边缘计算系统设计与实践

10.4.2 未来信息技术发展的制约因素和边缘计算的关系

10.4.1 梅特卡夫定律和贝克斯特罗姆定律

10.4 边缘网络价值和未来的挑战

10.3.3 给TensorFlow Lite模型添加元数据（Metadata）

10.3.2 TensorFlow Lite模型的优化

10.3.1 TensorFlow Lite的安装和运行

10.3 轻量级机器学习框架TensorFlow Lite

10.2.3 KubeEdge对于K8s的改进

10.2.2 KubeEdge的安装和配置

10.2.1 KubeEdge简介

10.2 KubeEdge

10.1.4 系统管理微服务

10.1.3 EdgeX Foundry的支持服务和应用服务

10.1.2 EdgeX Foundry的设备服务和核心服务

10.1.1 EdgeX Foundry简介

10.1 EdgeX Foundry

第10章 边缘计算开源框架

9.4.2 强化学习在机器人控制中的应用

9.4.1 工业边缘计算平台机器学习案例

9.4 机器学习在边缘计算中的应用

9.3 强化学习

9.2.2 CNN和RNN

9.2.1 多层感知机

9.2 深度学习方法介绍

9.1.6 传统的回归预测方法

9.1.5 决策树分类

9.1.4 数据简化和降维

9.1.3 基于概率的机器学习方法——朴素贝叶斯分类

9.1.2 机器学习的步骤和评估指标

9.1.1 机器学习的类型

9.1 常用机器学习方法

第9章 机器学习和边缘计算

8.3.2 边缘计算解决方案成本估算

8.3.1 边缘计算对基础设施的影响

8.3 边缘计算基础设施和成本

8.2.3 工业通用接入技术

8.2.2 OPC UA协议及IT与OT的融合

8.2.1 不同工业通信协议介绍

8.2 工业通信协议与接入技术

8.1.3 传统制造业信息系统改造

8.1.2 工业边缘的应用场景

8.1.1 工业边缘计算的发展现状

8.1 工业边缘技术介绍

第8章 工业边缘计算

7.4.4 ARIMA模型训练和预测

7.4.3 统计时序预测方法

7.4.2 时序数据的一些重要概念

7.4.1 时序数据的整理和可视化

7.4 时序数据分析和预测方法

7.3.3 流处理系统

7.3.2 Prometheus和Grafana监控系统

7.3.1 完整时序数据处理框架TICK

7.3 时序数据处理

7.2.3 边缘时序数据存储

7.2.1 设备接入和数据采集

7.2.1 流数据概述

7.2 流数据采集和存储

7.1.2 数据价值的思考

7.1.1 传统的数据分析流程

7.1 边缘计算数据处理的价值

第7章 边缘计算的数据处理

6.4.2 边缘计算架构设计

6.4.1 边缘计算微服务架构的考量

6.4 边缘计算的微服务架构设计

6.3.4 讨论Kubernetes和边缘计算

6.3.3 P2P协议下的微服务通信

6.3.2 微服务架构核心组件

6.3.1 软件开发模式和架构的回顾思考

6.3 微服务技术深度解析

6.2.4 进一步深入容器技术

6.2.3 虚拟机和容器的区别

6.2.2 Docker引擎

6.2.1 容器技术（Docker）介绍

6.2 关于容器技术

6.1.2 IoT+边缘计算的微服务架构

6.1.1 典型的微服务架构

6.1 微服务架构介绍

第6章 边缘计算的微服务架构和消息机制

5.5.2 边缘计算安全实践清单

5.5.1 边缘计算安全综合设计

5.5 构建安全的边缘计算架构

5.4.3 物理安全问题

5.4.2 边缘服务器安全问题

5.4.1 边缘接入安全问题

5.4 边缘计算安全问题分类

5.3.4 可信边缘计算

5.3.3 基于TPM 2.0的可信计算

5.3.2 TPM 1.2、TPM 2.0和TPCM

5.3.1 可信计算介绍

5.3 从可信计算到可信边缘计算

5.2.4 网络安全技术

5.2.3 计算机加密算法介绍

5.2.2 计算机系统安全的常用方法和概念

5.2.1 计算机安全的本质

5.2 计算机安全的一些基本概念

5.1.4 Mirai病毒

5.1.3 谈谈震网病毒

5.1.2 信息安全领域是全新的战场

5.1.1 边缘计算面临的重大安全挑战

5.1 边缘计算面临的安全性挑战

第5章 边缘计算的安全性

4.4.2 CoAP协议

4.4.1 MQTT协议

4.4 应用层协议

4.3.3 近距离网络通信协议之三：Wi-Fi

4.3.2 近距离网络通信协议之二：ZigBee

4.3.1 近距离网络通信协议之一：蓝牙技术

4.3 现场边缘网络和通信

4.2.5 Sigfox协议

4.2.4 LTE-M协议

4.2.3 NB-IoT协议

4.2.2 LoRa协议

4.2.1 RPL协议

4.2 边缘计算网络层通信协议介绍

4.1.4 通信相关标准组织介绍

4.1.3 应用层和消息层协议

4.1.2 边缘计算底层通信协议的分类

4.1.1 对于边缘设备和物联网设备的通信要求

4.1 物联网和边缘计算的通信概述

第4章 边缘计算的通信

3.4.2 用卡车把数据送回去

3.4.1 边缘计算和云存储能力的盲区

3.4 极端条件下的边缘数据存储

3.3.3 未来的存储硬件

3.3.2 固态硬盘（SSD）技术

3.3.1 早期存储硬件技术

3.3 存储系统硬件技术的发展

3.2.3 分布式存储系统总结

3.2.2 大规模分布式存储技术

3.2.1 直连式存储和集中式存储

3.2 开源分布式存储系统

3.1.2 分布式存储理论基础

3.1.1 边缘计算的分布式存储系统

3.1 边缘计算存储系统设计

第3章 边缘计算存储系统设计和实现

2.3 各种传感器技术

2.2.2 边缘服务器和边缘一体机

2.2.1 边缘网关

2.2 边缘网关和边缘服务器

2.1.4 未来的新计算技术

2.1.3 FPGA与ASIC

2.1.2 GPU与并行处理

2.1.1 CPU与冯·诺依曼体系

2.1 不同运算核心硬件在边缘计算中的应用

第2章 边缘计算的硬件

1.5.3 百度智能边缘

1.5.2 阿里云Link Edge IoT

1.5.1 AWS IoT Greengrass

1.5 云计算平台提供的边缘计算服务

1.4.4 移动边缘计算和移动云计算

1.4.3 机器学习和边缘计算

1.4.2 云计算、边缘计算和IoT

1.4.1 5G技术和边缘计算

1.4 热门技术和边缘计算

1.3.3 通信技术

1.3.2 能源管理和收集

1.3.1 计算单元和存储系统

1.3 通信与硬件技术的发展对边缘计算的推动

1.2.2 边缘计算的应用场景

1.2.1 近边缘端和远边缘端

1.2 云计算、IoT和边缘计算

1.1.2 挺进边缘计算

1.1.1 IT基础技术的演进历史

1.1 边缘计算简史

第1章 边缘计算介绍

前言

版权页

封面

封面

版权页

前言

第1章 边缘计算介绍

1.1 边缘计算简史

1.1.1 IT基础技术的演进历史

1.1.2 挺进边缘计算

1.2 云计算、IoT和边缘计算

1.2.1 近边缘端和远边缘端

1.2.2 边缘计算的应用场景

1.3 通信与硬件技术的发展对边缘计算的推动

1.3.1 计算单元和存储系统

1.3.2 能源管理和收集

1.3.3 通信技术

1.4 热门技术和边缘计算

1.4.1 5G技术和边缘计算

1.4.2 云计算、边缘计算和IoT

1.4.3 机器学习和边缘计算

1.4.4 移动边缘计算和移动云计算

1.5 云计算平台提供的边缘计算服务

1.5.1 AWS IoT Greengrass

1.5.2 阿里云Link Edge IoT

1.5.3 百度智能边缘

第2章 边缘计算的硬件

2.1 不同运算核心硬件在边缘计算中的应用

2.1.1 CPU与冯·诺依曼体系

2.1.2 GPU与并行处理

2.1.3 FPGA与ASIC

2.1.4 未来的新计算技术

2.2 边缘网关和边缘服务器

2.2.1 边缘网关

2.2.2 边缘服务器和边缘一体机

2.3 各种传感器技术

第3章 边缘计算存储系统设计和实现

3.1 边缘计算存储系统设计

3.1.1 边缘计算的分布式存储系统

3.1.2 分布式存储理论基础

3.2 开源分布式存储系统

3.2.1 直连式存储和集中式存储

3.2.2 大规模分布式存储技术

3.2.3 分布式存储系统总结

3.3 存储系统硬件技术的发展

3.3.1 早期存储硬件技术

3.3.2 固态硬盘（SSD）技术

3.3.3 未来的存储硬件

3.4 极端条件下的边缘数据存储

3.4.1 边缘计算和云存储能力的盲区

3.4.2 用卡车把数据送回去

第4章 边缘计算的通信

4.1 物联网和边缘计算的通信概述

4.1.1 对于边缘设备和物联网设备的通信要求

4.1.2 边缘计算底层通信协议的分类

4.1.3 应用层和消息层协议

4.1.4 通信相关标准组织介绍

4.2 边缘计算网络层通信协议介绍

4.2.1 RPL协议

4.2.2 LoRa协议

4.2.3 NB-IoT协议

4.2.4 LTE-M协议

4.2.5 Sigfox协议

4.3 现场边缘网络和通信

4.3.1 近距离网络通信协议之一：蓝牙技术

4.3.2 近距离网络通信协议之二：ZigBee

4.3.3 近距离网络通信协议之三：Wi-Fi

4.4 应用层协议

4.4.1 MQTT协议

4.4.2 CoAP协议

第5章 边缘计算的安全性

5.1 边缘计算面临的安全性挑战

5.1.1 边缘计算面临的重大安全挑战

5.1.2 信息安全领域是全新的战场

5.1.3 谈谈震网病毒

5.1.4 Mirai病毒

5.2 计算机安全的一些基本概念

5.2.1 计算机安全的本质

5.2.2 计算机系统安全的常用方法和概念

5.2.3 计算机加密算法介绍

5.2.4 网络安全技术

5.3 从可信计算到可信边缘计算

5.3.1 可信计算介绍

5.3.2 TPM 1.2、TPM 2.0和TPCM

5.3.3 基于TPM 2.0的可信计算

5.3.4 可信边缘计算

5.4 边缘计算安全问题分类

5.4.1 边缘接入安全问题

5.4.2 边缘服务器安全问题

5.4.3 物理安全问题

5.5 构建安全的边缘计算架构

5.5.1 边缘计算安全综合设计

5.5.2 边缘计算安全实践清单

第6章 边缘计算的微服务架构和消息机制

6.1 微服务架构介绍

6.1.1 典型的微服务架构

6.1.2 IoT+边缘计算的微服务架构

6.2 关于容器技术

6.2.1 容器技术（Docker）介绍

6.2.2 Docker引擎

6.2.3 虚拟机和容器的区别

6.2.4 进一步深入容器技术

6.3 微服务技术深度解析

6.3.1 软件开发模式和架构的回顾思考

6.3.2 微服务架构核心组件

6.3.3 P2P协议下的微服务通信

6.3.4 讨论Kubernetes和边缘计算

6.4 边缘计算的微服务架构设计

6.4.1 边缘计算微服务架构的考量

6.4.2 边缘计算架构设计

第7章 边缘计算的数据处理

7.1 边缘计算数据处理的价值

7.1.1 传统的数据分析流程

7.1.2 数据价值的思考

7.2 流数据采集和存储

7.2.1 流数据概述

7.2.1 设备接入和数据采集

7.2.3 边缘时序数据存储

7.3 时序数据处理

7.3.1 完整时序数据处理框架TICK

7.3.2 Prometheus和Grafana监控系统

7.3.3 流处理系统

7.4 时序数据分析和预测方法

7.4.1 时序数据的整理和可视化

7.4.2 时序数据的一些重要概念

7.4.3 统计时序预测方法

7.4.4 ARIMA模型训练和预测

第8章 工业边缘计算

8.1 工业边缘技术介绍

8.1.1 工业边缘计算的发展现状

8.1.2 工业边缘的应用场景

8.1.3 传统制造业信息系统改造

8.2 工业通信协议与接入技术

8.2.1 不同工业通信协议介绍

8.2.2 OPC UA协议及IT与OT的融合

8.2.3 工业通用接入技术

8.3 边缘计算基础设施和成本

8.3.1 边缘计算对基础设施的影响

8.3.2 边缘计算解决方案成本估算

第9章 机器学习和边缘计算

9.1 常用机器学习方法

9.1.1 机器学习的类型

9.1.2 机器学习的步骤和评估指标

9.1.3 基于概率的机器学习方法——朴素贝叶斯分类

9.1.4 数据简化和降维

9.1.5 决策树分类

9.1.6 传统的回归预测方法

9.2 深度学习方法介绍

9.2.1 多层感知机

9.2.2 CNN和RNN

9.3 强化学习

9.4 机器学习在边缘计算中的应用

9.4.1 工业边缘计算平台机器学习案例

9.4.2 强化学习在机器人控制中的应用

第10章 边缘计算开源框架

10.1 EdgeX Foundry

10.1.1 EdgeX Foundry简介

10.1.2 EdgeX Foundry的设备服务和核心服务

10.1.3 EdgeX Foundry的支持服务和应用服务

10.1.4 系统管理微服务

10.2 KubeEdge

10.2.1 KubeEdge简介

10.2.2 KubeEdge的安装和配置

10.2.3 KubeEdge对于K8s的改进

10.3 轻量级机器学习框架TensorFlow Lite

10.3.1 TensorFlow Lite的安装和运行

10.3.2 TensorFlow Lite模型的优化

10.3.3 给TensorFlow Lite模型添加元数据（Metadata）

10.4 边缘网络价值和未来的挑战

10.4.1 梅特卡夫定律和贝克斯特罗姆定律

10.4.2 未来信息技术发展的制约因素和边缘计算的关系