 6.2.2Docker引擎160 6.2.3虛擬機器和容器的區別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軟體發展模式和架構的回顧思考165 6.3.2微服務架構核心元件168 6.3.3P2P協定下的微服務通信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傳統的數據分析流程184 7.1.2數據價值的思考185 7.2流數據採集和存儲186 7.2.1流數據概述186 7.2.1設備接入和數據採集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TICK197 7.3.2Prometheus和Grafana監控系統201 7.3.3流處理系統204 7.4時序數據分析和預測方法207 7.4.1時序數據的整理和視覺化207 7.4.2時序數據的一些重要概念211 7.4.3統計時序預測方法212 7.4.4ARIMA模型訓練和預測215 第8章工業邊緣計算 8.1工業邊緣技術介紹219 8.1.1工業邊緣計算的發展現狀219 8.1.2工業邊緣的應用場景220 8.1.3傳統製造業資訊系統改造222 8.2工業通信協議與接入技術224 8.2.1不同工業通信協定介紹224 8.2.2OPCUA協議及IT與OT的融合229 8.2.3工業通用接入技術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基於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 9.2.2CNN和RNN264 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 10.1EdgeXFoundry282 10.1.1EdgeXFoundry簡介282 10.1.2EdgeXFoundry的設備服務和核心服務283 10.1.3EdgeXFoundry的支援服務和應用服務286 10.1.4系統管理微服務289 10.2KubeEdge290 10.2.1KubeEdge簡介290 10.2.2KubeEdge的安裝和配置292 10.2.3KubeEdge對於K8s的改進296 10.3羽量級機器學習框架TensorFlowLite298 10.3.1TensorFlowLite的安裝和運行299 10.3.2TensorFlowLite模型的優化301 10.3.3給TensorFlowLite模型添加元數據（Metadata）304 10.4邊緣網路價值和未來的挑戰308 10.4.1梅特卡夫定律和貝克斯特羅姆定律308 10.4.2未來資訊技術發展的制約因素和邊緣計算的關係310