随着万物互联趋势的不断加深，数据的增长速度远远超过了网络带宽的增速。同时，智能制造、无人驾驶等众多新型应用的出现，对延迟提出了更高的要求。通过将从数据源到云计算中心数据路径之间的任意计算、存储和网络资源，组成统一的平台为用户提供服务，边缘计算作为一种新的计算模式，使数据在源头附近就能得到及时有效的处理。这种模式不同于云计算要将所有数据传输到数据中心，绕过了网络带宽与延迟的瓶颈。在产业界和学术界的合力推动下，边缘计算正在成为新兴万物互联应用的支撑平台。
《边缘计算》分别从边缘计算的需求与意义、边缘计算基础、边缘计算典型应用、边缘计算系统平台、边缘计算的挑战、边缘计算系统实例以及边缘计算安全与隐私保护等多个方面对边缘计算进行了阐述。
| 09/19/2018 | [新浪] 边缘计算，智能未来，赛迪首本“边缘智能”研究成果重磅发布 |
| 02/03/2018 | [科学出版社] 万物互联时代下新型计算模式：边缘计算，不边缘 |
| 03/27/2018 | [The Peggy Smedley Show] Dr. Shi was interviewed by The Peggy Smedley Show about Edge, Fog and Cloud Computing |
| 03/20/2018 | [Today@Wayne] Facebook awards Wayne State University's edge computing research |
| 01/31/2018 | [Healthcare Analytics News] How Edge Computing Can Advance Healthcare |
| 12/16/2016 | [中国科学报] 云计算正热，边缘计算又起 |
施巍松，IEEE Fellow，ACM Distinguished Scientist, 美国韦恩州立大学计算机科学系Charles
H. Gershenson杰出教授，他领导了移动与互联网系统结构实验室，智能驾驶实验室， 英特尔创新实验室，韦恩州立大学信息物理融合系统，数据科学和智能健康计划项目。全国百篇优秀博士论文获得者, 美国国家科学基金会杰出青年教授奖获得者（NSF CAREER Award），2013到2015年间担任美国国家科学基金会(NSF)项目主任, 2012-2016年间担任IEEE计算机协会Internet专业技术委员会主席。中国科学院海外评审专家，中国自动化学会边缘计算专业委员会副主任委员。施巍松教授的研究兴趣包括计算机系统，边缘计算和可持续计算，在分布式共享存储系统，移动互联网计算，高效能系统结构和边缘计算系统等领域取得多项重要研究成果。他是边缘计算这一研究领域的早期提出者之一和倡导者, 并长期致力于边缘计算在工业界的推广。
刘芳，博士，中山大学数据科学与计算机学院副教授，曾任国防科技大学计算机学院副教授，主要从事计算机体系机构、新型存储和分布式计算等领域的研究。主持国家自然科学基金和科技部课题共5项，参与国家/军队重大科研任务10余项。发表论文80余篇，授权国家发明专利10余项，获军队科技进步二等奖、国家级教学比赛一等奖、省级教学比赛一等奖，省部级教学成果一等奖、军队院校育才银奖、荣立三等功。
孙辉，博士，安徽大学计算科学与技术学院讲师。主要从事新型计算机系统结构、新型存储系统、边缘计算等领域的研究，现主要从事面向公共安全领域内视频监控系统的边缘计算、存储等框架及关键技术的研究工作。主持国家级及省部级项目4项。在IEEE TC、 MASCOTS、 SEC、 IGSC等重要期刊和会议上发表学术论文近10篇，申请发明专利9项，登记软件著作权1项。
裴庆祺，博士，西安电子科技大学教授，博士生导师，IEEE、中国电子学会、中国计算机学会高级会员，中国自动化学会边缘计算专业委员会委员，全国音视频及多媒体系统与设备标准化技术委员会委员，2011年入选教育部新世纪优秀人才支持计划。
地址:
5057 Woodward Ave, Detroit, MI 48202
电话:
(313) 577-3186
电子邮箱:
weisong AT wayne dot edu
| 位置 | 原文 | 勘误说明 |
| P9，1.3.7前两段 | 分开呈现 | 两段合并成一段 |
| P13，第14行 | 分布式计算是基于高速网络互联下的多个分布式计算单元执行高性能计算，以及用户需求和资源可用性的特点，实现不同节点间的资源共享 | 分布式计算是基于高速网络互联下的多个分布式计算单元执行的高性能计算，具有满足用户需求和资源可用性的特点，实现了不同节点间的资源共享 |
| P17，第11行 | 不同数据源来自于数据生产者所产生的大量数据 | 不同数据源来自于产生大量数据的数据生产者 |
| P20，第17行 | 烟花模型管理器对组合数据视图的服务请求分解成若干子任务 | 烟花模型管理器将组合数据视图的服务请求分解成若干子任务 |
| P21，第11行 | 节点同构互换 | 计算节点同构可互换 |
| P21，第28行 | 传输延迟的和带宽 | 传输延迟和带宽 |
| P23，第1行 | 隐私保护 | 隐私保护等 |
| P24，倒数第2段 | 原有大数据协同问题,数据处理负载，数据传输带宽，数据隐私保护等问题 | 原有大数据协同，数据处理负载，数据传输带宽，数据隐私保护等问题 |
| P25，第3行 | 通过对比云计算模型为代表集中式大数据处理 | 通过对比云计算模型为代表的集中式大数据处理 |
| P25，倒数第1行 | 以及开发和测试应用程序等工具 | 以及开发和测试应用程序工具等 |
| P28，参考文献[32] | Yi S, Hao Z, Zhang Q, et al. LAVEA: Latency-Aware Video Analytics on Edge Computing Platform[C]// in Proceedings of the Second ACM/IEEE Symposium on Edge Computing. ACM, 2017 | Yi S, Hao Z, Zhang Q, et al. LAVEA: Latency-Aware Video Analytics on Edge Computing Platform[C]// in Proceedings of the Second ACM/IEEE Symposium on Edge Computing. ACM, 2017:15:1--15:13. |
| P33，第18行 | 车辆内部状态遥感和建模 | 车辆内部状态检测和建模 |
| P35，倒数第4行 | 提高 | 降低 |
| P37，12-13行 | 移动设备（如智能手机，移动设备）配备有较强计算能力，入摄像机和机器人 | 移动设备（如智能手机，摄像机和机器人等）配备有较强计算能力，这促使具有较…. |
| P39，第25行 | 此方法导致附加从云系统重定向视频流时的延迟 | 此方法导致增加从云系统重定向视频流时的延迟 |
| P41，第22行 | 算法缺乏普遍鲁棒性的缺点 | 算法缺乏鲁棒性的缺点 |
| P44，第9行 | 参考文献[2] | 参考文献[60] |
| P48，倒数第3行 | 边缘计算在视频监控系统方面 | 阐述了边缘计算在视频监控系统方面 |
| P49，参考文献[26] | Qi B, Kang L, Banerjee S. A vehicle-based edge computing platform for transit and human mobility analytics[J]. 2017 | Qi B, Kang L, Banerjee S. A vehicle-based edge computing platform for transit and human mobility analytics[J]. 2017: 1:1--1:14. |
| P50，参考文献[79] | Zhang T, Chowdhery A, Bahl P, et al. The Design and Implementation of a Wireless Video Surveillance System[J]. 2015:426-438. | Zhang T, Chowdhery A, Bahl P, et al. The Design and Implementation of a Wireless Video Surveillance System[C]// International Conference on Mobile Computing and NETWORKING. ACM, 2015:426-438. |
| P51，参考文献[83] | 删除 | |
| P52，第2行 | 边缘计算应用的一种架构和软件栈 | 边缘计算应用的架构和软件栈 |
| P52，第8行 | 有所差异性 | 有所差异 |
| P57，倒数第15行 | 虚拟机VM切换在Cloudlet计算及网络传输瓶颈之间平衡二者之间的关系 | 删除“之间” |
| P59，第8行 | 大包 | 打包 |
| P59，倒数第6行 | 元应用程序 | 多元应用程序 |
| P61，第4行 | 而是慢慢 | 而会慢慢 |
| P61，第5行 | 安装上 | 安装 |
| P61，第6行 | 巨量的数据 | 添加参考文献[34] |
| P61, 第16行 | 控制。而辅助驾驶技术的提升 | 控制，因此依靠硬件的升级换代，辅助驾驶技术得以提升 |
| P62，第14行 | 汽车一天 | 汽车一天（按行驶8小时算） |
| P62，第19行 | 将产生近200GB的数据 | 产生的数据远远不止40GB |
| P62，第20行 | 至云端处理， | 至云端处理。 |
| P62，第21行 | 连接不稳定的情况 | 连接不稳定 |
| P62，第23行 | 路面情况。 | 路面情况，这将严重影响行车安全。 |
| P63，第3行 | 带宽需求，且由于能耗 | 带宽需求。由于能耗 |
| P63，第8行 | 调度问题 | 调度 |
| P63，第2段第6行 | 这些服务也将占用 | 这些应用也将占用 |
| P64，第6行 | 车辆可通过嵌入式 | 车辆可通过基于嵌入式 |
| P64，第11行 | 道路便捷的 | 道路边界（车道线）的 |
| P64，倒数第10行 | ，而奥迪和沃尔沃 | 。而奥迪和沃尔沃 |
| P65，第3行 | 时候选择 | 时候 |
| P68，第1行 | 来提供车辆的计算能力 | 来完成计算任务 |
| P69，第5行 | 并且 | 删除并且 |
| P71，第8行 | 总线上数据，...发动机发动时间等。 | 总线上数据，如车门关闭时间、发动机启动时间等，并根据...车载应用。 |
| P80，第12行 | 不可靠性问题。 | 不可靠性问题， |
| P80，第13-14行 | 避免通过网络传输健康敏感数据 | 可避免通过网络传输健康敏感数据 |
| P80，第17行 | 可根据需要添加不同服务设备 | 可根据用户个人需求添加不同服务设备 |
| P80，第30行 | 面向个人计算的服务相关设备集成的通信方式多种多样 | 面向个人计算服务的设备所采用的通信方式多种多样 |
| P81，第3行 | 一方面可响应三大管理中心 | 也就是说，事件管理中心一方面可响应三个管理中心 |
| P82，第4行 | 通信管理中心可通过这些连接传感器节点采集其原始数据 | 通信管理中心可通过这些连接的传感器节点采集其原始数据 |
| P85，第12行 | 不管设备的固定与否 | 不管设备固定与否 |
| P89，第5行 | 单感知器 | 单传感器 |
| P89，第5行 | 实时性问题，通常会考虑在车内形成一个网络 | 实时性问题。因此可考虑在车间形成一个网络 |
| P89，第3段 | IoE | 万物互联时代 |
| P89，倒数第2段的第2行 | 因为在前述 | 因此在前述 |
| P91，倒数第2段，第2行 | 不可避免地 | 不可避免的 |
| P91，倒数第2段，第3行 | 放置与协同 | 放置于协同 |
| P92，第1段，倒数第2行 | 都可以捕获 | 都被捕获 |
| P92，第2段 | Server | 服务器 |
| P92，第2段 | 控制着整个所有的无人机位置 | 控制着所有无人机的位置 |
| P93，倒数第2段倒数第3行 | 任意网络中的 | 网络中任意的 |
| P94，4.5.3第2段，第4行 | 降低 | 避免 |
| P99，第14行 | 为了实现边缘计算的可编程性，zhang等 | 为了实现边缘计算的可编程性，zhang等[3] |
| P104，第13行 | 以及其所占用资源的最小化 | 最小化其所占用的资源 |
| P104，第14行 | 通过调度策略实现其资源利益的最大化 | 通过调度策略实现其资源利用率的最大化 |
| P105，第9行 | 隔离性是网路边缘 | 隔离性是网络边缘 |
| P109，第20行 | 如何最大化参与边缘计算架构的多个利益相关者 | 如何最大化参与边缘计算架构多个相关者的利益 |
| P109，第三行 | 用户请求相应的服务 | 用户请求相应的服务时 |
| P110，参考文献[23] | 丢页 | |
| P124，6.1.9的1的第2行 | 反应子服务 | 响应子服务 |
| P128 | 参考文献[44] | [51] |
| P128 | 参考文献[45] | [52] |
| P128 | 参考文献[46] | [53] |
| P129 | 参考文献[46] | [53] |
| P129 | 参考文献[47] | [54] |
| P130 | 参考文献[48] | [55] |
| P135 | 参考文献[48] | [3] |
| P137 | 参考文献[6，49，50] | [6，45，46] |
| P139 | 参考文献[51] | [47] |
| P139 | 参考文献[52] | [48] |
| P141 | 参考文献[53] | [49] |
| P144 | 参考文献[54] | [50] |
| P146，第4行 | 同一个任务， | 同一个任务。 |
| P146，第4行 | Task Reuse， | 任务重用（Task Reuse） |
| P146，第7行 | Task Dispatch和Task Optimization | 任务分发（Task Dispatch）和任务优化（Task Optimization） |
| P147，第3行 | DeployPlan | 部署计划（DeployPlan） |
| P148，第1行 | 等在的 | 等人的 |
| P150 | 参考文献[1] | https://aws.amazon.com/greengrass/ |
| P154，第3行 | 则越 | 因此更 |
| P154，第10行 | 对数据的安全保护 | 在对数据安全保护的同时 |
| P155，倒数第6行 | 边缘计算一般位于室内，分布集中并有专门人员管理 | 边缘计算可位于室内，也可位于户外，分布相对分散 |
| P162，第8行 | 延迟 | 时延 |
| P175，图7-8标注 | 边缘计算态势感知 | 边缘计算安全态势感知 |