研究生往边缘计算方向走,需要哪些基础?

近期很多朋友在边缘计算社区后台留言咨询研究生往边缘计算方向走,该做那些准备之类的问题,然而一百个人有一百种想法,大家看法都不一样。为此,我们邀请国内比较活跃的几个边缘计算相关高校团队来一起回答这些问题。

问题主要有三个:

① 研究生往边缘计算方向走,需要哪些基础?

② 如何开展边缘计算的研究?

③ 咱们学校边缘计算实验室有什么特点?研究方向有哪些?

回答高校:北京邮电大学、中山大学、天津大学、大连理工大学、中国石油大学(华东)等五所学校边缘计算相关教师及团队。

1、

研究生往边缘计算方向走,需要那些基础?

北京邮电大学@谢人超老师:

首先在基础知识方面,需要有扎实的计算机网络知识,尤其是对云计算、边缘计算的基础架构、部署方案等要有了解。另外最好要对SDN、NFV、网络AI、大数据、区块链等多种交叉使能技术有所了解。

其次在开发能力方面,需要熟练掌握一门编程语言以及了解系统架构开发的基础知识,还需要了解业界常用的容器集群开发框架(例如Kubernetes)以及边缘计算开发平台(例如KubeEdge、EdgeGallery)等。

中山大学@陈旭老师(1和2合并作答):

边缘计算是一种融合计算、存储和传输的新型计算模式,其目标为应用开发者和服务提供商在网络边缘侧提供低延迟和隐私保护的计算和IT环境服务。作为一种由新型计算和数据密集型移动/物联网应用催生的计算模式,边缘计算的研究和具体场景密不可分。不管是理论或是系统方向的研究,都需要找到一个具体的应用场景,如视频分析、VR/AR、车联网等。

如果你更偏向于理论研究,就需要有较好的数学和算法基础,需要学习近似算法设计、最优化理论和随机分析等基础理论知识。如果更偏向于系统研究,则需要对边缘计算系统的体系结构,资源调度管控机制等有一定的了解,同时具备网络、系统甚至是硬件等开发能力。

当前主流边缘计算研究聚焦于与5G/B5G、物联网和人工智能等交叉融合,进而推动网络智能化的发展。就目前相关技术发展现状而言,边缘计算仍处于发展起步阶段。考虑到实际应用中复杂的资源管理主体,边缘计算需针对边缘网络中端设备的异构性,边缘平台以及云中心的差异性,设计基于异构资源的系统优化,实现软件和硬件的协同设计,充分利用底层分散的硬件资源提升整体系统和上层异构应用的性能。此外,由于网络边缘数据的多元化,用户数据和隐私安全保护也是建设边缘计算技术标准过程中亟待解决的问题。

天津大学@王晓飞老师:

边缘计算作为一种新型的分布式计算架构,不仅涉及到分布式服务器的计算、存储、通讯、缓存等资源问题,还涉及到如边缘网关、一体化边缘设备等硬件研发问题,代表着一种分布式的资源部署与任务处理范式。需要从理论、算法、应用场景、系统开发、英文阅读写作等方面均具备过硬的基础。

具体来说,理论方面,主要集中在资源优化,任务分配优化(终端与边缘的分配)、边缘智能计算(模型压缩、硬件层面上的AI加速)等,需要学习凸优化、最优化理论、博弈论等基础理论,理解边缘计算、移动边缘计算系统架构;算法方面,需要了解基本算法和组织原理,比如深度学习、强化学习、机器学习、深度强化学习算法、计算机网络、计算机组成原理、分布式计算等;应用场景方面,理解任务卸载与协同处理、视频推流与分析、自动驾驶、VR、物联网、内容和服务缓存等实际的用户应用;系统开发方面,需要学习一些开源架构,如云原生,KubeEdge等开源方案。

大连理工大学@徐子川老师:

边缘计算是云计算技术的延伸,是为应用开发者和服务提供商在网络边缘侧提供云服务和IT环境服务,目标是在靠近数据输入或用户的地方提供计算、存储和网络带宽。边缘计算方向的研究需要了解云计算相关理论及技术,包括编程模式、海量数据分布存储技术、海量数据管理技术、虚拟化技术以及边缘计算平台管理技术,系统架构知识、网络通讯、人工智能优化方面的理论与技术。

中国石油大学(华东)@曹绍华老师:

首先,如果研究生从事边缘计算方向,最好需要先将计算机网络和通信原理的基础知识了解透彻,需要明白网关,路由器,路由转发及跳转,无线信道数据传输以及有线数据传输等基础知识。从而便于理解边缘计算中数据上传和下载过程中的具体流程。同时,还应当了解计算机和服务器处理应用任务的基本原理(如,网页刷新、图像上传和视频帧上传下载等)。从而便于理解边缘计算中的任务处理是以何种形式进行的。然后,学生应该了解博弈论、凸优化、机器学习、强化学习、遗传算法以及启发式算法等基础数学理论知识,然后再根据自己的兴趣爱好选择性地选择1-2种技术进行深入和透彻的学习,以用于解决边缘计算中各类具体问题。

2、

如何开展边缘计算的研究?

北京邮电大学@谢人超老师:

要关注学术界和产业界当前的研究热点。一方面,当前边缘计算的研究方向众多,例如边缘计算中的卸载技术、资源编排、任务调度、移动性管理、安全与隐私等等,学生对边缘计算有一个整体的了解之后需要有针对性地选择具体的科学问题来解决。另一方面,边缘计算的应用场景越来越广泛,例如自动驾驶、元宇宙、物联网、智慧城市、工业互联网等,需要根据具体业务的特点来解决边缘计算在实际落地应用中的关键问题。

要关注边缘计算的未来发展方向。目前边缘计算业界发展迅速,未来6G、AI、云网融合、算力网络等技术和趋势的发展会给边缘计算的研究带来新的机遇,对这些前沿方向需要重点关注。

天津大学@王晓飞老师:

正所谓“不积跬步,无以至千里;不积小流,无以成江海”,要开展边缘计算的研究需要从点滴做起,一些同学如果对边缘计算感兴趣,不妨先沿着这几步开始尝试:

-阅读大量文献。了解目前在边缘计算这个问题上学术界的共同看法和分歧。逐步扩展自己的视野,构建个人的专业知识结构和看法,培养自己的学术洞察力。

-训练动手能力。学习过的知识一定要加以实践,对于边缘计算来说既包括编程能力,同时也包括相关理论的推导。配合大量的阅读和不断思考,逐渐地既可以看到可以做出科学贡献的方向,又掌握了科学训练。

-多讨论。这是一个很重要的学习方法。讨论的内容可以是提出的科学问题、解决问题的思路或者只是一个纠结的点。当局者迷,讨论可以更快地找出漏洞或提出具有启发性的问题。有时候,即使只是向别人阐述一次自己的思路,混乱的部分也会清晰了很多。

-应用落地。检验一个技术的好坏的一个重要维度是这个技术是否能够落地,边缘计算也不例外,需要找到一个适合的应用场景,像视频分析、自动驾驶、VR、5G等。落地应用程度也是一个算法项目是否能真正赋能行业的关键所在。

-熟悉来自产业界的问题,目前如谷歌、亚马逊、华为、字节等许多国内外一线企业都开始建设自身的边缘计算平台,开始紧抓他们的发展方向与研究目标来进行探索。

大连理工大学@徐子川老师:

边缘计算领域的研究开展应面向国家重大需求和学术前沿,明确实际应用场景,例如自动驾驶、智能城市、智慧矿山、智能安防、VR/AR等行业领域,围绕高可用、高可靠、高性能的目标,攻克相应应用场景下边缘计算技术落地困难等切实痛点,基于前沿理论工具和技术方法开展边缘计算的研究,从而致力于工业物联网等重要场景的成果落地。

中国石油大学(华东)@曹绍华老师:

应当了解边缘计算方向的研究趋势和最新进展。其中研究趋势包括物联网和边缘计算相结合,如空天地一体化网络以及车联网;计算卸载、资源分配以及支持低功耗物联网设备的边缘计算系统;机器学习技术和边缘计算相结合,如VR、AR、深度强化学习等;边缘计算和5G、6G技术相结合;边缘计算与区块链、联邦学习等技术相结合等。而最新进展侧重于边缘计算的实际落地场景,如自动驾驶、工业4.0、智慧医疗以及元宇宙等。当对边缘计算方向的研究趋势和最新进展有了一定的了解之后,便可以针对性地选择一些自己感兴趣的问题进行探索和研究。

3、

咱们学校边缘计算实验室有什么特点?

研究方向有哪些?

北京邮电大学@谢人超老师:

北京邮电大学未来网络理论与应用实验室隶属于北京邮电大学网络与交换技术国家重点实验室,长期从事电信网、互联网及其演进的未来网络技术领域的创新研究。实验室师生在边缘计算领域深耕多年,主要聚焦运营商网络、专用网络等场景,攻克了面向服务的网络、计算、存储统一抽象与融合表征方法、算网资源按需编排与云边端智能协同调度机制等关键技术,发表了多项边缘计算方向的专著、国内外高水平论文、专利等,获得中国通信学会、科创中国先导技术榜单等多项创新科技成果奖。研究方向包括算力网络、云网融合、工业互联网、网络人工智能等。

中山大学@陈旭老师:

中山大学移动智能网络与计算实验室成立于2016年,实验室负责人为国家级人才计划入选者、先进网络与计算系统研究所所长陈旭教授,包含中国计算机学会优博提名奖获得者、广东省海外引进博士后、中山大学百人计划引进人才等多名优秀青年学者。实验室在绿色低碳边缘计算、分布式协作边缘智能、云边端一体化联邦学习、边缘协同算力网络、智能边缘机器人集群、卫星互联网边缘计算等前沿方向开展了一系列深入研究,承担了一系列国家自然科学基金联合基金重点项目、国家重点研发计划项目课题、珠江人才引进团队等重点研究项目,产生了一系列深受产业和学术界高度关注的研究成果。

这些成果先后被国际6G Flagships组织和工信部IMT-2030(6G)推进组等知名机构采用,被50余位国内外院士以及100余位ACM/IEEE Fellow引用和正面评价,单篇论文引用次数最高达2000余次,并先后获得IEEE通信学会杰出青年学者奖、IEEE计算机学会年度最佳论文亚军奖、IEEE ICC会议最佳论文奖和IEEE IoTJ年度最佳论文亚军奖等重要学术奖项。

天津大学@王晓飞老师:

天津大学智能与计算学部-边缘计算课题组,依托天津市先进网络与应用重点实验室与天津市机器学习重点实验室双平台。同时,实验室与国际知名大学(如加拿大英属哥伦比亚大学、新加坡南洋理工大学、芬兰阿尔托大学等等)和知名企业(如中国电信、华为、浪潮、网宿等等)有密切的学术联系。课题组成员在研究经历上丰富,具有扎实的研究基础。项目组成员对边缘智能、云边端网络架构、协同计算和资源调度等方面有较深入的调研与研究,取得了一些具有较高水平的科研论文及成果。课题组时刻关注产学研紧密结合,注重研究成果的应用务实。实验室研究紧密结合产业需求,与一线企业开展各类形式的深入合作,如交流探讨、项目合作、成果转化、研究共建等等,强化研究成果的应用落地能力,注重成果的实际应用价值。

研究方向主要包括:云边资源调度方向、边缘智能方向、边缘智能时代的创新区块链技术与算力网络方向等。

大连理工大学@徐子川老师:

大连理工大学边缘计算实验室覆盖云边端全链条研究,实验室拥有丰富的端侧、边侧和云端设备,针对边缘场景下智能服务开展研究,通过算法设计、协议实现以及软件架构等技术手段,从智能性、高性能、可动态变更性上突破传统计算系统的局限,实现计算、网络资源共享和信息灵活分配与管理,从而使大规模的、实时的、多样的边缘智能变为现实。

目前实验室研究方向包括物联网+边缘计算、虚拟化技术、服务缓存、计算卸载、资源分配、FPGA推理加速、边缘计算与人工智能算法、边缘计算与serverless技术、边缘计算与大数据、基于联邦学习的边缘计算技术应用等。目前实验室在相关领域开创了边缘计算研究的新方向,提出创新性技术及理论,攻克设计、部署、数据供应全流程落地困难等切实痛点,开创的成果成功实现企业实际需求应用和国家重大需求应用。

中国石油大学(华东)@曹绍华老师:

中国石油大学(华东)边缘计算实验室隶属于未来网络智能研究室,目前的研究方向有软件定义网络SDN、联邦学习、区块链、计算任务调度和卸载以及车联网。其中软件定义网络主要研究边缘服务器的放置问题,以优化路由转发效用以及路由负载等指标。联邦学习方面目前主要研究联邦节点的选择、联邦数据划分以及联邦学习效率等。区块链方面主要考虑结合区块链安全且分布式的特性以提升边缘计算的安全系数。而计算任务调度和卸载以及车联网主要涉及在不同的计算任务场景下,考虑任务调度过程中任务时延和边缘节点或设备能耗等方面的优化问题。

希望以上各位老师的回答对您有帮助 !

再次感谢各位老师及团队抽空回答以上问题。

欢迎你投身加入边缘计算行业,在边缘计算时代,抓住边缘计算机遇!

END