随着通信和计算技术的快速发展、计算成本的不断降低，物理世界与信息世界正在发生加速融合。不仅仅是物理世界的信息被映射到网络当中，通信和计算的能力也随着嵌入式技术的发展融入到了世间万物。随着物联网和5G通信产业的快速兴起，越来越多的人和物开始持续产生大量、多样的计算任务，“无处不在的计算”成为了各类应用共性而迫切的需求，边缘计算应运而生。
相比于云计算，边缘计算将计算资源下沉到网络边缘设备、甚至嵌入到各类网络系统当中，为大至自动驾驶车联网、小到可穿戴设备提供快速、稳定、无处不在的计算服务。如果说物联网让物理世界具备了“感知”和“沟通”的能力，那么边缘计算的使命则是让世间万物具备“思考”的能力。网络边缘在形态上可以千变万化，既可以是部署在移动蜂窝网络的数据中心、亦可以是随车而载的小型服务器，甚至可以是随身携带的迷你节点，以完成各类场景的计算服务，这些场景包括移动计算、自动驾驶车联网、智慧工业、智能家居、可穿戴计算等。

推荐序一<br/>推荐序二<br/>自序<br/>前言<br/>第1章　边缘计算概述 1<br/>1.1　边缘计算的背景与概念 1<br/>1.1.1　边缘计算的历史背景 1<br/>1.1.2　边缘计算的概念 3<br/>1.1.3　边缘计算带来的改变 4<br/>1.2　边缘计算发展的历史必然性 7<br/>1.2.1　催生边缘计算的技术 7<br/>1.2.2　计算形态变革的内在逻辑 12<br/>1.2.3　边缘计算将深刻改变计算方式 16<br/>1.3　边缘计算的重要意义 20<br/>1.4　边缘计算中的关键问题 21<br/>1.4.1　关键词 22<br/>1.4.2　关键研究问题概述 23<br/>1.4.3　边缘计算架构 27<br/>1.4.4　操作系统与编程模型 27<br/>1.4.5　计算卸载与资源分配 28<br/>1.4.6　虚拟化与服务管理 28<br/>1.4.7　服务集群管理 29<br/>1.4.8　人工智能与大数据 29<br/>1.4.9　移动性管理 30<br/>1.4.10　系统与应用 30<br/>1.5　发展趋势与技术挑战 31<br/>1.5.1　发展趋势 31<br/>1.5.2　关键机构与成果 32<br/>1.6　本书的写作逻辑 33<br/>习题 34<br/>参考文献 34<br/>第2章　边缘计算架构原理 35<br/>2.1　边缘计算架构概述 35<br/>2.1.1　系统评价及设计要求 35<br/>2.1.2　边缘计算架构设计面临的独特挑战 37<br/>2.2　总体系统架构 39<br/>2.2.1　两类边缘：主干网边缘和<br/>　泛在边缘 39<br/>2.2.2　云-边-端架构 40<br/>2.2.3　边-端架构 42<br/>2.2.4　多接入边缘计算 43<br/>2.2.5　分布式D2D/D4D架构（泛在边缘架构） 43<br/>2.2.6　AIoT架构 43<br/>2.3　软件计算架构 44<br/>2.3.1　一般边缘计算软件架构 45<br/>2.3.2　多接入边缘计算架构 47<br/>2.3.3　AIoT软件架构 48<br/>2.3.4　卫星边缘计算架构 49<br/>2.3.5　编程模型 53<br/>2.4　边缘计算操作系统与开源框架 55<br/>2.4.1　EdgeX Foundry 56<br/>2.4.2　StarlingX 58<br/>2.4.3　其他开源框架 58<br/>2.4.4　融合边缘的前端物联网操作系统 59<br/>习题 59<br/>参考文献 59<br/>第3章　边缘接入技术 60<br/>3.1　无线传输机制 61<br/>3.1.1　无线局域网传输机制 61<br/>3.1.2　无线个域网传输机制 62<br/>3.1.3　无线广域网传输机制 68<br/>3.1.4　低功耗广域网传输机制 74<br/>3.1.5　新型无线传输机制 81<br/>3.1.6　总结 84<br/>3.2　无线接入的通信服务协议 84<br/>3.2.1　MQTT 85<br/>3.2.2　AMQP 85<br/>3.2.3　Kaf?ka 87<br/>3.2.4　STOMP 87<br/>3.3　可靠的数据传输 88<br/>3.3.1　考虑移动性的可靠数据传输 88<br/>3.3.2　基于博弈的数据接入 91<br/>3.4　多接入边缘网络与超密集网络 92<br/>习题 94<br/>参考文献 94<br/>第4章　计算任务卸载 95<br/>4.1　任务卸载概述 96<br/>4.1.1　任务卸载概念与步骤 96<br/>4.1.2　计算卸载的时延模型 97<br/>4.1.3　边缘计算任务卸载评价指标 101<br/>4.2　任务卸载方式 103<br/>4.2.1　0-1卸载 103<br/>4.2.2　部分卸载 104<br/>4.2.3　任务切分技术及实例分析 106<br/>4.2.4　子任务卸载策略 109<br/>4.3　不同场景下任务卸载策略研究 110<br/>4.3.1　单用户边缘网络场景 110<br/>4.3.2　多用户边缘网络场景 112<br/>4.3.3　异构服务器边缘网络场景 115<br/>4.4　不同架构下任务卸载策略研究 117<br/>4.4.1　云-边-端架构中的卸载策略 117<br/>4.4.2　边-边架构中的卸载策略 118<br/>4.4.3　多接入边缘架构中的计算卸载 120<br/>4.4.4　定制化边缘架构中的计算卸载 121<br/>4.4.5　用户高移动性网络场景中的计算卸载 123<br/>4.4.6　分布式D2D网络中的计算卸载 129<br/>4.5　开源工具概述 133<br/>4.5.1　Slacker 133<br/>4.5.2　EdgeCloudSim 134<br/>4.5.3　EdgeX Foundry 136<br/>4.5.4　Apache Edgent 136<br/>4.5.5　KubeEdge 137<br/>4.6　边缘卸载策略展望与挑战 139<br/>4.6.1　资源协同调度的挑战与展望 139<br/>4.6.2　用户移动性管理的挑战与展望 140<br/>习题 141<br/>参考文献 141<br/>第5章　虚拟化技术 142<br/>5.1　虚拟化技术概述 143<br/>5.2　虚拟化技术发展历史 143<br/>5.3　虚拟化技术分类 145<br/>5.3.1　指令架构级虚拟化 146<br/>5.3.2　硬件抽象级虚拟化 147<br/>5.3.3　操作系统级虚拟化 153<br/>5.3.4　库函数级虚拟化 156<br/>5.3.5　编程语言级虚拟化 157<br/>5.4　轻量级虚拟化 158<br/>5.4.1　虚拟机与容器 159<br/>5.4.2　Docker 160<br/>5.4.3　Unikernel 162<br/>5.4.4　Firecraker 164<br/>5.4.5　总结 165<br/>5.5　微服务 165<br/>5.5.1　服务架构的发展历程 166<br/>5.5.2　微服务架构特点 166<br/>5.5.3　微服务架构面临的挑战 169<br/>5.6　服务网格 169<br/>5.6.1　服务网格的发展历程 169<br/>5.6.2　服务网格工具: Istio 173<br/>5.6.3　服务网格工具对比 181<br/>5.7　无服务架构 185<br/>5.7.1　发展历史 185<br/>5.7.2　Serverless开源工具 188<br/>习题 192<br/>参考文献 192<br/>第6章　边缘服务管理支撑技术 193<br/>6.1　NFV架构 194<br/>6.1.1　NFV概述 194<br/>6.1.2　服务功能链备份 196<br/>6.1.3　虚拟化内容分发网络 198<br/>6.1.4　NFV与移动场景中的边缘计算 199<br/>6.1.5　NFV MANO架构 200<br/>6.2　软件定义网络 203<br/>6.2.1　SDN架构 204<br/>6.2.2　分布式SDN的一致性更新 205<br/>6.2.3　SDN与NFV的区别与联系 206<br/>6.3　网络切片技术 207<br/>6.3.1　网络切片 207<br/>6.3.2　切片管理 208<br/>6.3.3　切片与NFV服务链 211<br/>6.3.4　网络切片研究项目 213<br/>6.4　数据放置、检索与存储 214<br/>6.4.1　数据放置、检索与存储定义 214<br/>6.4.2　针对不同场景的数据放置与检索服务架构 214<br/>6.4.3　移动性预测检索 217<br/>6.4.4　数据定位服务 219<br/>6.4.5　分布式数据存储 221<br/>6.5　开源框架 222<br/>6.6　总结 230<br/>习题 230<br/>参考文献 230<br/>第7章　边缘服务缓存 231<br/>7.1　边缘服务缓存评价指标 231<br/>7.1.1　面向应用的评价指标 233<br/>7.1.2　服务缓存的评价方法 234<br/>7.2　不同架构下的服务缓存策略研究 237<br/>7.2.1　云-边架构中的服务缓存策略 237<br/>7.2.2　边-边架构中的服务缓存策略 238<br/>7.2.3　多接入边缘架构中的服务缓存策略 240<br/>7.2.4　定制化边缘架构中的服务缓存策略 241<br/>7.2.5　算力优先网络 249<br/>7.2.6　命名数据网络 250<br/>7.3　应用案例分析 252<br/>7.3.1　内容缓存案例及系统实现 252<br/>7.3.2　服务缓存案例及系统实现 255<br/>7.4　边缘缓存策略展望与挑战 260<br/>7.4.1　服务发现、服务交付和移动性 260<br/>7.4.2　异构边缘计算系统中的协作 260<br/>7.4.3　低成本容错部署模型 261<br/>7.4.4　无线大数据的利用 261<br/>7.4.5　系统集成 261<br/>7.4.6　资源管理 262<br/>7.4.7　卸载策略的其他优化 262<br/>7.4.8　考虑卸载与未卸载数据的流量范式 262<br/>7.4.9　隐私安全以及用户信任相关 262<br/>习题 263<br/>参考文献 263<br/>第8章　边缘系统部署 264<br/>8.1　边缘系统部署的典型场景 265<br/>8.1.1　静态部署场景 265<br/>8.1.2　动态部署场景 267<br/>8.2　边缘服务器部署问题 267<br/>8.2.1　部署问题的评价指标及限制条件 268<br/>8.2.2　静态部署问题 271<br/>8.2.3　动态部署问题 281<br/>8.3　部署方案性能评估工具 284<br/>8.3.1　OPNET 285<br/>8.3.2　NS 285<br/>8.3.3　SSFNet 288<br/>8.3.4　MiniNet 288<br/>习题 289<br/>参考文献 289<br/>第9章　边缘计算与人工智能 290<br/>9.1　边缘场景中的人工智能 290<br/>9.1.1　人工智能技术回顾 291<br/>9.1.2　典型的人工智能技术 291<br/>9.1.3　边缘计算与人工智能的结合 295<br/>9.2　人工智能在边缘计算中的应用 297<br/>9.2.1　利用机器学习进行计算卸载决策优化 298<br/>9.2.2　利用机器学习进行服务器部署决策优化 302<br/>9.2.3　利用机器学习进行资源分配决策优化 303<br/>9.2.4　基于边缘计算系统的深度学习应用 305<br/>9.3　边缘网络中的人工智能技术 308<br/>9.3.1　分布式机器学习 308<br/>9.3.2　联邦学习与边缘网络 309<br/>9.3.3　TinyML 313<br/>9.3.4　Fregata 315<br/>9.3.5　AIoT系统 315<br/>9.4　移动端开源机器学习框架 316<br/>9.4.1　TensorFlow Lite 318<br/>9.4.2　Core ML 319<br/>9.4.3　NCNN 320<br/>9.4.4　Paddle Lite 320<br/>9.4.5　MNN 321<br/>9.4.6　MACE 321<br/>9.4.7　SNPE 321<br/>9.5　边缘人工智能展望 322<br/>9.5.1　资源友好型边缘AI模型设计 322<br/>9.5.2　计算感知网络技术 322<br/>9.5.3　任务卸载到IoT设备 323<br/>9.5.4　动态预测 323<br/>9.5.5　ML集成 324<br/>9.5.6　DNN性能指标权衡 324<br/>9.5.7　新型AI模型与技术探索 325<br/>习题 325<br/>参考文献 325<br/>第10章　安全与隐私保护 326<br/>10.1　边缘计算隐私保护概述 327<br/>10.1.1　隐私保护在边缘计算中的作用 328<br/>10.1.2　边缘计算相比云计算在隐私保护方面的优势 328<br/>10.2　边缘计算数据安全与隐私保护体系 329<br/>10.2.1　基础设施安全 329<br/>10.2.2　边缘数据安全 330<br/>10.2.3　边缘网络安全 332<br/>10.2.4　移动终端安全 332<br/>10.3　通用边缘安全技术 333<br/>10.3.1　数据加密 333<br/>10.3.2　身份认证 338<br/>10.3.3　隐私保护 339<br/>10.3.4　访问控制 340<br/>10.4　区块链与联邦学习 341<br/>10.4.1　区块链+边缘计算 341<br/>10.4.2　隐私保护的边缘联邦学习 348<br/>10.5　隐私保护的开源工具和未来挑战 352<br/>10.5.1　隐私保护的开源工具 352<br/>10.5.2　隐私保护的未来挑战 354<br/>习题 355<br/>参考文献 355<br/>第11章　应用案例分析 356<br/>11.1　智慧远程医疗 356<br/>11.1.1　设计思路与解决方案 357<br/>11.1.2　存在的问题与发展方向 359<br/>11.2　智慧交通 359<br/>11.2.1　设计思路与解决方案 361<br/>11.2.2　存在的问题与发展方向 362<br/>11.3　智慧家居网关 362<br/>11.3.1　设计思路与解决方案 364<br/>11.3.2　存在的问题与发展方向 365<br/>11.4　智慧工厂 365<br/>11.4.1　设计思路与解决方案 366<br/>11.4.2　存在的问题与发展方向 368<br/>11.5　自动驾驶车联网 369<br/>11.5.1　设计思路与解决方案 370<br/>11.5.2　存在的问题与发展方向 371<br/>11.6　可穿戴边缘计算 372<br/>11.6.1　设计思路与解决方案 373<br/>11.6.2　存在的问题与发展方向 374<br/>11.7　VR/AR 375<br/>11.7.1　设计思路与解决方案 375<br/>11.7.2　存在的问题与发展方向 378<br/>参考文献 378<br/>第12章　边缘系统设计与实践 379<br/>12.1　架构设计与硬件设备概述 380<br/>12.1.1　AVR 381<br/>12.1.2　MSP430 382<br/>12.1.3　ARM 383<br/>12.1.4　设备选择 383<br/>12.2　前端硬件设备环境说明 386<br/>12.3　服务器环境配置 387<br/>12.3.1　系统安装 388<br/>12.3.2　Web服务器的搭建 389<br/>12.3.3　视觉算法概述 391<br/>12.3.4　TensorFlow Lite的安装及测试 393<br/>12.4　服务部署 395<br/>12.4.1　Docker安装 395<br/>12.4.2　Docker Hub 397<br/>12.4.3　个性化Docker镜像 397<br/>12.4.4　整合 406<br/>12.5　利用EdgeX Foundry开源平台创建服务 408<br/>12.5.1　EdgeX Foundry概述 408<br/>12.5.2　环境配置及使用 409<br/>参考文献 418