Internet Research Task Force (IRTF) J. Hong
Request for Comments: 9556 ETRI
Category: Informational Y-G. Hong
ISSN: 2070-1721 Daejeon University
X. de Foy
InterDigital Communications, LLC
M. Kovatsch
Huawei Technologies Duesseldorf GmbH
E. Schooler
University of Oxford
D. Kutscher
HKUST(GZ)
April 2024
Many Internet of Things (IoT) applications have requirements that cannot be satisfied by centralized cloud-based systems (i.e., cloud computing). These include time sensitivity, data volume, connectivity cost, operation in the face of intermittent services, privacy, and security. As a result, IoT is driving the Internet toward edge computing. This document outlines the requirements of the emerging IoT edge and its challenges. It presents a general model and major components of the IoT edge to provide a common basis for future discussions in the Thing-to-Thing Research Group (T2TRG) and other IRTF and IETF groups. This document is a product of the IRTF T2TRG.
多くのモノのインターネット（IoT）アプリケーションには、集中化されたクラウドベースのシステム（つまり、クラウドコンピューティング）では満たすことのできない要件があります。これらには、時間の感度、データ量、接続コスト、断続的なサービスに直面した操作、プライバシー、セキュリティが含まれます。その結果、IoTはインターネットをエッジコンピューティングに向けて推進しています。このドキュメントでは、新興IoTエッジの要件とその課題の概要を説明しています。IoT Edgeの一般的なモデルと主要なコンポーネントを提示して、Thing-to-thing Thiseの研究グループ（T2TRG）およびその他のITFグループおよびIETFグループで将来の議論の共通の基礎を提供します。このドキュメントは、IRTF T2TRGの製品です。
This document is not an Internet Standards Track specification; it is published for informational purposes.
このドキュメントは、インターネット標準の追跡仕様ではありません。情報目的で公開されています。
This document is a product of the Internet Research Task Force (IRTF). The IRTF publishes the results of Internet-related research and development activities. These results might not be suitable for deployment. This RFC represents the consensus of the Thing-to-Thing Research Group of the Internet Research Task Force (IRTF). Documents approved for publication by the IRSG are not candidates for any level of Internet Standard; see Section 2 of RFC 7841.
このドキュメントは、インターネット研究タスクフォース（IRTF）の製品です。IRTFは、インターネット関連の研究開発活動の結果を公開しています。これらの結果は、展開に適していない場合があります。このRFCは、インターネットリサーチタスクフォース（IRTF）の研究グループのコンセンサスを表しています。IRSGによって公開されたことが承認された文書は、インターネット標準のレベルの候補者ではありません。RFC 7841のセクション2を参照してください。
Information about the current status of this document, any errata, and how to provide feedback on it may be obtained at https://www.rfc-editor.org/info/rfc9556.
このドキュメントの現在のステータス、任意のERRATA、およびそのフィードバックを提供する方法に関する情報は、https://www.rfc-editor.org/info/rfc9556で取得できます。
Copyright (c) 2024 IETF Trust and the persons identified as the document authors. All rights reserved.
著作権（c）2024 IETF Trustおよび文書著者として特定された人。無断転載を禁じます。
This document is subject to BCP 78 and the IETF Trust's Legal Provisions Relating to IETF Documents (https://trustee.ietf.org/license-info) in effect on the date of publication of this document. Please review these documents carefully, as they describe your rights and restrictions with respect to this document.
このドキュメントは、BCP 78およびIETFドキュメント（https://trustee.ietf.org/license-info）に関連するIETF Trustの法的規定の対象となります。この文書に関するあなたの権利と制限を説明するので、これらの文書を注意深く確認してください。
1. Introduction
2. Background
2.1. Internet of Things (IoT)
2.2. Cloud Computing
2.3. Edge Computing
2.4. Examples of IoT Edge Computing Use Cases
3. IoT Challenges Leading toward Edge Computing
3.1. Time Sensitivity
3.2. Connectivity Cost
3.3. Resilience to Intermittent Services
3.4. Privacy and Security
4. IoT Edge Computing Functions
4.1. Overview of IoT Edge Computing
4.2. General Model
4.3. OAM Components
4.3.1. Resource Discovery and Authentication
4.3.2. Edge Organization and Federation
4.3.3. Multi-Tenancy and Isolation
4.4. Functional Components
4.4.1. In-Network Computation
4.4.2. Edge Storage and Caching
4.4.3. Communication
4.5. Application Components
4.5.1. IoT Device Management
4.5.2. Data Management and Analytics
4.6. Simulation and Emulation Environments
5. Security Considerations
6. Conclusion
7. IANA Considerations
8. Informative References
Acknowledgements
Authors' Addresses
At the time of writing, many IoT services leverage cloud computing platforms because they provide virtually unlimited storage and processing power. The reliance of IoT on back-end cloud computing provides additional advantages, such as scalability and efficiency. At the time of writing, IoT systems are fairly static with respect to integrating and supporting computation. It is not that there is no computation, but that systems are often limited to static configurations (edge gateways and cloud services).
執筆時点では、多くのIoTサービスがクラウドコンピューティングプラットフォームを活用しています。これは、実質的に無制限のストレージと処理能力を提供するためです。バックエンドクラウドコンピューティングに対するIoTの依存は、スケーラビリティや効率などの追加の利点を提供します。執筆時点では、IoTシステムは、計算の統合とサポートに関してかなり静的です。計算がないということではありませんが、システムは静的構成（Edge Gateways and Cloud Services）に限定されることがよくあります。
However, IoT devices generate large amounts of data at the edges of the network. To meet IoT use case requirements, data is increasingly being stored, processed, analyzed, and acted upon close to the data sources. These requirements include time sensitivity, data volume, connectivity cost, and resiliency in the presence of intermittent connectivity, privacy, and security, which cannot be addressed by centralized cloud computing. A more flexible approach is necessary to address these needs effectively. This involves distributing computing (and storage) and seamlessly integrating it into the edge-cloud continuum. We refer to this integration of edge computing and IoT as "IoT edge computing". This document describes the related background, use cases, challenges, system models, and functional components.
ただし、IoTデバイスは、ネットワークのエッジで大量のデータを生成します。IoTユースケース要件を満たすために、データはますます保存、処理、分析、およびデータソースの近くで作用されています。これらの要件には、断続的な接続性、プライバシー、セキュリティの存在下での時間感度、データ量、接続性コスト、および回復力が含まれます。これらのニーズに効果的に対処するには、より柔軟なアプローチが必要です。これには、コンピューティングを分散（およびストレージ）し、エッジクラウド連続体にシームレスに統合することが含まれます。このエッジコンピューティングとIoTの統合を「IoTエッジコンピューティング」と呼びます。このドキュメントでは、関連する背景、ユースケース、課題、システムモデル、および機能コンポーネントについて説明します。
Owing to the dynamic nature of the IoT edge computing landscape, this document does not list existing projects in this field. Section 4.1 presents a high-level overview of the field based on a limited review of standards, research, and open-source and proprietary products in [EDGE-COMPUTING-BACKGROUND].
IoTエッジコンピューティングの状況の動的な性質により、このドキュメントはこの分野の既存のプロジェクトをリストしていません。セクション4.1では、[エッジコンピューティングバックグラウンド]の標準、研究、オープンソースおよび独自の製品の限定レビューに基づいて、フィールドの高レベルの概要を示します。
This document represents the consensus of the Thing-to-Thing Research Group (T2TRG). It has been reviewed extensively by the research group members who are actively involved in the research and development of the technology covered by this document. It is not an IETF product and is not a standard.
このドキュメントは、Thing-to-this-this-this-this-this-to-this-to-thingのコンセンサス（T2TRG）を表しています。この文書でカバーされている技術の研究開発に積極的に関与している研究グループメンバーによって広範囲にレビューされています。IETF製品ではなく、標準でもありません。
Since the term "Internet of Things" was coined by Kevin Ashton in 1999 while working on Radio-Frequency Identification (RFID) technology [Ashton], the concept of IoT has evolved. At the time of writing, it reflects a vision of connecting the physical world to the virtual world of computers using (often wireless) networks over which things can send and receive information without human intervention. Recently, the term has become more literal by connecting things to the Internet and converging on Internet and web technologies.
「モノのインターネット」という用語は、1999年にケビン・アシュトンによって造られて以来、無線周波数識別（RFID）テクノロジー[アシュトン]に取り組んでいるため、IoTの概念が進化しました。執筆時点では、物理的な世界を、人間の介入なしで情報を送信して受信できるネットワークを使用して（多くの場合ワイヤレス）ネットワークを使用してコンピューターの仮想世界に接続するというビジョンを反映しています。最近、この用語は、物事をインターネットに接続し、インターネットやWebテクノロジーに収束することにより、より文字通りになりました。
A "Thing" is a physical item made available in the IoT, thereby enabling digital interaction with the physical world for humans, services, and/or other Things [REST-IOT]. In this document, we will use the term "IoT device" to designate the embedded system attached to the Thing.
「物」とは、IoTで利用できる物理的なアイテムであり、それにより、人間、サービス、および/またはその他のものの物理的世界とのデジタル相互作用を可能にします[REST-OIT]。このドキュメントでは、「IoTデバイス」という用語を使用して、物に取り付けられた埋め込みシステムを指定します。
Resource-constrained Things, such as sensors, home appliances, and wearable devices, often have limited storage and processing power, which can create challenges with respect to reliability, performance, energy consumption, security, and privacy [Lin]. Some, less-resource-constrained Things, can generate a voluminous amount of data. This range of factors led to IoT designs that integrate Things into larger distributed systems, for example, edge or cloud computing systems.
センサー、家電製品、ウェアラブルデバイスなどのリソースに制約のあるものは、多くの場合、保管と処理能力が限られているため、信頼性、パフォーマンス、エネルギー消費、セキュリティ、プライバシーに関して課題を生み出す可能性があります[LIN]。いくつかのリソースが制約されていないものは、膨大な量のデータを生成できます。この範囲の要因により、IoTデザインは、エッジまたはクラウドコンピューティングシステムなど、より大きな分散システムに物事を統合しました。
Cloud computing has been defined in [NIST]:
クラウドコンピューティングは[nist]で定義されています。
Cloud computing is a model for enabling ubiquitous, convenient, on-demand network access to a shared pool of configurable computing resources (e.g., networks, servers, storage, applications, and services) that can be rapidly provisioned and released with minimal management effort or service provider interaction.
クラウドコンピューティングは、構成可能なコンピューティングリソースの共有プール（ネットワーク、サーバー、ストレージ、アプリケーション、サービス）の共有プールへのユビキタスで便利なオンデマンドネットワークアクセスを可能にするためのモデルです。サービスプロバイダーの相互作用。
The low cost and massive availability of storage and processing power enabled the realization of another computing model in which virtualized resources can be leased in an on-demand fashion and provided as general utilities. Platform-as-a-Service (PaaS) and cloud computing platforms widely adopted this paradigm for delivering services over the Internet, gaining both economical and technical benefits [Botta].
ストレージおよび処理能力の低コストで大規模な可用性により、仮想化されたリソースをオンデマンドファッションでリースし、一般的なユーティリティとして提供できる別のコンピューティングモデルの実現が可能になりました。サービスとしてのプラットフォーム（PAAS）およびクラウドコンピューティングプラットフォームは、インターネットを介してサービスを提供するためにこのパラダイムを広く採用し、経済的および技術的な利点を獲得しました[Botta]。
At the time of writing, an unprecedented volume and variety of data is generated by Things, and applications deployed at the network edge consume this data. In this context, cloud-based service models are not suitable for some classes of applications that require very short response times, require access to local personal data, or generate vast amounts of data. These applications may instead leverage edge computing.
執筆時点では、前例のないボリュームとさまざまなデータが物によって生成され、ネットワークエッジに展開されているアプリケーションはこのデータを消費します。これに関連して、クラウドベースのサービスモデルは、非常に短い応答時間を必要とするいくつかのクラスのアプリケーションには適していません。また、ローカルの個人データへのアクセスを必要とする、または膨大な量のデータを生成します。これらのアプリケーションは、代わりにエッジコンピューティングを活用する場合があります。
Edge computing, also referred to as "fog computing" in some settings, is a new paradigm in which substantial computing and storage resources are placed at the edge of the Internet, close to mobile devices, sensors, actuators, or machines. Edge computing happens near data sources [Mahadev] as well as close to where decisions are made or where interactions with the physical world take place ("close" here can refer to a distance that is topological, physical, latency-based, etc.). It processes both downstream data (originating from cloud services) and upstream data (originating from end devices or network elements). The term "fog computing" usually represents the notion of multi-tiered edge computing, that is, several layers of compute infrastructure between end devices and cloud services.
一部の設定で「フォグコンピューティング」とも呼ばれるエッジコンピューティングは、モバイルデバイス、センサー、アクチュエーター、またはマシンに近いインターネットの端に実質的なコンピューティングとストレージリソースが配置される新しいパラダイムです。エッジコンピューティングは、データソース[MAHADEV]の近くで発生し、決定が下される場所や物理的な世界との相互作用が発生する場所に近い（ここでの「閉じる」ことができます。。ダウンストリームデータ（クラウドサービスに由来する）とアップストリームデータ（エンドデバイスまたはネットワーク要素に由来する）の両方を処理します。「フォグコンピューティング」という用語は、通常、マルチ層エッジコンピューティングの概念、つまり、エンドデバイスとクラウドサービスの間の複数のコンピューティングインフラストラクチャの概念を表しています。
An edge device is any computing or networking resource residing between end-device data sources and cloud-based data centers. In edge computing, end devices consume and produce data. At the network edge, devices not only request services and information from the cloud but also handle computing tasks including processing, storing, caching, and load balancing on data sent to and from the cloud [Shi]. This does not preclude end devices from hosting computation themselves, when possible, independently or as part of a distributed edge computing platform.
エッジデバイスは、エンドデバイスデータソースとクラウドベースのデータセンターの間にあるコンピューティングまたはネットワーキングリソースです。エッジコンピューティングでは、エンドデバイスがデータを消費して生成します。ネットワークのエッジでは、デバイスはクラウドからサービスと情報を要求するだけでなく、クラウドとの間で送信されたデータの処理、保存、キャッシュ、ロードバランスなどのコンピューティングタスクを処理します[SHI]。これは、可能であれば独立して、または分散エッジコンピューティングプラットフォームの一部として、可能な場合は、エンドデバイス自体をホストすることを妨げるものではありません。
Several Standards Developing Organizations (SDOs) and industry forums have provided definitions of edge and fog computing:
いくつかの基準開発組織（SDO）と業界フォーラムは、エッジとフォグのコンピューティングの定義を提供しています。
* ISO defines edge computing as a "form of distributed computing in which significant processing and data storage takes place on nodes which are at the edge of the network" [ISO_TR].
* ISOは、エッジコンピューティングを「ネットワークの端にあるノードで重要な処理とデータストレージが行われる分散コンピューティングの形式」[ISO_TR]として定義しています。
* ETSI defines multi-access edge computing as a "system which provides an IT service environment and cloud-computing capabilities at the edge of an access network which contains one or more type of access technology, and in close proximity to its users" [ETSI_MEC_01].
* ETSIは、マルチアクセスエッジコンピューティングを「1つ以上のタイプのアクセステクノロジーを含むアクセスネットワークのエッジで、およびユーザーに近接しているアクセスネットワークのエッジにおけるITサービス環境とクラウドコンピューティング機能を提供するシステム」[ETSI_MEC_01]と定義しています。。
* The Industry IoT Consortium (IIC) (now incorporating what was formerly OpenFog) defines fog computing as "a horizontal, system-level architecture that distributes computing, storage, control and networking functions closer to the users along a cloud-to-thing continuum" [OpenFog].
* 業界IoTコンソーシアム（IIC）（現在は以前のオープンフォグであったものを組み込んでいます）は、霧のコンピューティングを「クラウドツーチングの連続体に沿ってユーザーに近いコンピューティング、ストレージ、コントロール、ネットワーキング機能を配布する水平、システムレベルのアーキテクチャ」と定義しています。[OpenFog]。
Based on these definitions, we can summarize a general philosophy of edge computing as distributing the required functions close to users and data, while the difference to classic local systems is the usage of management and orchestration features adopted from cloud computing.
これらの定義に基づいて、ユーザーとデータの近くに必要な関数を分散するためにエッジコンピューティングの一般的な哲学を要約することができますが、クラシックローカルシステムの違いは、クラウドコンピューティングから採用された管理とオーケストレーション機能の使用です。
Actors from various industries approach edge computing using different terms and reference models, although, in practice, these approaches are not incompatible and may integrate with each other:
さまざまな業界のアクターがさまざまな用語と参照モデルを使用してエッジコンピューティングにアプローチしますが、実際には、これらのアプローチは互換性がなく、互いに統合される場合があります。
* The telecommunication industry tends to use a model where edge computing services are deployed over a Network Function Virtualization (NFV) infrastructure, at aggregation points, or in proximity to the user equipment (e.g., gNodeBs) [ETSI_MEC_03].
* 電気通信業界は、ネットワーク機能仮想化（NFV）インフラストラクチャ、集約点、またはユーザー機器（Gnodebsなど）に近い[ETSI_MEC_03]にエッジコンピューティングサービスが展開されるモデルを使用する傾向があります。
* Enterprise and campus solutions often interpret edge computing as an "edge cloud", that is, a smaller data center directly connected to the local network (often referred to as "on-premise").
* エンタープライズとキャンパスのソリューションは、多くの場合、エッジコンピューティングを「エッジクラウド」、つまりローカルネットワークに直接接続する小さなデータセンター（「オンプレミス」と呼ばれることが多い）と解釈されます。
* The automation industry defines the edge as the connection point between IT and Operational Technology (OT). Hence, edge computing sometimes refers to applying IT solutions to OT problems, such as analytics, more-flexible user interfaces, or simply having more computing power than an automation controller.
* 自動化業界は、EdgeをITと運用技術（OT）の間の接続ポイントとして定義しています。したがって、エッジコンピューティングとは、分析、より柔軟性のないユーザーインターフェイス、または自動化コントローラーよりも多くのコンピューティングパワーを持つOT問題にITソリューションを適用することを指す場合があります。
IoT edge computing can be used in home, industry, grid, healthcare, city, transportation, agriculture, and/or educational scenarios. Here, we discuss only a few examples of such use cases to identify differentiating requirements, providing references to other use cases.
IoTエッジコンピューティングは、家庭、産業、グリッド、ヘルスケア、都市、輸送、農業、および/または教育シナリオで使用できます。ここでは、他のユースケースへの参照を提供し、差別化要件を特定するために、このようなユースケースのいくつかの例のみについて説明します。
*Smart Factory*
*スマートファクトリー*
As part of the Fourth Industrial Revolution, smart factories run real-time processes based on IT technologies, such as artificial intelligence and big data. Even a very small environmental change in a smart factory can lead to a situation in which production efficiency decreases or product quality problems occur. Therefore, simple but time-sensitive processing can be performed at the edge, for example, controlling the temperature and humidity in the factory or operating machines based on the real-time collection of the operational status of each machine. However, data requiring highly precise analysis, such as machine life-cycle management or accident risk prediction, can be transferred to a central data center for processing.
第4産業革命の一環として、Smart Factoriesは、人工知能やビッグデータなどのIT技術に基づいてリアルタイムプロセスを実行しています。スマートファクトリーの非常に小さな環境の変化でさえ、生産効率が低下したり、製品の品質の問題が発生する状況につながる可能性があります。したがって、たとえば、各マシンの運用状態のリアルタイムコレクションに基づいて、工場または操作機の温度と湿度を制御するなど、エッジでシンプルだが時間に敏感な処理を実行できます。ただし、マシンライフサイクル管理や事故リスク予測など、非常に正確な分析を必要とするデータは、処理のために中央データセンターに転送できます。
The use of edge computing in a smart factory [Argungu] can reduce the cost of network and storage resources by reducing the communication load to the central data center or server. It is also possible to improve process efficiency and facility asset productivity through real-time prediction of failures and to reduce the cost of failure through preliminary measures. In the existing manufacturing field, production facilities are manually run according to a program entered in advance; however, edge computing in a smart factory enables tailoring solutions by analyzing data at each production facility and machine level. Digital twins [Jones] of IoT devices have been jointly used with edge computing in industrial IoT scenarios [Chen].
スマートファクトリー[Argungu]でのエッジコンピューティングを使用すると、通信負荷を中央のデータセンターまたはサーバーに削減することで、ネットワークおよびストレージリソースのコストを削減できます。また、障害のリアルタイム予測を通じてプロセス効率と施設資産の生産性を改善し、予備措置を通じて失敗のコストを削減することも可能です。既存の製造分野では、事前に入力されたプログラムに従って生産施設が手動で実行されます。ただし、スマートファクトリーでのエッジコンピューティングにより、各生産施設と機械レベルでデータを分析することにより、ソリューションを調整することができます。IoTデバイスのデジタルツイン[Jones]は、産業用IoTシナリオ[Chen]のエッジコンピューティングと共同で使用されています。
*Smart Grid*
*スマートグリッド*
In future smart-city scenarios, the smart grid will be critical in ensuring highly available and efficient energy control in city-wide electricity management [Mehmood]. Edge computing is expected to play a significant role in these systems to improve the transmission efficiency of electricity, to react to and restore power after a disturbance, to reduce operation costs, and to reuse energy effectively since these operations involve local decision-making. In addition, edge computing can help monitor power generation and power demand and make local electrical energy storage decisions in smart grid systems.
将来のスマートシティシナリオでは、スマートグリッドは、都市全体の電力管理[Mehmood]で非常に利用可能で効率的なエネルギー制御を確保するために重要になります。エッジコンピューティングは、これらのシステムで重要な役割を果たして、電力の送信効率を改善し、妨害後に電力を反応させ、操作コストを削減し、これらの操作が現地の意思決定を伴うため、エネルギーを効果的に再利用することが期待されています。さらに、エッジコンピューティングは、発電と電力需要を監視し、スマートグリッドシステムでローカル電気エネルギー貯蔵の決定を下すのに役立ちます。
*Smart Agriculture*
*スマート農業*
Smart agriculture integrates information and communication technologies with farming technology. Intelligent farms use IoT technology to measure and analyze parameters, such as the temperature, humidity, sunlight, carbon dioxide, and soil quality, in crop cultivation facilities. Depending on the analysis results, control devices are used to set the environmental parameters to an appropriate state. Remote management is also possible through mobile devices, such as smartphones.
Smart Agricultureは、情報通信技術と農業技術を統合しています。インテリジェントな農場では、IoTテクノロジーを使用して、作物栽培施設で温度、湿度、日光、二酸化炭素、土壌の品質などのパラメーターを測定および分析します。分析結果に応じて、制御デバイスを使用して環境パラメーターを適切な状態に設定します。スマートフォンなどのモバイルデバイスを通じて、リモート管理も可能です。
In existing farms, simple systems, such as management according to temperature and humidity, can be easily and inexpensively implemented using IoT technology [Tanveer]. Field sensors gather data on field and crop condition. This data is then transmitted to cloud servers that process data and recommend actions. The use of edge computing can reduce the volume of back-and-forth data transmissions significantly, resulting in cost and bandwidth savings. Locally generated data can be processed at the edge, and local computing and analytics can drive local actions. With edge computing, it is easy for farmers to select large amounts of data for processing, and data can be analyzed even in remote areas with poor access conditions. Other applications include enabling dashboarding, for example, to visualize the farm status, as well as enhancing Extended Reality (XR) applications that require edge audio and/or video processing. As the number of people working on farming has been decreasing over time, increasing automation enabled by edge computing can be a driving force for future smart agriculture [OGrady].
既存の農場では、温度や湿度に応じた管理などの単純なシステムを、IoTテクノロジー[Tanveer]を使用して簡単かつ安価に実装できます。フィールドセンサーは、フィールドと作物の状態に関するデータを収集します。このデータは、データを処理し、アクションを推奨するクラウドサーバーに送信されます。エッジコンピューティングを使用すると、前後のデータ送信の量が大幅に減少し、コストと帯域幅の節約が生じます。ローカルで生成されたデータは、エッジで処理でき、ローカルコンピューティングと分析はローカルアクションを促進できます。エッジコンピューティングを使用すると、農家が処理のために大量のデータを選択するのは簡単であり、アクセス条件が低い遠隔地でもデータを分析できます。その他のアプリケーションには、たとえば、ファームのステータスを視覚化するダッシュボードの有効化、およびエッジオーディオおよび/またはビデオ処理が必要な拡張現実（XR）アプリケーションの強化が含まれます。農業に取り組んでいる人々の数が時間とともに減少しているため、エッジコンピューティングによって可能になった自動化の増加は、将来のスマート農業[Ogrady]の原動力となる可能性があります。
*Smart Construction*
*スマートコンストラクション*
Safety is critical at construction sites. Every year, many construction workers lose their lives because of falls, collisions, electric shocks, and other accidents [BigRentz]. Therefore, solutions have been developed to improve construction site safety, including the real-time identification of workers, monitoring of equipment location, and predictive accident prevention. To deploy these solutions, many cameras and IoT sensors have been installed on construction sites to measure noise, vibration, gas concentration, etc. Typically, the data generated from these measurements is collected in on-site gateways and sent to remote cloud servers for storage and analysis. Thus, an inspector can check the information stored on the cloud server to investigate an incident. However, this approach can be expensive because of transmission costs (for example, of video streams over a mobile network connection) and because usage fees of private cloud services.
建設現場では安全性が重要です。毎年、多くの建設労働者は、転倒、衝突、感電、その他の事故[Bigrentz]のために命を失います。したがって、労働者のリアルタイムの識別、機器の場所の監視、予測事故防止など、建設現場の安全性を改善するためのソリューションが開発されました。これらのソリューションを展開するために、ノイズ、振動、ガス濃度などを測定するために多くのカメラとIoTセンサーが建設現場に設置されています。通常、これらの測定から生成されたデータは、オンサイトゲートウェイで収集され、ストレージのためにリモートクラウドサーバーに送信されますおよび分析。したがって、検査官は、クラウドサーバーに保存されている情報を確認して、インシデントを調査することができます。ただし、このアプローチは、送信コスト（モバイルネットワーク接続に対するビデオストリームなど）やプライベートクラウドサービスの使用料のために高価になる可能性があります。
Using edge computing [Yue], data generated at the construction site can be processed and analyzed on an edge server located within or near the site. Only the result of this processing needs to be transferred to a cloud server, thus reducing transmission costs. It is also possible to locally generate warnings to prevent accidents in real time.
エッジコンピューティング[YUE]を使用して、建設現場で生成されたデータは、サイト内またはその近くにあるエッジサーバーで処理および分析できます。この処理の結果のみをクラウドサーバーに転送する必要があるため、送信コストが削減されます。また、事故をリアルタイムで防ぐために、警告を局所的に生成することも可能です。
*Self-Driving Car*
*自動運転車*
Edge computing plays a crucial role in safety-focused self-driving car systems [Badjie]. With a multitude of sensors, such as high-resolution cameras, radars, Light Detection and Ranging (LiDAR) systems, sonar sensors, and GPS systems, autonomous vehicles generate vast amounts of real-time data. Local processing utilizing edge computing nodes allows for efficient collection and analysis of this data to monitor vehicle distances and road conditions and respond promptly to unexpected situations. Roadside computing nodes can also be leveraged to offload tasks when necessary, for example, when the local processing capacity of the car is insufficient because of hardware constraints or a large data volume.
エッジコンピューティングは、安全性に焦点を当てた自動運転車システム[Badjie]において重要な役割を果たします。高解像度カメラ、レーダー、光検出、範囲（LIDAR）システム、ソナーセンサー、GPSシステムなどの多数のセンサーを使用すると、自律車は膨大な量のリアルタイムデータを生成します。エッジコンピューティングノードを利用するローカル処理により、このデータの効率的な収集と分析が可能になり、車両の距離と道路状況を監視し、予期しない状況に迅速に対応できます。たとえば、ハードウェアの制約や大規模なデータボリュームのために、車のローカル処理能力が不十分な場合など、必要に応じて、ロードサイドコンピューティングノードをオフロードタスクに活用することもできます。
For instance, when the car ahead slows, a self-driving car adjusts its speed to maintain a safe distance, or when a roadside signal changes, it adapts its behavior accordingly. In another example, cars equipped with self-parking features utilize local processing to analyze sensor data, determine suitable parking spots, and execute precise parking maneuvers without relying on external processing or connectivity. It is also possible to use in-cabin cameras coupled with local processing to monitor the driver's attention level and detect signs of drowsiness or distraction. The system can issue warnings or implement preventive measures to ensure driver safety.
たとえば、先の車が遅くなると、自動運転車が速度を調整して安全な距離を維持するか、道端の信号が変化すると、それに応じて動作を適応させます。別の例では、セルフパーク機能を備えた車は、ローカル処理を利用してセンサーデータを分析し、適切な駐車場を決定し、外部処理や接続に依存せずに正確な駐車操作を実行します。また、ローカル処理と組み合わせたキャビン内のカメラを使用して、ドライバーの注意レベルを監視し、眠気や気晴らしの兆候を検出することも可能です。システムは、ドライバーの安全性を確保するために警告を発したり、予防措置を実施することができます。
Edge computing empowers self-driving cars by enabling real-time processing, reducing latency, enhancing data privacy, and optimizing bandwidth usage. By leveraging local processing capabilities, self-driving cars can make rapid decisions, adapt to changing environments, and ensure safer and more efficient autonomous driving experiences.
エッジコンピューティングは、リアルタイムの処理を可能にし、遅延を削減し、データプライバシーの向上を可能にし、帯域幅の使用を最適化することにより、自動運転車を強化します。ローカル処理機能を活用することにより、自動運転車は迅速な決定を下し、変化する環境に適応し、より安全で効率的な自律運転体験を確保することができます。
*Digital Twin*
*デジタルツイン*
A digital twin can simulate different scenarios and predict outcomes based on real-time data collected from the physical environment. This simulation capability empowers proactive maintenance, optimization of operations, and the prediction of potential issues or failures. Decision makers can use digital twins to test and validate different strategies, identify inefficiencies, and optimize performance [CertMagic].
デジタルツインは、さまざまなシナリオをシミュレートし、物理環境から収集されたリアルタイムデータに基づいて結果を予測できます。このシミュレーション機能は、積極的なメンテナンス、操作の最適化、潜在的な問題または障害の予測を強化します。意思決定者は、デジタルツインを使用して、さまざまな戦略をテストおよび検証し、非効率性を特定し、パフォーマンスを最適化することができます[Certmagic]。
With edge computing, real-time data is collected, processed, and analyzed directly at the edge, allowing for the accurate monitoring and simulation of physical assets. Moreover, edge computing effectively minimizes latency, enabling rapid responses to dynamic conditions as computational resources are brought closer to the physical object. Running digital twin processing at the edge enables organizations to obtain timely insights and make informed decisions that maximize efficiency and performance.
エッジコンピューティングにより、リアルタイムデータが収集、処理、およびエッジで直接分析され、物理資産の正確な監視とシミュレーションが可能になります。さらに、エッジコンピューティングはレイテンシを効果的に最小限に抑え、計算リソースが物理オブジェクトに近づくにつれて動的条件に対する迅速な応答を可能にします。エッジでデジタルツイン処理を実行すると、組織はタイムリーな洞察を得て、効率とパフォーマンスを最大化する情報に基づいた意思決定を行うことができます。
*Other Use Cases*
*その他のユースケース*
Artificial intelligence (AI) and machine learning (ML) systems at the edge empower real-time analysis, faster decision-making, reduced latency, improved operational efficiency, and personalized experiences across various industries by bringing AI and ML capabilities closer to edge devices.
EDGEの人工知能（AI）および機械学習（ML）システムは、リアルタイム分析、より高速な意思決定、レイテンシの削減、運用効率の改善、およびAIおよびMLの機能をエッジデバイスに近づけることにより、さまざまな業界のパーソナライズされた体験を強化します。
In addition, oneM2M has studied several IoT edge computing use cases, which are documented in [oneM2M-TR0001], [oneM2M-TR0018], and [oneM2M-TR0026]. The edge-computing-related requirements raised through the analysis of these use cases are captured in [oneM2M-TS0002].
さらに、ONEM2Mは、[ONEM2M-TR0001]、[ONEM2M-TR0018]、および[ONEM2M-TR0026]で文書化されているいくつかのIoTエッジコンピューティングユースケースを研究しています。これらのユースケースの分析を通じて提起されたエッジコンピューティング関連の要件は、[ONEM2M-TS0002]でキャプチャされます。
This section describes the challenges faced by the IoT that are motivating the adoption of edge computing. These are distinct from the research challenges applicable to IoT edge computing, some of which are mentioned in Section 4.
このセクションでは、エッジコンピューティングの採用を動機付けているIoTが直面する課題について説明します。これらは、IoTエッジコンピューティングに適用される研究の課題とは異なり、その一部はセクション4で言及されています。
IoT technology is used with increasingly demanding applications in domains such as industrial, automotive, and healthcare, which leads to new challenges. For example, industrial machines, such as laser cutters, produce over 1 terabyte of data per hour, and similar amounts can be generated in autonomous cars [NVIDIA]. 90% of IoT data is expected to be stored, processed, analyzed, and acted upon close to the source [Kelly], as cloud computing models alone cannot address these new challenges [Chiang].
IoTテクノロジーは、産業、自動車、ヘルスケアなどのドメインでますます厳しいアプリケーションで使用されており、新しい課題につながります。たとえば、レーザーカッターなどの産業機械は、1時間あたり1テラバイトを超えるデータを生成し、自律車[Nvidia]で同様の量を生成できます。クラウドコンピューティングモデルだけがこれらの新しい課題に対処できないため、IoTデータの90％がソース[Kelly]の近くで保存、処理、分析、および作用されると予想されます。
Below, we discuss IoT use case requirements that are moving cloud capabilities to be more proximate, distributed, and disaggregated.
以下では、クラウド機能をより近接、分散、および分解するように移動しているIoTユースケース要件について説明します。
Often, many industrial control systems, such as manufacturing systems, smart grids, and oil and gas systems, require stringent end-to-end latency between the sensor and control nodes. While some IoT applications may require latency below a few tens of milliseconds [Weiner], industrial robots and motion control systems have use cases for cycle times in the order of microseconds [IEC_IEEE_60802]. In some cases, speed-of-light limitations may simply prevent cloud-based solutions; however, this is not the only challenge relative to time sensitivity. Guarantees for bounded latency and jitter ([RFC8578], Section 7) are also important for industrial IoT applications. This means that control packets must arrive with as little variation as possible and within a strict deadline. Given the best-effort characteristics of the Internet, this challenge is virtually impossible to address without using end-to-end guarantees for individual message delivery and continuous data flows.
多くの場合、製造システム、スマートグリッド、石油およびガスシステムなどの多くの産業制御システムには、センサーと制御ノードの間に厳しいエンドツーエンドのレイテンシが必要です。一部のIoTアプリケーションでは、数十ミリ秒[Weiner]を下回るレイテンシが必要になる場合がありますが、産業用ロボットとモーションコントロールシステムには、マイクロ秒[IEC_IEEE_60802]の順にサイクル時間のユースケースがあります。場合によっては、速度制限がクラウドベースのソリューションを防ぐだけです。ただし、これは時間感度に比べて唯一の課題ではありません。産業用IoTアプリケーションにとって、境界レイテンシとジッター（[RFC8578]、セクション7）の保証も重要です。これは、制御パケットができるだけ少ないバリエーションで、厳密な締め切り内で到着する必要があることを意味します。インターネットの最良の特性を考えると、この課題は、個々のメッセージ配信と継続的なデータフローにエンドツーエンドの保証を使用せずに対処することが事実上不可能です。
Some IoT deployments may not face bandwidth constraints when uploading data to the cloud. Theoretically, both 5G and Wi-Fi 6 networks top out at 10 gigabits per second (i.e., 4.5 terabytes per hour), allowing the transfer of large amounts of uplink data. However, the cost of maintaining continuous high-bandwidth connectivity for such usage is unjustifiable and impractical for most IoT applications. In some settings, for example, in aeronautical communication, higher communication costs reduce the amount of data that can be practically uploaded even further. Therefore, minimizing reliance on high-bandwidth connectivity is a requirement; this can be done, for example, by processing data at the edge and deriving summarized or actionable insights that can be transmitted to the cloud.
一部のIoT展開は、クラウドにデータをアップロードする際に帯域幅の制約に直面しない場合があります。理論的には、5GとWi-Fi 6の両方のネットワークが毎秒10ギガビット（つまり、1時間あたり4.5テラバイト）でトップになり、大量のアップリンクデータの転送が可能になります。ただし、このような使用のために継続的な高帯域幅接続を維持するコストは、ほとんどのIoTアプリケーションでは義務がなく、非実用的です。たとえば、一部の設定では、航空通信では、通信コストが高くなると、実際にさらにアップロードできるデータの量が減少します。したがって、高帯域幅の接続への依存を最小限に抑えることは要件です。これは、たとえば、エッジでデータを処理し、クラウドに送信できる要約または実用的な洞察を導き出すことで実行できます。
Many IoT devices, such as sensors, actuators, and controllers, have very limited hardware resources and cannot rely solely on their own resources to meet their computing and/or storage needs. They require reliable, uninterrupted, or resilient services to augment their capabilities to fulfill their application tasks. This is difficult and partly impossible to achieve using cloud services for systems such as vehicles, drones, or oil rigs that have intermittent network connectivity. Conversely, a cloud backend might want to access device data even if the device is currently asleep.
センサー、アクチュエーター、コントローラーなどの多くのIoTデバイスは、ハードウェアリソースが非常に限られており、コンピューティングやストレージのニーズを満たすために独自のリソースだけに依存することはできません。彼らは、アプリケーションタスクを満たすために能力を強化するために、信頼できる、途切れない、または回復力のあるサービスを必要とします。これは困難であり、断続的なネットワーク接続を備えた車両、ドローン、オイルリグなどのシステムにクラウドサービスを使用することを達成することは部分的に不可能です。逆に、クラウドバックエンドは、デバイスが現在眠っている場合でも、デバイスデータにアクセスしたい場合があります。
When IoT services are deployed at home, personal information can be learned from detected usage data. For example, one can extract information about employment, family status, age, and income by analyzing smart meter data [ENERGY]. Policy makers have begun to provide frameworks that limit the usage of personal data and impose strict requirements on data controllers and processors. Data stored indefinitely in the cloud also increases the risk of data leakage, for instance, through attacks on rich targets.
IoTサービスが自宅に展開される場合、検出された使用データから個人情報を学ぶことができます。たとえば、スマートメーターデータ[エネルギー]を分析することにより、雇用、家族の地位、年齢、収入に関する情報を抽出できます。政策立案者は、個人データの使用を制限し、データコントローラーとプロセッサに厳格な要件を課すフレームワークを提供し始めました。クラウドに無期限に保存されているデータは、たとえば、豊富なターゲットへの攻撃を通じて、データの漏れのリスクも増加させます。
It is often argued that industrial systems do not provide privacy implications, as no personal data is gathered. However, data from such systems is often highly sensitive, as one might be able to infer trade secrets, such as the setup of production lines. Hence, owners of these systems are generally reluctant to upload IoT data to the cloud.
個人データは収集されていないため、産業システムはプライバシーへの影響を提供しないとしばしば主張されています。ただし、生産ラインのセットアップなど、企業秘密を推測できる可能性があるため、このようなシステムからのデータは非常に敏感です。したがって、これらのシステムの所有者は一般に、IoTデータをクラウドにアップロードすることに消極的です。
Furthermore, passive observers can perform traffic analysis on device-to-cloud paths. Therefore, hiding traffic patterns associated with sensor networks can be another requirement for edge computing.
さらに、パッシブオブザーバーは、デバイス間パスでトラフィック分析を実行できます。したがって、センサーネットワークに関連付けられたトラフィックパターンを隠すことは、エッジコンピューティングのもう1つの要件です。
We first look at the current state of IoT edge computing (Section 4.1) and then define a general system model (Section 4.2). This provides a context for IoT edge computing functions, which are listed in Sections 4.3, 4.4, and 4.5.
まず、IoTエッジコンピューティングの現在の状態（セクション4.1）を調べ、次に一般的なシステムモデル（セクション4.2）を定義します。これは、セクション4.3、4.4、および4.5にリストされているIoTエッジコンピューティング関数のコンテキストを提供します。
This section provides an overview of the current (at the time of writing) IoT edge computing field based on a limited review of standards, research, and open-source and proprietary products in [EDGE-COMPUTING-BACKGROUND].
このセクションでは、[エッジコンピューティングバックグラウンド]の標準、研究、オープンソースおよび独自の製品の限られたレビューに基づいて、現在の（執筆時点で）IoTエッジコンピューティングフィールドの概要を説明します。
IoT gateways, both open-source (such as EdgeX Foundry or Home Edge) and proprietary products, represent a common class of IoT edge computing products, where the gateway provides a local service on customer premises and is remotely managed through a cloud service. IoT communication protocols are typically used between IoT devices and the gateway, including a Constrained Application Protocol (CoAP) [RFC7252], Message Queuing Telemetry Transport (MQTT) [MQTT5], and many specialized IoT protocols (such as Open Platform Communications Unified Architecture (OPC UA) and Data Distribution Service (DDS) in the industrial IoT space), while the gateway communicates with the distant cloud typically using HTTPS. Virtualization platforms enable the deployment of virtual edge computing functions (using Virtual Machines (VMs) and application containers), including IoT gateway software, on servers in the mobile network infrastructure (at base stations and concentration points), edge data centers (in central offices), and regional data centers located near central offices. End devices are envisioned to become computing devices in forward-looking projects but are not commonly used at the time of writing.
IoTゲートウェイは、オープンソース（Edgex FoundryまたはHome Edgeなど）と独自の製品の両方が、IoTエッジコンピューティング製品の共通クラスを表しています。ゲートウェイは、顧客施設でローカルサービスを提供し、クラウドサービスを通じて遠隔管理されています。IoT通信プロトコルは、通常、IoTデバイスとGateway間で使用されます。これには、制約付きアプリケーションプロトコル（COAP）[RFC7252]、メッセージキューイングテレメトリー輸送（MQTT）[MQTT5]、および多くの特殊なIoTプロトコル（オープンプラットフォーム通信統合アーキテクチャ（産業用IoTスペースのData Distribution Service（DDS））。一方、ゲートウェイは通常、HTTPSを使用して遠いクラウドと通信します。仮想化プラットフォームを有効にして、モバイルネットワークインフラストラクチャのサーバー（ベースステーションおよび濃縮ポイント）、エッジデータセンター（中央オフィス内の仮想エッジコンピューティング関数（仮想マシン（VM）およびIoTゲートウェイソフトウェアを含むアプリケーションコンテナを使用）の展開を可能にします。）、および中央のオフィスの近くにある地域のデータセンター。エンドデバイスは、将来の見通しプロジェクトでコンピューティングデバイスになると想定されていますが、執筆時点では一般的には使用されていません。
In addition to open-source and proprietary solutions, a horizontal IoT service layer is standardized by the oneM2M standards body to reduce fragmentation, increase interoperability, and promote reuse in the IoT ecosystem. Furthermore, ETSI Multi-access Edge Computing (MEC) developed an IoT API [ETSI_MEC_33] that enables the deployment of heterogeneous IoT platforms and provides a means to configure the various components of an IoT system.
オープンソースおよび独自のソリューションに加えて、断片化を減らし、相互運用性を高め、IoTエコシステムの再利用を促進するために、水平方向のIoTサービスレイヤーがONEM2M標準団体によって標準化されています。さらに、ETSIマルチアクセスエッジコンピューティング（MEC）は、不均一なIoTプラットフォームの展開を可能にし、IoTシステムのさまざまなコンポーネントを構成する手段を提供するIoT API [ETSI_MEC_33]を開発しました。
Physical or virtual IoT gateways can host application programs that are typically built using an SDK to access local services through a programmatic API. Edge cloud system operators host their customers' application VMs or containers on servers located in or near access networks that can implement local edge services. For example, mobile networks can provide edge services for radio network information, location, and bandwidth management.
物理または仮想IoTゲートウェイは、通常、SDKを使用して構築されたアプリケーションプログラムをホストし、プログラムAPIを介してローカルサービスにアクセスできます。Edge Cloud Systemオペレーターは、ローカルエッジサービスを実装できるアクセスネットワークまたはその近くにあるサーバー上の顧客のアプリケーションVMまたはコンテナをホストしています。たとえば、モバイルネットワークは、ラジオネットワーク情報、場所、帯域幅管理にエッジサービスを提供できます。
Resilience in the IoT can entail the ability to operate autonomously in periods of disconnectedness to preserve the integrity and safety of the controlled system, possibly in a degraded mode. IoT devices and gateways are often expected to operate in always-on and unattended modes, using fault detection and unassisted recovery functions.
IoTの回復力は、おそらく劣化したモードで、制御されたシステムの完全性と安全性を維持するために、切断された期間中に自律的に動作する能力を伴う可能性があります。IoTデバイスとゲートウェイは、障害検出と非支援リカバリ機能を使用して、常にオンで無人のモードで動作することがよくあります。
The life-cycle management of services and applications on physical IoT gateways is generally cloud based. Edge cloud management platforms and products (such as StarlingX, Akraino Edge Stack, or proprietary products from major cloud providers) adapt cloud management technologies (e.g., Kubernetes) to the edge cloud, that is, to smaller, distributed computing devices running outside a controlled data center. Typically, the service and application life cycle is using an NFV-like management and orchestration model.
物理IoTゲートウェイのサービスとアプリケーションのライフサイクル管理は、一般にクラウドベースです。エッジクラウド管理プラットフォームと製品（Starlingx、Akraino Edge Stack、または主要なクラウドプロバイダーからの独自の製品など）は、クラウド管理技術（例：Kubernetes）、つまり、制御されたより小型の分散コンピューティングデバイスに適応しています。データセンター。通常、サービスとアプリケーションのライフサイクルは、NFVのような管理モデルとオーケストレーションモデルを使用しています。
The platform generally enables advertising or consuming services hosted on the platform (e.g., the Mp1 interface in ETSI MEC supports service discovery and communication), and enables communication with local and remote endpoints (e.g., message routing function in IoT gateways). The platform is usually extensible to edge applications because it can advertise a service that other edge applications can consume. The IoT communication services include protocol translation, analytics, and transcoding. Communication between edge computing devices is enabled in tiered or distributed deployments.
一般に、プラットフォームはプラットフォームでホストされている広告または消費サービスを可能にします（ETSI MECのMP1インターフェイスはサービスの発見と通信をサポートします）、ローカルおよびリモートエンドポイント（IoTゲートウェイのメッセージルーティング機能など）との通信を可能にします。プラットフォームは通常、他のエッジアプリケーションが消費できるサービスを宣伝できるため、エッジアプリケーションに拡張可能です。IoT通信サービスには、プロトコル翻訳、分析、およびトランスコーディングが含まれます。エッジコンピューティングデバイス間の通信は、階層化または分散展開で有効になります。
An edge cloud platform may enable pass-through without storage or local storage (e.g., on IoT gateways). Some edge cloud platforms use distributed storage such as that provided by a distributed storage platform (e.g., EdgeFS and Ceph) or, in more experimental settings, by an Information-Centric Networking (ICN) network, for example, systems such as Chipmunk [Chipmunk] and Kua [Kua] have been proposed as distributed information-centric objects stores. External storage, for example, on databases in a distant or local IT cloud, is typically used for filtered data deemed worthy of long-term storage; although, in some cases, it may be for all data, for example, when required for regulatory reasons.
エッジクラウドプラットフォームは、ストレージやローカルストレージ（IoTゲートウェイなど）なしでパススルーを可能にする場合があります。一部のエッジクラウドプラットフォームは、分散ストレージプラットフォーム（EdgeFSやCEPHなど）によって提供されるような分散ストレージを使用します。]そして、Kua [Kua]は、分散された情報中心のオブジェクトストアとして提案されています。たとえば、遠隔またはローカルITクラウドのデータベース上の外部ストレージは、通常、長期ストレージに値するとみなされるフィルタリングされたデータに使用されます。ただし、場合によっては、たとえば、規制上の理由で必要な場合、すべてのデータに対してである場合があります。
Stateful computing is the default on most systems, VMs, and containers. Stateless computing is supported on platforms providing a "serverless computing" service (also known as function-as-a-service, e.g., using stateless containers) or on systems based on named function networking.
ステートフルなコンピューティングは、ほとんどのシステム、VM、およびコンテナのデフォルトです。ステートレスコンピューティングは、「サーバーレスコンピューティング」サービス（サービスとしての機能としても知られている、たとえば、ステートレスコンテナを使用する）または名前付き関数ネットワークに基づくシステムを提供するプラットフォームでサポートされています。
In many IoT use cases, a typical network usage pattern is a high-volume uplink with some form of traffic reduction enabled by processing over edge computing devices. Alternatives to traffic reduction include deferred transmission (to off-peak hours or using physical shipping). Downlink traffic includes application control and software updates. Downlink-heavy traffic patterns are not excluded but are more often associated with non-IoT usage (e.g., video Content Delivery Networks (CDNs)).
多くのIoTユースケースでは、典型的なネットワーク使用パターンは、エッジコンピューティングデバイスを処理することで何らかの形のトラフィック削減を可能にする大量のアップリンクです。交通削減の代替品には、延期された送信（オフピーク時間または物理的な配送の使用）が含まれます。ダウンリンクトラフィックには、アプリケーション制御とソフトウェアの更新が含まれます。ダウンリンクが多いトラフィックパターンは除外されていませんが、非OIT使用量（ビデオコンテンツ配信ネットワーク（CDNS）など）に関連することがよくあります。
Edge computing is expected to play an important role in deploying new IoT services integrated with big data and AI enabled by flexible in-network computing platforms. Although there are many approaches to edge computing, this section lays out an attempt at a general model and lists associated logical functions. In practice, this model can be mapped to different architectures, such as:
エッジコンピューティングは、ビッグデータと統合された新しいIoTサービスと、柔軟なネットワーク内コンピューティングプラットフォームによって有効になっている新しいIoTサービスを展開する上で重要な役割を果たすことが期待されています。エッジコンピューティングには多くのアプローチがありますが、このセクションでは一般的なモデルの試みをレイアウトし、関連する論理関数をリストします。実際には、このモデルは、次のようなさまざまなアーキテクチャにマッピングできます。
* A single IoT gateway, or a hierarchy of IoT gateways, typically connected to the cloud (e.g., to extend the centralized cloud-based management of IoT devices and data to the edge). The IoT gateway plays a common role in providing access to a heterogeneous set of IoT devices and sensors, handling IoT data, and delivering IoT data to its final destination in a cloud network. An IoT gateway requires interactions with the cloud; however, it can also operate independently in a disconnected mode.
* 通常、クラウドに接続されている単一のIoTゲートウェイ、またはIoTゲートウェイの階層（たとえば、IoTデバイスとデータの集中化されたクラウドベースの管理をエッジに拡張するため）。IoTゲートウェイは、IoTデバイスとセンサーの不均一なセットへのアクセスを提供し、IoTデータの取り扱い、クラウドネットワークの最終目的地にIoTデータを配信する上で共通の役割を果たします。IoTゲートウェイには、クラウドとの相互作用が必要です。ただし、切断されたモードで独立して動作することもできます。
* A set of distributed computing nodes, for example, embedded in switches, routers, edge cloud servers, or mobile devices. Some IoT devices have sufficient computing capabilities to participate in such distributed systems owing to advances in hardware technology. In this model, edge computing nodes can collaborate to share resources.
* たとえば、スイッチ、ルーター、エッジクラウドサーバー、またはモバイルデバイスに埋め込まれた分散コンピューティングノードのセット。一部のIoTデバイスには、ハードウェア技術の進歩により、このような分散システムに参加するのに十分なコンピューティング機能があります。このモデルでは、エッジコンピューティングノードがコラボレーションしてリソースを共有できます。
* A hybrid system involving both IoT gateways and supporting functions in distributed computing nodes.
* IoTゲートウェイと分散コンピューティングノードのサポート関数の両方を含むハイブリッドシステム。
In the general model described in Figure 1, the edge computing domain is interconnected with IoT devices (southbound connectivity), possibly with a remote (e.g., cloud) network (northbound connectivity), and with a service operator's system. Edge computing nodes provide multiple logical functions or components that may not be present in a given system. They may be implemented in a centralized or distributed fashion, at the network edge, or through interworking between the edge network and remote cloud networks.
図1で説明する一般的なモデルでは、エッジコンピューティングドメインは、IoTデバイス（南行きの接続）、おそらくリモート（クラウド）ネットワーク（北行きの接続）、およびサービスオペレーターのシステムと相互接続されています。エッジコンピューティングノードは、特定のシステムに存在しない可能性のある複数の論理関数またはコンポーネントを提供します。それらは、集中または分散型ファッション、ネットワークエッジで、またはエッジネットワークとリモートクラウドネットワーク間のインターワーキングを通じて実装される場合があります。
+---------------------+
| Remote Network | +---------------+
|(e.g., cloud network)| | Service |
+-----------+---------+ | Operator |
| +------+--------+
| |
+--------------+-------------------+-----------+
| Edge Computing Domain |
| |
| One or more computing nodes |
| (IoT gateway, end devices, switches, |
| routers, mini/micro-data centers, etc.) |
| |
| OAM Components |
| - Resource Discovery and Authentication |
| - Edge Organization and Federation |
| - Multi-Tenancy and Isolation |
| - ... |
| |
| Functional Components |
| - In-Network Computation |
| - Edge Caching |
| - Communication |
| - Other Services |
| - ... |
| |
| Application Components |
| - IoT Devices Management |
| - Data Management and Analytics |
| - ... |
| |
+------+--------------+-------- - - - -+- - - -+
| | | | |
| | +-----+--+
+----+---+ +-----+--+ | |Compute | |
| End | | End | ... |Node/End|
|Device 1| |Device 2| ...| |Device n| |
+--------+ +--------+ +--------+
+ - - - - - - - -+
Figure 1: Model of IoT Edge Computing
図1：IoTエッジコンピューティングのモデル
In the distributed model described in Figure 2, the edge computing domain is composed of IoT edge gateways and IoT devices that are also used as computing nodes. Edge computing domains are connected to a remote (e.g., cloud) network and their respective service operator's system. The computing nodes provide logical functions, for example, as part of distributed machine learning or distributed image processing applications. The processing capabilities in IoT devices are limited; they require the support of other nodes. In a distributed machine learning application, the training process for AI services can be executed at IoT edge gateways or cloud networks, and the prediction (inference) service is executed in the IoT devices. Similarly, in a distributed image processing application, some image processing functions can be executed at the edge or in the cloud. To limit the amount of data to be uploaded to central cloud functions, IoT edge devices may pre-process data.
図2で説明する分散モデルでは、エッジコンピューティングドメインは、コンピューティングノードとしても使用されるIoTエッジゲートウェイとIoTデバイスで構成されています。エッジコンピューティングドメインは、リモート（クラウド）ネットワークとそれぞれのサービスオペレーターのシステムに接続されています。コンピューティングノードは、たとえば分散機械学習または分散画像処理アプリケーションの一部として、論理関数を提供します。IoTデバイスの処理機能は限られています。他のノードのサポートが必要です。分散型機械学習アプリケーションでは、AIサービスのトレーニングプロセスをIoT Edgeゲートウェイまたはクラウドネットワークで実行でき、予測（推論）サービスがIoTデバイスで実行されます。同様に、分散型画像処理アプリケーションでは、一部の画像処理機能をエッジまたはクラウドで実行できます。中央クラウド関数にアップロードするデータの量を制限するために、IoT Edgeデバイスはデータを前処理する場合があります。
+----------------------------------------------+
| Edge Computing Domain |
| |
| +--------+ +--------+ +--------+ |
| |Compute | |Compute | |Compute | |
| |Node/End| |Node/End| .... |Node/End| |
| |Device 1| |Device 2| .... |Device m| |
| +----+---+ +----+---+ +----+---+ |
| | | | |
| +---+-------------+-----------------+--+ |
| | IoT Edge Gateway | |
| +-----------+-------------------+------+ |
| | | |
+--------------+-------------------+-----------+
| |
+-----------+---------+ +------+-------+
| Remote Network | | Service |
|(e.g., cloud network)| | Operator(s) |
+-----------+---------+ +------+-------+
| |
+--------------+-------------------+-----------+
| | | |
| +-----------+-------------------+------+ |
| | IoT Edge Gateway | |
| +---+-------------+-----------------+--+ |
| | | | |
| +----+---+ +----+---+ +----+---+ |
| |Compute | |Compute | |Compute | |
| |Node/End| |Node/End| .... |Node/End| |
| |Device 1| |Device 2| .... |Device n| |
| +--------+ +--------+ +--------+ |
| |
| Edge Computing Domain |
+----------------------------------------------+
Figure 2: Example of Machine Learning over a Distributed IoT Edge Computing System
図2：分散型IoTエッジコンピューティングシステム上の機械学習の例
In the following, we enumerate major edge computing domain components. Here, they are loosely organized into Operations, Administration, and Maintenance (OAM); functional; and application components, with the understanding that the distinction between these classes may not always be clear, depending on actual system architectures. Some representative research challenges are associated with those functions. We used input from coauthors, participants of T2TRG meetings, and some comprehensive reviews of the field ([Yousefpour], [Zhang2], and [Khan]).
以下では、主要なエッジコンピューティングドメインコンポーネントを列挙します。ここでは、それらは運用、管理、およびメンテナンス（OAM）に大まかに編成されています。機能;アプリケーションコンポーネントは、実際のシステムアーキテクチャに応じて、これらのクラスの区別が常に明確ではないという理解を伴います。いくつかの代表的な研究の課題は、これらの機能に関連しています。共著者、T2TRG会議の参加者からの入力、およびフィールドの包括的なレビュー（[YouSefpour]、[Zhang2]、および[Khan]）を使用しました。
Edge computing OAM extends beyond the network-related OAM functions listed in [RFC6291]. In addition to infrastructure (network, storage, and computing resources), edge computing systems can also include computing environments (for VMs, software containers, and functions), IoT devices, data, and code.
エッジコンピューティングOAMは、[RFC6291]にリストされているネットワーク関連のOAM関数を超えて伸びています。インフラストラクチャ（ネットワーク、ストレージ、およびコンピューティングリソース）に加えて、エッジコンピューティングシステムには、コンピューティング環境（VM、ソフトウェアコンテナ、機能）、IoTデバイス、データ、およびコードも含まれます。
Operation-related functions include performance monitoring for Service Level Agreement (SLA) measurements, fault management, and provisioning for links, nodes, compute and storage resources, platforms, and services. Administration covers network/compute/ storage resources, platform and service discovery, configuration, and planning. Discovery during normal operation (e.g., discovery of compute or storage nodes by endpoints) is typically not included in OAM; however, in this document, we do not address it separately. Management covers the monitoring and diagnostics of failures, as well as means to minimize their occurrence and take corrective actions. This may include software update management and high service availability through redundancy and multipath communication. Centralized (e.g., Software-Defined Networking (SDN)) and decentralized management systems can be used. Finally, we arbitrarily chose to address data management as an application component; however, in some systems, data management may be considered similar to a network management function.
操作関連の機能には、サービスレベル契約（SLA）測定のパフォーマンス監視、障害管理、リンク、ノード、計算およびストレージリソース、プラットフォーム、およびサービスのプロビジョニングが含まれます。管理は、ネットワーク/計算/ストレージリソース、プラットフォームとサービスの発見、構成、および計画をカバーしています。通常の操作中の発見（エンドポイントによる計算またはストレージノードの発見）は通常、OAMには含まれていません。ただし、このドキュメントでは、個別に対処しません。経営陣は、障害の監視と診断をカバーするだけでなく、その発生を最小限に抑え、是正措置を講じることを意味します。これには、ソフトウェアの更新管理と冗長性とマルチパス通信による高いサービスの可用性が含まれる場合があります。集中化（ソフトウェア定義ネットワーク（SDN））および分散型管理システムを使用できます。最後に、アプリケーションコンポーネントとしてデータ管理に対処することをarbitrarily意的に選択しました。ただし、一部のシステムでは、データ管理はネットワーク管理機能に似ていると見なされる場合があります。
We further detail a few relevant OAM components.
さらに、いくつかの関連するOAMコンポーネントについて詳しく説明します。
Discovery and authentication may target platforms and infrastructure resources, such as computing, networking, and storage, as well as other resources, such as IoT devices, sensors, data, code units, services, applications, and users interacting with the system. In a broker-based system, an IoT gateway can act as a broker to discover IoT resources. More decentralized solutions can also be used in replacement of or in complement to the broker-based solutions; for example, CoAP enables multicast discovery of an IoT device and CoAP service discovery enables one to obtain a list of resources made available by this device [RFC7252]. For device authentication, current centralized gateway-based systems rely on the installation of a secret on IoT devices and computing devices (e.g., a device certificate stored in a hardware security module or a combination of code and data stored in a trusted execution environment).
発見と認証は、コンピューティング、ネットワーキング、ストレージなどのプラットフォームとインフラストラクチャリソース、およびIoTデバイス、センサー、データ、コードユニット、サービス、アプリケーション、システムと対話するユーザーなどの他のリソースをターゲットにする場合があります。ブローカーベースのシステムでは、IoTゲートウェイはIoTリソースを発見するブローカーとして機能します。ブローカーベースのソリューションの交換または補完に、より分散型ソリューションを使用することもできます。たとえば、COAPを使用すると、IoTデバイスのマルチキャスト発見が可能になり、COAPサービスの発見により、このデバイス[RFC7252]が利用できるリソースのリストを取得できます。デバイス認証のために、現在の集中型ゲートウェイベースのシステムは、IoTデバイスとコンピューティングデバイスにシークレットのインストールに依存しています（たとえば、ハードウェアセキュリティモジュールに保存されているデバイス証明書、または信頼できる実行環境に保存されているコードとデータの組み合わせ）。
Related challenges include:
関連する課題は次のとおりです。
* Discovery, authentication, and trust establishment between IoT devices, compute nodes, and platforms, with regard to concerns such as mobility, heterogeneous devices and networks, scale, multiple trust domains, constrained devices, anonymity, and traceability.
* モビリティ、異種デバイスとネットワーク、スケール、複数の信頼ドメイン、制約付きデバイス、匿名性、およびトレーサビリティなどの懸念に関して、IoTデバイス、計算ノード、およびプラットフォーム間の発見、認証、および信頼の確立。
* Intermittent connectivity to the Internet, removing the need to rely on a third-party authority [Echeverria].
* インターネットへの断続的な接続性、サードパーティの権限に依存する必要性を削除します[echeverria]。
* Resiliency to failure [Harchol], denial-of-service attacks, and easier physical access for attackers.
* 失敗への回復力[Harchol]、サービス拒否攻撃、および攻撃者の物理的アクセスの容易。
In a distributed system context, once edge devices have discovered and authenticated each other, they can be organized or self-organized into hierarchies or clusters. The organizational structure may range from centralized to peer-to-peer, or it may be closely tied to other systems. Such groups can also form federations with other edges or with remote clouds.
分散システムのコンテキストでは、エッジデバイスが互いに発見され、認証されると、編成またはクラスターに整理または自己組織化できます。組織構造は、集中化されたものからピアツーピアまでの範囲である場合や、他のシステムと密接に結びついている場合があります。このようなグループは、他のエッジまたはリモートクラウドとの連合を形成することもできます。
Related challenges include:
関連する課題は次のとおりです。
* Support for scaling and enabling fault tolerance or self-healing [Jeong]. In addition to using a hierarchical organization to cope with scaling, another available and possibly complementary mechanism is multicast [RFC7390] [CORE-GROUPCOMM-BIS]. Other approaches include relying on blockchains [Ali].
* スケーリングとフォールトトレランスまたは自己治癒の可能性のサポート[Jeong]。階層組織を使用してスケーリングに対処することに加えて、別の利用可能でおそらく補完的なメカニズムはマルチキャスト[RFC7390] [Core-GroupComm-Bis]です。その他のアプローチには、ブロックチェーン[Ali]に依存することが含まれます。
* Integration of edge computing with virtualized Radio Access Networks (Fog RAN) [SFC-FOG-RAN] and 5G access networks.
* 仮想化されたラジオアクセスネットワーク（FOG RAN）[SFC-Fog-Ran]および5Gアクセスネットワークとのエッジコンピューティングの統合。
* Sharing resources in multi-vendor and multi-operator scenarios to optimize criteria such as profit [Anglano], resource usage, latency, and energy consumption.
* マルチベンダーおよびマルチオペレーターのシナリオでリソースを共有して、利益[Anglano]、リソースの使用、待ち時間、エネルギー消費などの基準を最適化します。
* Capacity planning, placement of infrastructure nodes to minimize delay [Fan], cost, energy, etc.
* 容量計画、インフラストラクチャノードの配置遅延[ファン]、コスト、エネルギーなどを最小限に抑える。
* Incentives for participation, for example, in peer-to-peer federation schemes.
* たとえば、ピアツーピア連合スキームへの参加のインセンティブ。
* Design of federated AI over IoT edge computing systems [Brecko], for example, for anomaly detection.
* 例えば、異常検出のためのIoTエッジコンピューティングシステム[Brecko]上のフェデレートAIの設計。
Some IoT edge computing systems make use of virtualized (compute, storage, and networking) resources to address the need for secure multi-tenancy at the edge. This leads to "edge clouds" that share properties with remote clouds and can reuse some of their ecosystems. Virtualization function management is largely covered by ETSI NFV and MEC standards and recommendations. Projects such as [LFEDGE-EVE] further cover virtualization and its management in distributed edge computing settings.
一部のIoTエッジコンピューティングシステムは、仮想化（計算、ストレージ、ネットワーク）リソースを使用して、エッジで安全なマルチテナンシーの必要性に対処します。これにより、リモートクラウドとプロパティを共有し、エコシステムの一部を再利用できる「エッジクラウド」につながります。仮想化関数管理は、主にETSI NFVおよびMECの標準と推奨事項でカバーされています。[lfedge-eve]などのプロジェクトは、分散エッジコンピューティング設定での仮想化とその管理をさらにカバーします。
Related challenges include:
関連する課題は次のとおりです。
* Adapting cloud management platforms to the edge to account for its distributed nature, heterogeneity, need for customization, and limited resources (for example, using Conflict-free Replicated Data Types (CRDTs) [Jeffery] or intent-based management mechanisms [Cao]).
* クラウド管理プラットフォームをエッジに適応させるために、分散された性質、不均一性、カスタマイズの必要性、限られたリソース（たとえば、競合のない複製データ型（CRDT）[Jeffery]または意図ベースの管理メカニズムを使用して[CAO]を使用）。
* Minimizing virtual function instantiation time and resource usage.
* 仮想関数のインスタンス化時間とリソースの使用を最小化します。
A core function of IoT edge computing is to enable local computation on a node at the network edge, typically for application-layer processing, such as processing input data from sensors, making local decisions, preprocessing data, and offloading computation on behalf of a device, service, or user. Related functions include orchestrating computation (in a centralized or distributed manner) and managing application life cycles. Support for in-network computation may vary in terms of capability; for example, computing nodes can host virtual machines, software containers, software actors, unikernels running stateful or stateless code, or a rule engine providing an API to register actions in response to conditions (such as an IoT device ID, sensor values to check, thresholds, etc.).
IoT Edgeコンピューティングのコア関数は、センサーからの入力データの処理、ローカル決定、前処理データ、デバイスに代わって計算をオフロードするなど、アプリケーション層処理のために、ネットワークエッジのノードでローカル計算を有効にすることです。、サービス、またはユーザー。関連する機能には、計算の計算（集中または分散の方法で）およびアプリケーションライフサイクルの管理が含まれます。ネットワーク内の計算のサポートは、能力の点で異なる場合があります。たとえば、コンピューティングノードは、仮想マシン、ソフトウェアコンテナ、ソフトウェア俳優、ステートフルまたはステートレスコードを実行するUnikernelをホストできます。または、条件（IoTデバイスID、チェックするセンサー値など、アクションを登録するAPIを提供するルールエンジンがあります。しきい値など）。
Edge offloading includes offloading to and from an IoT device and to and from a network node. [Cloudlets] describes an example of offloading computation from an end device to a network node. In contrast, oneM2M is an example of a system that allows a cloud-based IoT platform to transfer resources and tasks to a target edge node [oneM2M-TR0052]. Once transferred, the edge node can directly support IoT devices that it serves with the service offloaded by the cloud (e.g., group management, location management, etc.).
エッジオフロードには、IoTデバイスとネットワークノードとの間でのオフロードが含まれます。[CloudLets]は、エンドデバイスからネットワークノードへのオフロード計算の例を説明しています。対照的に、ONEM2Mは、クラウドベースのIoTプラットフォームがリソースとタスクをターゲットエッジノード[ONEM2M-TR0052]に転送できるようにするシステムの例です。転送されると、エッジノードは、クラウドによってオフロードされたサービス（グループ管理、ロケーション管理など）でサービスを提供するIoTデバイスを直接サポートできます。
QoS can be provided in some systems through the combination of network QoS (e.g., traffic engineering or wireless resource scheduling) and compute and storage resource allocations. For example, in some systems, a bandwidth manager service can be exposed to enable allocation of the bandwidth to or from an edge computing application instance.
QoSは、ネットワークQoS（トラフィックエンジニアリングやワイヤレスリソースのスケジューリングなど）と計算およびストレージリソースの割り当ての組み合わせを介して、一部のシステムで提供できます。たとえば、一部のシステムでは、帯域幅マネージャーサービスを公開して、エッジコンピューティングアプリケーションインスタンスに帯域幅の割り当てを有効にすることができます。
In-network computation can leverage the underlying services provided using data generated by IoT devices and access networks. Such services include IoT device location, radio network information, bandwidth management, and congestion management (e.g., the congestion management feature of oneM2M [oneM2M-TR0052]).
ネットワーク内計算は、IoTデバイスとアクセスネットワークによって生成されたデータを使用して提供される基礎となるサービスを活用できます。このようなサービスには、IoTデバイスの位置、無線ネットワーク情報、帯域幅管理、および混雑管理（例えば、ONEM2Mの混雑管理機能[ONEM2M-TR0052]）が含まれます。
Related challenges include:
関連する課題は次のとおりです。
* Computation placement: in a centralized or distributed (e.g., peer-to-peer) manner, selecting an appropriate compute device. The selection is based on available resources, location of data input and data sinks, compute node properties, etc. with varying goals. These goals include end-to-end latency, privacy, high availability, energy conservation, or network efficiency (for example, using load-balancing techniques to avoid congestion).
* 計算配置：適切な計算デバイスを選択して、集中または分散型（ピアツーピア）の方法で。選択は、利用可能なリソース、データ入力およびデータシンクの場所、さまざまな目標を持つコンピューティングノードプロパティなどに基づいています。これらの目標には、エンドツーエンドのレイテンシ、プライバシー、高可用性、省エネルギー、またはネットワーク効率（たとえば、渋滞を避けるために負荷分散技術を使用する）が含まれます。
* Onboarding code on a platform or computing device and invoking remote code execution, possibly as part of a distributed programming model and with respect to similar concerns of latency, privacy, etc. For example, offloading can be included in a vehicular scenario [Grewe]. These operations should deal with heterogeneous compute nodes [Schafer] and may also support end devices, including IoT devices, as compute nodes [Larrea].
* プラットフォームまたはコンピューティングデバイスでのオンボーディングコードと、おそらく分散プログラミングモデルの一部として、およびレイテンシ、プライバシーなどの同様の懸念に関して、リモートコードの実行を呼び出します。たとえば、オフロードは車両のシナリオ[GREWE]に含めることができます。これらの操作は、不均一な計算ノード[schafer]を扱う必要があり、IoTデバイスを含むエンドデバイスをコンピューティングノード[Larrea]としてサポートすることもできます。
* Adapting Quality of Results (QoR) for applications where a perfect result is not necessary [Li].
* 完全な結果が必要ないアプリケーションの結果の品質（QOR）の適応[Li]。
* Assisted or automatic partitioning of code. For example, for application programs [COIN-APPCENTRES] or network programs [REQS-P4COMP].
* コードの支援または自動パーティション化。たとえば、アプリケーションプログラム[Coin-Appcentres]またはネットワークプログラム[Reqs-P4Comp]の場合。
* Supporting computation across trust domains. For example, verifying computation results.
* 信頼ドメイン全体で計算をサポートします。たとえば、計算結果の検証。
* Supporting computation mobility: relocating an instance from one compute node to another while maintaining a given service level; session continuity when communicating with end devices that are mobile, possibly at high speed (e.g., in vehicular scenarios); defining lightweight execution environments for secure code mobility, for example, using WebAssembly [Nieke].
* 計算モビリティのサポート：特定のサービスレベルを維持しながら、あるコンピューティングノードから別のコンピューティングノードにインスタンスを再配置します。セッションの継続性モバイルで、おそらく高速で（たとえば、車両シナリオで）エンドデバイスと通信する場合。たとえば、安全なコードモビリティのための軽量実行環境を定義します。たとえば、WebAssembly [Nieke]を使用します。
* Defining, managing, and verifying SLAs for edge computing systems; pricing is a challenging task.
* エッジコンピューティングシステムのSLAの定義、管理、および検証。価格設定は困難な作業です。
Local storage or caching enables local data processing (e.g., preprocessing or analysis) as well as delayed data transfer to the cloud or delayed physical shipping. An edge node may offer local data storage (in which persistence is subject to retention policies), caching, or both. Generally, "caching" refers to temporary storage to improve performance without persistence guarantees. An edge-caching component manages data persistence; for example, it schedules the removal of data when it is no longer needed. Other related aspects include the authentication and encryption of data. Edge storage and caching can take the form of a distributed storage system.
ローカルストレージまたはキャッシングにより、ローカルデータ処理（例：前処理や分析など）と、クラウドへのデータ転送の遅延または物理配送の遅延が可能になります。エッジノードは、ローカルデータストレージ（持続性が保持ポリシーの対象となる）、キャッシング、またはその両方を提供する場合があります。一般に、「キャッシュ」とは、永続性保証なしでパフォーマンスを改善するための一時的なストレージを指します。エッジキャッシングコンポーネントは、データの持続性を管理します。たとえば、データが不要になったときにデータの削除をスケジュールします。その他の関連する側面には、データの認証と暗号化が含まれます。エッジストレージとキャッシュは、分散ストレージシステムの形をとることができます。
Related challenges include:
関連する課題は次のとおりです。
* Cache and data placement: using cache positioning and data placement strategies to minimize data retrieval delay [Liu] and energy consumption. Caches may be positioned in the access-network infrastructure or on end devices.
* キャッシュとデータの配置：キャッシュポジショニングとデータ配置戦略を使用して、データ検索遅延[LIU]とエネルギー消費を最小限に抑えます。キャッシュは、アクセスネットワークインフラストラクチャまたはエンドデバイスに配置される場合があります。
* Maintaining consistency, freshness, reliability, and privacy of data stored or cached in systems that are distributed, constrained, and dynamic (e.g., due to node mobility, energy-saving regimes, and disruptions) and which can have additional data governance constraints on data storage location. For example, [Mortazavi] describes leveraging a hierarchical storage organization. Freshness-related metrics include the age of information [Yates] that captures the timeliness of information received from a sender (e.g., an IoT device).
* 分散、制約、および動的なシステムに保存またはキャッシュされたデータの一貫性、新鮮さ、信頼性、およびプライバシーを維持します（例えば、ノードモビリティ、省エネ体制、および中断により）、データに関する追加データガバナンスの制約を持つことができます。ストレージの場所。たとえば、[Mortazavi]は、階層ストレージ組織を活用することを説明しています。鮮度関連のメトリックには、送信者（IoTデバイスなど）から受け取った情報の適時性をキャプチャする情報の時代[Yates]が含まれます。
An edge cloud may provide a northbound data plane or management plane interface to a remote network, such as a cloud, home, or enterprise network. This interface does not exist in stand-alone (local-only) scenarios. To support such an interface when it exists, an edge computing component needs to expose an API, deal with authentication and authorization, and support secure communication.
エッジクラウドは、クラウド、ホーム、エンタープライズネットワークなどのリモートネットワークに北行きのデータプレーンまたは管理プレーンインターフェイスを提供する場合があります。このインターフェイスは、スタンドアロン（ローカルのみの）シナリオには存在しません。このようなインターフェイスが存在するときにサポートするには、エッジコンピューティングコンポーネントがAPIを公開し、認証と承認に対処し、安全な通信をサポートする必要があります。
An edge cloud may provide an API or interface to local or mobile users, for example, to provide access to services and applications or to manage data published by local or mobile devices.
Edgeクラウドは、サービスやアプリケーションへのアクセスを提供したり、ローカルまたはモバイルデバイスによって公開されたデータを管理するために、ローカルユーザーやモバイルユーザーにAPIまたはインターフェイスを提供する場合があります。
Edge computing nodes communicate with IoT devices over a southbound interface, typically for data acquisition and IoT device management.
エッジコンピューティングノードは、通常、データ収集とIoTデバイス管理のために、南行きのインターフェイスでIoTデバイスと通信します。
Communication brokering is a typical function of IoT edge computing that facilitates communication with IoT devices, enables clients to register as recipients for data from devices, forwards traffic to or from IoT devices, enables various data discovery and redistribution patterns (for example, north-south with clouds and east-west with other edge devices [EDGE-DATA-DISCOVERY-OVERVIEW]). Another related aspect is dispatching alerts and notifications to interested consumers both inside and outside the edge computing domain. Protocol translation, analytics, and video transcoding can also be performed when necessary. Communication brokering may be centralized in some systems, for example, using a hub-and-spoke message broker or distributed with message buses, possibly in a layered bus approach. Distributed systems can leverage direct communication between end devices over device-to-device links. A broker can ensure communication reliability and traceability and, in some cases, transaction management.
通信ブローカーは、IoTデバイスとの通信を容易にし、クライアントがデバイスからのデータの受信者として登録できるようにするIoTエッジコンピューティングの典型的な機能であり、IoTデバイスからのトラフィックを転送し、さまざまなデータの発見と再分配パターンを可能にします（たとえば、南北などがあります。クラウドと他のエッジデバイスを使用して東西に[エッジデータの概要]）。別の関連する側面は、エッジコンピューティングドメインの内外の両方で、関心のある消費者へのアラートと通知を発送することです。プロトコルの翻訳、分析、ビデオトランスコーディングは、必要に応じて実行することもできます。コミュニケーションブローカーは、たとえば、ハブアンドスポークメッセージブローカーを使用して、おそらく階層化されたバスアプローチでメッセージバスで配布されたシステムに集中化される場合があります。分散システムは、デバイス間リンクを介したエンドデバイス間の直接通信を活用できます。ブローカーは、コミュニケーションの信頼性とトレーサビリティ、場合によっては取引管理を確保できます。
Related challenges include:
関連する課題は次のとおりです。
* Defining edge computing abstractions, such as PaaS [Yangui], suitable for users and cloud systems to interact with edge computing systems and dealing with interoperability issues, such as data-model heterogeneity.
* ユーザーやクラウドシステムがエッジコンピューティングシステムと対話し、データモデルの不均一性などの相互運用性の問題に対処するためのユーザーやクラウドシステムに適したエッジコンピューティングの抽象化を定義します。
* Enabling secure and resilient communication between IoT devices and a remote cloud, for example, through multipath support.
* たとえば、MultiPathサポートを通じて、IoTデバイスとリモートクラウド間の安全で回復力のある通信を有効にします。
IoT edge computing can host applications, such as those mentioned in Section 2.4. While describing the components of individual applications is out of our scope, some of those applications share similar functions, such as IoT device management and data management, as described below.
IoT Edgeコンピューティングは、セクション2.4に記載されているようなアプリケーションをホストできます。個々のアプリケーションのコンポーネントの説明は範囲外ではありませんが、これらのアプリケーションの一部は、以下で説明するように、IoTデバイス管理やデータ管理などの同様の機能を共有しています。
IoT device management includes managing information regarding IoT devices, including their sensors and how to communicate with them. Edge computing addresses the scalability challenges of a large number of IoT devices by separating the scalability domain into local (e.g., edge) networks and remote networks. For example, in the context of the oneM2M standard, a device management functionality (called "software campaign" in oneM2M) enables the installation, deletion, activation, and deactivation of software functions and services on a potentially large number of edge nodes [oneM2M-TR0052]. Using a dashboard or management software, a service provider issues these requests through an IoT cloud platform supporting the software campaign functionality.
IoTデバイス管理には、センサーやそれらとの通信方法など、IoTデバイスに関する情報の管理が含まれます。エッジコンピューティングは、スケーラビリティドメインをローカル（エッジ）ネットワークとリモートネットワークに分離することにより、多数のIoTデバイスのスケーラビリティの課題に対処します。たとえば、ONEM2M標準のコンテキストでは、デバイス管理機能（ONEM2Mの「ソフトウェアキャンペーン」と呼ばれる）を使用すると、ソフトウェア機能とサービスのインストール、削除、アクティベーション、および潜在的に多数のエッジノード[ONEM2M- - TR0052]。ダッシュボードまたは管理ソフトウェアを使用して、サービスプロバイダーは、ソフトウェアキャンペーン機能をサポートするIoTクラウドプラットフォームを介してこれらの要求を発行します。
The challenges listed in Section 4.3.1 may be applicable to IoT device management as well.
セクション4.3.1にリストされている課題は、IoTデバイス管理にも適用できます。
Data storage and processing at the edge are major aspects of IoT edge computing, directly addressing the high-level IoT challenges listed in Section 3. Data analysis, for example, through AI/ML tasks performed at the edge, may benefit from specialized hardware support on the computing nodes.
エッジでのデータストレージと処理は、IoTエッジコンピューティングの主要な側面であり、セクション3にリストされている高レベルのIoT課題に直接対処します。たとえば、エッジで実行されるAI/MLタスクを介して、特殊なハードウェアサポートの恩恵を受ける可能性がありますコンピューティングノード。
Related challenges include:
関連する課題は次のとおりです。
* Addressing concerns regarding resource usage, security, and privacy when sharing, processing, discovering, or managing data: for example, presenting data in views composed of an aggregation of related data [Zhang], protecting data communication between authenticated peers [Basudan], classifying data (e.g., in terms of privacy, importance, and validity), and compressing and encrypting data, for example, using homomorphic encryption to directly process encrypted data [Stanciu].
* データの共有、処理、発見、または管理時のリソースの使用、セキュリティ、プライバシーに関する懸念に対処する：たとえば、関連データの集約[Zhang]で構成されるビューでデータを提示し、認証ピア[Basudan]間のデータ通信の保護、分類データ（たとえば、プライバシー、重要性、妥当性の観点から）、たとえば、同型暗号化を使用して暗号化されたデータ[Stanciu]を直接処理するために、データの圧縮と暗号化。
* Other concerns regarding edge data discovery (e.g., streaming data, metadata, and events) include siloization and lack of standards in edge environments that can be dynamic (e.g., vehicular networks) and heterogeneous [EDGE-DATA-DISCOVERY-OVERVIEW].
* エッジデータの発見に関するその他の懸念（たとえば、ストリーミングデータ、メタデータ、イベント）には、サイロ化やエッジ環境での標準の欠如が含まれます。
* Data-driven programming models [Renart], for example, those that are event based, including handling naming and data abstractions.
* データ駆動型のプログラミングモデル[Renart]、たとえば、命名やデータの抽象化の取り扱いなど、イベントベースのもの。
* Data integration in an environment without data standardization or where different sources use different ontologies [Farnbauer-Schmidt].
* データ標準化のない環境や、異なるソースが異なるオントロジーを使用している場合のデータ統合[Farnbauer-Schmidt]。
* Addressing concerns such as limited resources, privacy, and dynamic and heterogeneous environments to deploy machine learning at the edge: for example, making machine learning more lightweight and distributed (e.g., enabling distributed inference at the edge), supporting shorter training times and simplified models, and supporting models that can be compressed for efficient communication [Murshed].
* 限られたリソース、プライバシー、動的および異種の環境などの懸念に対処するための環境は、機械学習をエッジに展開する：たとえば、機械学習をより軽量で分散（例：エッジでの分散推論を可能にする）、短いトレーニング時間と簡素化されたモデルをサポートする、および効率的な通信のために圧縮できるモデルをサポートします[Murshed]。
* Although edge computing can support IoT services independently of cloud computing, it can also be connected to cloud computing. Thus, the relationship between IoT edge computing and cloud computing, with regard to data management, is another potential challenge [ISO_TR].
* エッジコンピューティングは、クラウドコンピューティングとは無関係にIoTサービスをサポートできますが、クラウドコンピューティングにも接続できます。したがって、データ管理に関するIoTエッジコンピューティングとクラウドコンピューティングの関係は、もう1つの潜在的な課題です[ISO_TR]。
IoT edge computing introduces new challenges to the simulation and emulation tools used by researchers and developers. A varied set of applications, networks, and computing technologies can coexist in a distributed system, making modeling difficult. Scale, mobility, and resource management are additional challenges [SimulatingFog].
IoT Edge Computingは、研究者と開発者が使用するシミュレーションおよびエミュレーションツールに新たな課題を導入します。さまざまなアプリケーション、ネットワーク、およびコンピューティングテクノロジーのセットは、分散システムに共存して、モデリングを困難にします。スケール、モビリティ、およびリソース管理は追加の課題です[SimulatingFog]。
Tools include simulators, where simplified application logic runs on top of a fog network model, and emulators, where actual applications can be deployed, typically in software containers, over a cloud infrastructure (e.g., Docker and Kubernetes) running over a network emulating network edge conditions, such as variable delays, throughput, and mobility events. To gain in scale, emulated and simulated systems can be used together in hybrid federation-based approaches [PseudoDynamicTesting]; whereas to gain in realism, physical devices can be interconnected with emulated systems. Examples of related work and platforms include the publicly accessible MEC sandbox work recently initiated in ETSI [ETSI_Sandbox] and open-source simulators and emulators ([AdvantEDGE] emulator and tools cited in [SimulatingFog]). EdgeNet [Senel] is a globally distributed edge cloud for Internet researchers, which uses nodes contributed by institutions and which is based on Docker for containerization and Kubernetes for deployment and node management.
ツールには、FOGネットワークモデルの上に単純化されたアプリケーションロジックが実行されるシミュレーターや、通常はソフトウェアコンテナに実際のアプリケーションを展開できるエミュレータが含まれます。可変遅延、スループット、モビリティイベントなどの条件。スケールを獲得するために、ハイブリッドフェデレーションベースのアプローチ[擬似力学]でエミュレートおよびシミュレートされたシステムを一緒に使用できます。一方、リアリズムを獲得するために、物理的なデバイスはエミュレートされたシステムと相互接続できます。関連する作業とプラットフォームの例には、最近ETSI [ETSI_SANDBOX]で開始された公開されたMECサンドボックス作業と、[SimulatingFog]で引用された[[Advantedge]エミュレーターとツール））で開始された公開されたMECサンドボックス作業が含まれます。Edgenet [Senel]は、インターネット研究者向けのグローバルに分散されたエッジクラウドであり、機関によって貢献したノードを使用し、コンテナ化用のDockerと展開およびノード管理のためのKubernetesに基づいています。
Digital twins are virtual instances of a physical system (twin) that are continually updated with the latter's performance, maintenance, and health status data throughout the life cycle of the physical system [Madni]. In contrast to an emulation or simulated environment, digital twins, once generated, are maintained in sync by their physical twin, which can be, among many other instances, an IoT device, edge device, or an edge network. The benefits of digital twins go beyond those of emulation and include accelerated business processes, enhanced productivity, and faster innovation with reduced costs [NETWORK-DIGITAL-TWIN-ARCH].
デジタル双子は、物理システム[MADNI]のライフサイクル全体で、後者のパフォーマンス、メンテナンス、および健康状態データで継続的に更新される物理システム（Twin）の仮想インスタンスです。エミュレーションまたはシミュレートされた環境とは対照的に、一度生成されるデジタルツインは、他の多くのインスタンスの中でも、IoTデバイス、エッジデバイス、またはエッジネットワークである物理双子によって同期して維持されます。デジタル双子の利点は、エミュレーションの利点を超えており、加速されたビジネスプロセス、生産性の向上、コストの削減により迅速なイノベーション[Network-Digital-Twin-Arch]が含まれます。
Privacy and security are drivers of the adoption of edge computing for the IoT (Section 3.4). As discussed in Section 4.3.1, authentication and trust (among computing nodes, management nodes, and end devices) can be challenging as scale, mobility, and heterogeneity increase. The sometimes disconnected nature of edge resources can avoid reliance on third-party authorities. Distributed edge computing is exposed to reliability and denial-of-service attacks. A personal or proprietary IoT data leakage is also a major threat, particularly because of the distributed nature of the systems (Section 4.5.2). Furthermore, blockchain-based distributed IoT edge computing must be designed for privacy, since public blockchain addressing does not guarantee absolute anonymity [Ali].
プライバシーとセキュリティは、IoTのエッジコンピューティングの採用の推進力です（セクション3.4）。セクション4.3.1で説明したように、認証と信頼（コンピューティングノード、管理ノード、およびエンドデバイスの間）は、スケール、モビリティ、および不均一性の増加に伴い挑戦的です。時々切断されたエッジリソースの性質は、サードパーティ当局への依存を避けることができます。分散エッジコンピューティングは、信頼性とサービス拒否攻撃にさらされています。特にシステムの分散性のために、個人的または独自のIoTデータリークも大きな脅威です（セクション4.5.2）。さらに、パブリックブロックチェーンアドレス指定は絶対的な匿名性[Ali]を保証しないため、ブロックチェーンベースの分散IoTエッジコンピューティングはプライバシーのために設計する必要があります。
However, edge computing also offers solutions in the security space: maintaining privacy by computing sensitive data closer to data generators is a major use case for IoT edge computing. An edge cloud can be used to perform actions based on sensitive data or to anonymize or aggregate data prior to transmission to a remote cloud server. Edge computing communication brokering functions can also be used to secure communication between edge and cloud networks.
ただし、エッジコンピューティングはセキュリティスペースでのソリューションも提供します。データジェネレーターに近い機密データを計算することでプライバシーを維持することは、IoTエッジコンピューティングの主要なユースケースです。エッジクラウドを使用して、機密データに基づいてアクションを実行したり、リモートクラウドサーバーに送信する前にデータを匿名化または集約したりできます。エッジコンピューティング通信ブローカー機能を使用して、エッジネットワークとクラウドネットワーク間の通信を確保することもできます。
IoT edge computing plays an essential role, complementary to the cloud, in enabling IoT systems in certain situations. In this document, we presented use cases and listed the core challenges faced by the IoT that drive the need for IoT edge computing. Therefore, the first part of this document may help focus future research efforts on the aspects of IoT edge computing where it is most useful. The second part of this document presents a general system model and structured overview of the associated research challenges and related work. The structure, based on the system model, is not meant to be restrictive and exists for the purpose of having a link between individual research areas and where they are applicable in an IoT edge computing system.
IoTエッジコンピューティングは、特定の状況でIoTシステムを有効にする上で、クラウドを補完する重要な役割を果たします。このドキュメントでは、ユースケースを提示し、IoTエッジコンピューティングの必要性を促進するIoTが直面する中核的な課題をリストしました。したがって、このドキュメントの最初の部分は、最も有用なIoTエッジコンピューティングの側面に将来の研究努力を集中するのに役立つ可能性があります。このドキュメントの2番目の部分は、関連する研究の課題と関連する研究の一般的なシステムモデルと構造化された概要を示しています。システムモデルに基づいた構造は、制限的であることを意図したものではなく、個々の研究領域とそれらがIoTエッジコンピューティングシステムに適用できる場所との間にリンクを持つことを目的としています。
This document has no IANA actions.
このドキュメントにはIANAアクションがありません。
[AdvantEDGE]
"AdvantEDGE, Mobile Edge Emulation Platform", commit
8f6edbe, May 2023,
<https://github.com/InterDigitalInc/AdvantEDGE>.
[Ali] Ali, M., Vecchio, M., and F. Antonelli, "Enabling a
Blockchain-Based IoT Edge", IEEE Internet of Things
Magazine, vol. 1, no.2, pp. 24-29,
DOI 10.1109/IOTM.2019.1800024, December 2018,
<https://doi.org/10.1109/IOTM.2019.1800024>.
[Anglano] Anglano, C., Canonico, M., Castagno, P., Guazzone, M., and
M. Sereno, "A game-theoretic approach to coalition
formation in fog provider federations", 2018 Third
International Conference on Fog and Mobile Edge Computing
(FMEC), DOI 10.1109/fmec.2018.8364054, April 2018,
<https://doi.org/10.1109/fmec.2018.8364054>.
[Argungu] Argungu, J., Idina, M., Chalawa, U., Ummar, M., Bello, S.,
Arzika, I., and B. Mala, "A Survey of Edge Computing
Approaches in Smart Factory", International Journal of
Advanced Research in Computer and Communication
Engineering, Vol. 12, Issue 9, September 2023.
[Ashton] Ashton, K., "That 'Internet of Things' Thing", RFID
Journal, vol. 22, no. 7, pp. 97-114, June 2009,
<http://www.itrco.jp/libraries/RFIDjournal-
That%20Internet%20of%20Things%20Thing.pdf>.
[Badjie] Badjie, B., "The Future of Autonomous Driving Systems with
Edge Computing", September 2023,
<https://medium.com/@bakarykumba1996/the-future-of-
autonomous-driving-systems-with-edge-computing-
8c919597c4ee>.
[Basudan] Basudan, S., Lin, X., and K. Sankaranarayanan, "A Privacy-
Preserving Vehicular Crowdsensing-Based Road Surface
Condition Monitoring System Using Fog Computing", IEEE
Internet of Things Journal, vol. 4, no. 3, pp. 772-782,
DOI 10.1109/jiot.2017.2666783, June 2017,
<https://doi.org/10.1109/jiot.2017.2666783>.
[BigRentz] BigRentz, "41 Construction Safety Statistics for 2024",
February 2024, <https://www.bigrentz.com/blog/
construction-safety-statistics>.
[Botta] Botta, A., de Donato, W., Persico, V., and A. Pescapé,
"Integration of Cloud computing and Internet of Things: A
survey", Future Generation Computer Systems, vol. 56, pp.
684-700, DOI 10.1016/j.future.2015.09.021, March 2016,
<https://doi.org/10.1016/j.future.2015.09.021>.
[Brecko] Brecko, A., Kajáti, E., Koziorek, J., and I. Zolotová,
"Federated Learning for Edge Computing: A Survey", Applied
Sciences 12(18):9124, DOI 10.3390/app12189124, September
2022, <https://doi.org/10.3390/app12189124>.
[Cao] Cao, L., Merican, A., Tootaghaj, D., Ahmed, F., Sharma,
P., and V. Saxena, "eCaaS: A Management Framework of Edge
Container as a Service for Business Workload", Proceedings
of the 4th International Workshop on Edge Systems,
Analytics and Networking, DOI 10.1145/3434770.3459741,
April 2021, <https://doi.org/10.1145/3434770.3459741>.
[CertMagic]
CertMagic, "Digital Twin Technology: Simulating Real-World
Scenarios for Enhanced Decision Making", May 2023,
<https://certmagic.medium.com/digital-twin-technology-
simulating-real-world-scenarios-for-enhanced-decision-
making-8844c51e856d>.
[Chen] Chen, B., Wan, J., Celesti, A., Li, D., Abbas, H., and Q.
Zhang, "Edge Computing in IoT-Based Manufacturing", IEEE
Communications Magazine, vol. 56, no. 9, pp. 103-109,
DOI 10.1109/mcom.2018.1701231, September 2018,
<https://doi.org/10.1109/mcom.2018.1701231>.
[Chiang] Chiang, M. and T. Zhang, "Fog and IoT: An Overview of
Research Opportunities", IEEE Internet of Things Journal,
vol. 3, no. 6, pp. 854-864, DOI 10.1109/jiot.2016.2584538,
December 2016,
<https://doi.org/10.1109/jiot.2016.2584538>.
[Chipmunk] Shin, Y., Park, S., Ko, N., and A. Jeong, "Chipmunk:
Distributed Object Storage for NDN", Proceedings of the
7th ACM Conference on Information-Centric Networking, ACM,
DOI 10.1145/3405656.3420231, September 2020,
<https://doi.org/10.1145/3405656.3420231>.
[Cloudlets]
Satyanarayanan, M., Bahl, P., Caceres, R., and N. Davies,
"The Case for VM-Based Cloudlets in Mobile Computing",
IEEE Pervasive Computing, vol. 8, no. 4, pp. 14-23,
DOI 10.1109/mprv.2009.82, October 2009,
<https://doi.org/10.1109/mprv.2009.82>.
[COIN-APPCENTRES]
Trossen, D., Sarathchandra, C., and M. Boniface, "In-
Network Computing for App-Centric Micro-Services", Work in
Progress, Internet-Draft, draft-sarathchandra-coin-
appcentres-04, 26 January 2021,
<https://datatracker.ietf.org/doc/html/draft-
sarathchandra-coin-appcentres-04>.
[CORE-GROUPCOMM-BIS]
Dijk, E., Wang, C., and M. Tiloca, "Group Communication
for the Constrained Application Protocol (CoAP)", Work in
Progress, Internet-Draft, draft-ietf-core-groupcomm-bis-
10, 23 October 2023,
<https://datatracker.ietf.org/doc/html/draft-ietf-core-
groupcomm-bis-10>.
[Echeverria]
Echeverría, S., Klinedinst, D., Williams, K., and G.
Lewis, "Establishing Trusted Identities in Disconnected
Edge Environments", 2016 IEEE/ACM Symposium on Edge
Computing (SEC), DOI 10.1109/sec.2016.27, October 2016,
<https://doi.org/10.1109/sec.2016.27>.
[EDGE-COMPUTING-BACKGROUND]
de Foy, X., Hong, J., Hong, Y., Kovatsch, M., Schooler,
E., and D. Kutscher, "IoT Edge Computing: Initiatives,
Projects and Products", Work in Progress, Internet-Draft,
draft-defoy-t2trg-iot-edge-computing-background-00, 25 May
2020, <https://datatracker.ietf.org/doc/html/draft-defoy-
t2trg-iot-edge-computing-background-00>.
[EDGE-DATA-DISCOVERY-OVERVIEW]
McBride, M., Kutscher, D., Schooler, E., Bernardos, C. J.,
Lopez, D., and X. de Foy, "Edge Data Discovery for COIN",
Work in Progress, Internet-Draft, draft-mcbride-edge-data-
discovery-overview-05, 1 November 2020,
<https://datatracker.ietf.org/doc/html/draft-mcbride-edge-
data-discovery-overview-05>.
[ENERGY] Beckel, C., Sadamori, L., Staake, T., and S. Santini,
"Revealing household characteristics from smart meter
data", Energy, vol. 78, pp. 397-410,
DOI 10.1016/j.energy.2014.10.025, December 2014,
<https://doi.org/10.1016/j.energy.2014.10.025>.
[ETSI_MEC_01]
ETSI, "Multi-access Edge Computing (MEC); Terminology",
V2.1.1, ETSI GS MEC 001, January 2019,
<https://www.etsi.org/deliver/etsi_gs/
MEC/001_099/001/02.01.01_60/gs_MEC001v020101p.pdf>.
[ETSI_MEC_03]
ETSI, "Multi-access Edge Computing (MEC); Framework and
Reference Architecture", V2.1.1, ETSI GS MEC 003, January
2019, <https://www.etsi.org/deliver/etsi_gs/
MEC/001_099/003/02.01.01_60/gs_MEC003v020101p.pdf>.
[ETSI_MEC_33]
ETSI, "Multi-access Edge Computing (MEC); IoT API",
V3.1.1, ETSI GS MEC 033, December 2022,
<https://www.etsi.org/deliver/etsi_gs/
MEC/001_099/033/03.01.01_60/gs_MEC033v030101p.pdf>.
[ETSI_Sandbox]
ETSI, "Multi-access Edge Computing (MEC) MEC Sandbox",
Portal, September 2023,
<https://portal.etsi.org/webapp/WorkProgram/
Report_WorkItem.asp?WKI_ID=57671>.
[Fan] Fan, Q. and N. Ansari, "Cost Aware cloudlet Placement for
big data processing at the edge", 2017 IEEE International
Conference on Communications (ICC),
DOI 10.1109/icc.2017.7996722, May 2017,
<https://doi.org/10.1109/icc.2017.7996722>.
[Farnbauer-Schmidt]
Farnbauer-Schmidt, M., Lindner, J., Kaffenberger, C., and
J. Albrecht, "Combining the Concepts of Semantic Data
Integration and Edge Computing", INFORMATIK 2019: 50 Jahre
Gesellschaft für Informatik - Informatik für Gesellschaf,
pp. 139-152, DOI 10.18420/inf2019_19, September 2019,
<https://doi.org/10.18420/inf2019_19>.
[Grewe] Grewe, D., Wagner, M., Arumaithurai, M., Psaras, I., and
D. Kutscher, "Information-Centric Mobile Edge Computing
for Connected Vehicle Environments: Challenges and
Research Directions", Proceedings of the Workshop on
Mobile Edge Communications, pp. 7-12,
DOI 10.1145/3098208.3098210, August 2017,
<https://doi.org/10.1145/3098208.3098210>.
[Harchol] Harchol, Y., Mushtaq, A., McCauley, J., Panda, A., and S.
Shenker, "CESSNA: Resilient Edge-Computing", Proceedings
of the 2018 Workshop on Mobile Edge Communications,
DOI 10.1145/3229556.3229558, August 2018,
<https://doi.org/10.1145/3229556.3229558>.
[IEC_IEEE_60802]
IEC/IEEE, "Use Cases IEC/IEEE 60802", V1.3, IEC/
IEEE 60802, September 2018,
<https://grouper.ieee.org/groups/802/1/files/public/
docs2018/60802-industrial-use-cases-0918-v13.pdf>.
[ISO_TR] "Internet of things (IoT) - Edge computing", ISO/IEC TR
30164:2020, April 2020,
<https://www.iso.org/standard/53284.html>.
[Jeffery] Jeffery, A., Howard, H., and R. Mortier, "Rearchitecting
Kubernetes for the Edge", Proceedings of the 4th
International Workshop on Edge Systems, Analytics and
Networking, DOI 10.1145/3434770.3459730, April 2021,
<https://doi.org/10.1145/3434770.3459730>.
[Jeong] Jeong, T., Chung, J., Hong, J., and S. Ha, "Towards a
distributed computing framework for Fog", 2017 IEEE Fog
World Congress (FWC), DOI 10.1109/fwc.2017.8368528,
October 2017, <https://doi.org/10.1109/fwc.2017.8368528>.
[Jones] Jones, D., Snider, C., Nassehi, A., Yon, J., and B. Hicks,
"Characterising the Digital Twin: A systematic literature
review", CIRP Journal of Manufacturing Science and
Technology, vol. 29, pp. 36-52,
DOI 10.1016/j.cirpj.2020.02.002, May 2020,
<https://doi.org/10.1016/j.cirpj.2020.02.002>.
[Kelly] Kelly, R., "Internet of Things Data to Top 1.6 Zettabytes
by 2020", April 2015,
<https://campustechnology.com/articles/2015/04/15/
internet-of-things-data-to-top-1-6-zettabytes-by-
2020.aspx>. Retrieved on 2022-05-24.
[Khan] Khan, L., Yaqoob, I., Tran, N., Kazmi, S., Dang, T., and
C. Hong, "Edge-Computing-Enabled Smart Cities: A
Comprehensive Survey", IEEE Internet of Things Journal,
vol. 7, no. 10, pp. 10200-10232,
DOI 10.1109/jiot.2020.2987070, October 2020,
<https://doi.org/10.1109/jiot.2020.2987070>.
[Kua] Patil, V., Desai, H., and L. Zhang, "Kua: a distributed
object store over named data networking", Proceedings of
the 9th ACM Conference on Information-Centric Networking,
DOI 10.1145/3517212.3558083, September 2022,
<https://doi.org/10.1145/3517212.3558083>.
[Larrea] Larrea, J. and A. Barbalace, "The serverkernel operating
system", Proceedings of the Third ACM International
Workshop on Edge Systems, Analytics and Networking,
DOI 10.1145/3378679.3394537, May 2020,
<https://doi.org/10.1145/3378679.3394537>.
[LFEDGE-EVE]
Linux Foundation, "Project Edge Virtualization Engine
(EVE)", Portal, <https://www.lfedge.org/projects/eve>.
Retrieved on 2022-05-24.
[Li] Li, Y., Chen, Y., Lan, T., and G. Venkataramani, "MobiQoR:
Pushing the Envelope of Mobile Edge Computing Via Quality-
of-Result Optimization", 2017 IEEE 37th International
Conference on Distributed Computing Systems (ICDCS),
DOI 10.1109/icdcs.2017.54, June 2017,
<https://doi.org/10.1109/icdcs.2017.54>.
[Lin] Lin, J., Yu, W., Zhang, N., Yang, X., Zhang, H., and W.
Zhao, "A Survey on Internet of Things: Architecture,
Enabling Technologies, Security and Privacy, and
Applications", IEEE Internet of Things Journal, vol. 4,
no. 5, pp. 1125-1142, DOI 10.1109/jiot.2017.2683200,
October 2017, <https://doi.org/10.1109/jiot.2017.2683200>.
[Liu] Liu, J., Bai, B., Zhang, J., and K. Letaief, "Cache
Placement in Fog-RANs: From Centralized to Distributed
Algorithms", IEEE Transactions on Wireless Communications,
vol. 16, no. 11, pp. 7039-7051,
DOI 10.1109/twc.2017.2737015, November 2017,
<https://doi.org/10.1109/twc.2017.2737015>.
[Madni] Madni, A., Madni, C., and S. Lucero, "Leveraging Digital
Twin Technology in Model-Based Systems Engineering",
Systems 7(1):7, DOI 10.3390/systems7010007, January 2019,
<https://doi.org/10.3390/systems7010007>.
[Mahadev] Satyanarayanan, M., "The Emergence of Edge Computing",
Computer, vol. 50, no. 1, pp. 30-39,
DOI 10.1109/mc.2017.9, January 2017,
<https://doi.org/10.1109/mc.2017.9>.
[Mehmood] Mehmood, M., Oad, A., Abrar, M., Munir, H., Hasan, S.,
Muqeet, H., and N. Golilarz, "Edge Computing for IoT-
Enabled Smart Grid", Security and Communication Networks,
Vol. 2021, Article ID 5524025, DOI 10.1155/2021/5524025,
July 2021, <https://doi.org/10.1155/2021/5524025>.
[Mortazavi]
Mortazavi, S., Balasubramanian, B., de Lara, E., and S.
Narayanan, "Toward Session Consistency for the Edge",
USENIX Workshop on Hot Topics in Edge Computing (HotEdge
18), 2018,
<https://www.usenix.org/conference/hotedge18/presentation/
mortazavi>.
[MQTT5] Banks, A., Ed., Briggs, E., Ed., Borgendale, K., Ed., and
R. Gupta, Ed., "MQTT Version 5.0", OASIS Standard, March
2019, <https://docs.oasis-open.org/mqtt/mqtt/v5.0/mqtt-
v5.0.html>.
[Murshed] Murshed, M., Murphy, C., Hou, D., Khan, N.,
Ananthanarayanan, G., and F. Hussain, "Machine Learning at
the Network Edge: A Survey", ACM Computing Surveys, vol.
54, no. 8, pp. 1-37, DOI 10.1145/3469029, October 2021,
<https://doi.org/10.1145/3469029>.
[NETWORK-DIGITAL-TWIN-ARCH]
Zhou, C., Yang, H., Duan, X., Lopez, D., Pastor, A., Wu,
Q., Boucadair, M., and C. Jacquenet, "Network Digital
Twin: Concepts and Reference Architecture", Work in
Progress, Internet-Draft, draft-irtf-nmrg-network-digital-
twin-arch-05, 4 March 2024,
<https://datatracker.ietf.org/doc/html/draft-irtf-nmrg-
network-digital-twin-arch-05>.
[Nieke] Nieke, M., Almstedt, L., and R. Kapitza, "Edgedancer:
Secure Mobile WebAssembly Services on the Edge",
Proceedings of the 4th International Workshop on Edge
Systems, Analytics and Networking,
DOI 10.1145/3434770.3459731, April 2021,
<https://doi.org/10.1145/3434770.3459731>.
[NIST] Mell, P. and T. Grance, "The NIST Definition of Cloud
Computing", NIST Special Publication 800-145,
DOI 10.6028/nist.sp.800-145, September 2011,
<https://doi.org/10.6028/nist.sp.800-145>.
[NVIDIA] Grzywaczewski, A., "Training AI for Self-Driving Vehicles:
the Challenge of Scale", NVIDIA Developer Blog, October
2017, <https://devblogs.nvidia.com/training-self-driving-
vehicles-challenge-scale/>. Retrieved on 2022-05-24.
[OGrady] O'Grady, M., Langton, D., and G. O'Hare, "Edge computing:
A tractable model for smart agriculture?", Artificial
Intelligence in Agriculture, Vol. 3, Pages 42-51,
DOI 10.1016/j.aiia.2019.12.001, September 2019,
<https://doi.org/10.1016/j.aiia.2019.12.001>.
[oneM2M-TR0001]
Mladin, C., "Use Cases Collection", oneM2M, v4.2.0,
TR 0001, October 2018,
<https://member.onem2m.org/Application/documentapp/
downloadLatestRevision/default.aspx?docID=28153>.
[oneM2M-TR0018]
Lu, C. and M. Jiang, "Industrial Domain Enablement",
oneM2M, v2.5.2, TR 0018, February 2019,
<https://member.onem2m.org/Application/documentapp/
downloadLatestRevision/default.aspx?docID=29334>.
[oneM2M-TR0026]
Yamamoto, K., Mladin, C., and V. Kueh, "Vehicular Domain
Enablement", oneM2M, TR 0026, January 2020,
<https://member.onem2m.org/Application/documentapp/
downloadLatestRevision/default.aspx?docID=31410>.
[oneM2M-TR0052]
Yamamoto, K. and C. Mladin, "Study on Edge and Fog
Computing in oneM2M systems", oneM2M, TR 0052, September
2020, <https://member.onem2m.org/Application/documentapp/
downloadLatestRevision/default.aspx?docID=32633>.
[oneM2M-TS0002]
He, S., "TS 0002, Requirements", oneM2M, TS 0002, February
2019, <https://member.onem2m.org/Application/documentapp/
downloadLatestRevision/default.aspx?docID=29274>.
[OpenFog] OpenFog Consortium, "OpenFog Reference Architecture for
Fog Computing", February 2017,
<https://iiconsortium.org/pdf/
OpenFog_Reference_Architecture_2_09_17.pdf>.
[PseudoDynamicTesting]
Ficco, M., Esposito, C., Xiang, Y., and F. Palmieri,
"Pseudo-Dynamic Testing of Realistic Edge-Fog Cloud
Ecosystems", IEEE Communications Magazine, vol. 55, no.
11, pp. 98-104, DOI 10.1109/mcom.2017.1700328, November
2017, <https://doi.org/10.1109/mcom.2017.1700328>.
[Renart] Renart, E., Diaz-Montes, J., and M. Parashar, "Data-Driven
Stream Processing at the Edge", 2017 IEEE 1st
International Conference on Fog and Edge Computing
(ICFEC), DOI 10.1109/icfec.2017.18, May 2017,
<https://doi.org/10.1109/icfec.2017.18>.
[REQS-P4COMP]
Singh, H. and M. Montpetit, "Requirements for P4 Program
Splitting for Heterogeneous Network Nodes", Work in
Progress, Internet-Draft, draft-hsingh-coinrg-reqs-p4comp-
03, 18 February 2021,
<https://datatracker.ietf.org/doc/html/draft-hsingh-
coinrg-reqs-p4comp-03>.
[REST-IOT] Keränen, A., Kovatsch, M., and K. Hartke, "Guidance on
RESTful Design for Internet of Things Systems", Work in
Progress, Internet-Draft, draft-irtf-t2trg-rest-iot-13, 25
January 2024, <https://datatracker.ietf.org/doc/html/
draft-irtf-t2trg-rest-iot-13>.
[RFC6291] Andersson, L., van Helvoort, H., Bonica, R., Romascanu,
D., and S. Mansfield, "Guidelines for the Use of the "OAM"
Acronym in the IETF", BCP 161, RFC 6291,
DOI 10.17487/RFC6291, June 2011,
<https://www.rfc-editor.org/info/rfc6291>.
[RFC7252] Shelby, Z., Hartke, K., and C. Bormann, "The Constrained
Application Protocol (CoAP)", RFC 7252,
DOI 10.17487/RFC7252, June 2014,
<https://www.rfc-editor.org/info/rfc7252>.
[RFC7390] Rahman, A., Ed. and E. Dijk, Ed., "Group Communication for
the Constrained Application Protocol (CoAP)", RFC 7390,
DOI 10.17487/RFC7390, October 2014,
<https://www.rfc-editor.org/info/rfc7390>.
[RFC8578] Grossman, E., Ed., "Deterministic Networking Use Cases",
RFC 8578, DOI 10.17487/RFC8578, May 2019,
<https://www.rfc-editor.org/info/rfc8578>.
[Schafer] Schäfer, D., Edinger, J., VanSyckel, S., Paluska, J., and
C. Becker, "Tasklets: Overcoming Heterogeneity in
Distributed Computing Systems", 2016 IEEE 36th
International Conference on Distributed Computing Systems
Workshops (ICDCSW), DOI 10.1109/icdcsw.2016.22, June 2016,
<https://doi.org/10.1109/icdcsw.2016.22>.
[Senel] Şenel, B., Mouchet, M., Cappos, J., Fourmaux, O.,
Friedman, T., and R. McGeer, "EdgeNet: A Multi-Tenant and
Multi-Provider Edge Cloud", Proceedings of the 4th
International Workshop on Edge Systems, Analytics and
Networking, DOI 10.1145/3434770.3459737, April 2021,
<https://doi.org/10.1145/3434770.3459737>.
[SFC-FOG-RAN]
Bernardos, C. J. and A. Mourad, "Service Function Chaining
Use Cases in Fog RAN", Work in Progress, Internet-Draft,
draft-bernardos-sfc-fog-ran-10, 22 October 2021,
<https://datatracker.ietf.org/doc/html/draft-bernardos-
sfc-fog-ran-10>.
[Shi] Shi, W., Cao, J., Zhang, Q., Li, Y., and L. Xu, "Edge
Computing: Vision and Challenges", IEEE Internet of Things
Journal, vol. 3, no. 5, pp. 637-646,
DOI 10.1109/jiot.2016.2579198, October 2016,
<https://doi.org/10.1109/jiot.2016.2579198>.
[SimulatingFog]
Svorobej, S., Takako Endo, P., Bendechache, M., Filelis-
Papadopoulos, C., Giannoutakis, K., Gravvanis, G.,
Tzovaras, D., Byrne, J., and T. Lynn, "Simulating Fog and
Edge Computing Scenarios: An Overview and Research
Challenges", Future Internet, vol. 11, no. 3, pp. 55,
DOI 10.3390/fi11030055, February 2019,
<https://doi.org/10.3390/fi11030055>.
[Stanciu] Stanciu, V., Steen, M., Dobre, C., and A. Peter, "Privacy-
Preserving Crowd-Monitoring Using Bloom Filters and
Homomorphic Encryption", Proceedings of the 4th
International Workshop on Edge Systems, Analytics and
Networking, DOI 10.1145/3434770.3459735, April 2021,
<https://doi.org/10.1145/3434770.3459735>.
[Tanveer] Tanveer, S., Sree, N., Bhavana, B., and D. Varsha, "Smart
Agriculture System using IoT", 2022 IEEE World Conference
on Applied Intelligence and Computing (AIC), Sonbhadra,
India, pp. 482-486, DOI 10.1109/AIC55036.2022.9848948,
August 2022,
<https://doi.org/10.1109/AIC55036.2022.9848948>.
[Weiner] Weiner, M., Jorgovanovic, M., Sahai, A., and B. Nikolie,
"Design of a low-latency, high-reliability wireless
communication system for control applications", 2014 IEEE
International Conference on Communications (ICC),
DOI 10.1109/icc.2014.6883918, June 2014,
<https://doi.org/10.1109/icc.2014.6883918>.
[Yangui] Yangui, S., Ravindran, P., Bibani, O., Glitho, R., Ben
Hadj-Alouane, N., Morrow, M., and P. Polakos, "A platform
as-a-service for hybrid cloud/fog environments", 2016 IEEE
International Symposium on Local and Metropolitan Area
Networks (LANMAN), DOI 10.1109/lanman.2016.7548853, June
2016, <https://doi.org/10.1109/lanman.2016.7548853>.
[Yates] Yates, R. and S. Kaul, "The Age of Information: Real-Time
Status Updating by Multiple Sources", IEEE Transactions on
Information Theory, vol. 65, no. 3, pp. 1807-1827,
DOI 10.1109/tit.2018.2871079, March 2019,
<https://doi.org/10.1109/tit.2018.2871079>.
[Yousefpour]
Yousefpour, A., Fung, C., Nguyen, T., Kadiyala, K.,
Jalali, F., Niakanlahiji, A., Kong, J., and J. Jue, "All
one needs to know about fog computing and related edge
computing paradigms: A complete survey", Journal of
Systems Architecture, vol. 98, pp. 289-330,
DOI 10.1016/j.sysarc.2019.02.009, September 2019,
<https://doi.org/10.1016/j.sysarc.2019.02.009>.
[Yue] Yue, Q., Mu, S., Zhang, L., Wang, Z., Zhang, Z., Zhang,
X., Wang, Y., and Z. Miao, "Assisting Smart Construction
With Reliable Edge Computing Technology", Frontiers in
Energy Research, Sec. Smart Grids, Vol. 10,
DOI 10.3389/fenrg.2022.900298, May 2022,
<https://doi.org/10.3389/fenrg.2022.900298>.
[Zhang] Zhang, Q., Zhang, X., Zhang, Q., Shi, W., and H. Zhong,
"Firework: Big Data Sharing and Processing in
Collaborative Edge Environment", 2016 Fourth IEEE Workshop
on Hot Topics in Web Systems and Technologies (HotWeb),
DOI 10.1109/hotweb.2016.12, October 2016,
<https://doi.org/10.1109/hotweb.2016.12>.
[Zhang2] Zhang, J., Chen, B., Zhao, Y., Cheng, X., and F. Hu, "Data
Security and Privacy-Preserving in Edge Computing
Paradigm: Survey and Open Issues", IEEE Access, vol. 6,
pp. 18209-18237, DOI 10.1109/access.2018.2820162, March
2018, <https://doi.org/10.1109/access.2018.2820162>.
The authors would like to thank Joo-Sang Youn, Akbar Rahman, Michel Roy, Robert Gazda, Rute Sofia, Thomas Fossati, Chonggang Wang, Marie-José Montpetit, Carlos J. Bernardos, Milan Milenkovic, Dale Seed, JaeSeung Song, Roberto Morabito, Carsten Bormann, and Ari Keränen for their valuable comments and suggestions on this document.
著者は、ジュ・サン・ヤング、アクバル・ラーマン、ミシェル・ロイ、ロバート・ガスダ、ルート・ソフィア、トーマス・フォッサティ、チョンガン・ワン、マリー・ジョセ・モンペティット、カルロス・J・バーナルドス、ミラノ・ミレンコヴィッチ、デール・シード、ロベルト・モラビトーの歌に感謝します、Carsten Bormann、およびAriKeränenこの文書に関する貴重なコメントと提案について。
Jungha Hong
ETRI
218 Gajeong-ro, Yuseung-Gu
Daejeon
34129
Republic of Korea
Email: jhong@etri.re.kr
Yong-Geun Hong
Daejeon University
62 Daehak-ro, Dong-gu
Daejeon
300716
Republic of Korea
Email: yonggeun.hong@gmail.com
Xavier de Foy
InterDigital Communications, LLC
1000 Sherbrooke West
Montreal H3A 3G4
Canada
Email: xavier.defoy@interdigital.com
Matthias Kovatsch
Huawei Technologies Duesseldorf GmbH
Riesstr. 25 C // 3.OG
80992 Munich
Germany
Email: ietf@kovatsch.net
Eve Schooler
University of Oxford
Parks Road
Oxford
OX1 3PJ
United Kingdom
Email: eve.schooler@gmail.com
Dirk Kutscher
Hong Kong University of Science and Technology (Guangzhou)
No.1 Du Xue Rd
Guangzhou
China
Email: ietf@dkutscher.net