本书是着重介绍云边协同大数据系统的学术界前沿进展与应用案例分析的技术图书。两位作者将软件系统顶会和期刊（如TPDS、TC）从近六年在云边协同大数据系统方面的重要学术进展按照云边协同数据预处理处理、云边协同数据处理系统、边缘智能驱动的大数据系统、云边协同数据隐私保护四个方向梳理，介绍其发展脉络、主流技术，以及技术趋势展望；同时，介绍典型云边协同大数据应用示例，为相关从业者、高年级本科生、研究生提供重要参考资料。

探索云边协同关键技术，赋能新型大数据应用场景

随着物联网的不断发展，越来越多的终端设备，如可穿戴设备、环境监控设备、传感器、虚拟现实设备等，具有了接入互联网的能力，并产生了海量的异构数据交互。传统的云平台已经不能满足不断涌现出来的新型应用对数据处理任务的响应速度、延迟、高吞吐和容错性等方面的要求，因而引发了学术界和工业界对云边协同平台的数据处理技术的广泛研究。本书以云边协同技术为主线，首先介绍云计算与边缘计算的发展历程，然后详细介绍云边协同环境下雾计算、边缘计算等与传统云平台相结合而催生的典型云边协同技术及其实际应用场景和案例。
本书作为为数不多的全面总结云边协同技术及其应用场景的书籍，从云计算和边缘计算的发展历程开始讲起，由浅入深，对云边协同的发展历程、云边协同所要解决的技术挑战等做了总结，然后详细介绍了典型的云边协同技术和框架，并在实际应用场景下讲述如何应用这些技术，同时对未来的云边协同技术做了展望。本书试图通过既简单又系统的方式让读者了解云边协同的前世今生，熟悉典型的云边协同技术及其应用场景，进而对整个云边协同技术体系有一个全面的认识。
为帮助读者轻松阅读并理解书中内容，本书不仅有详细的文字描述，还插入了大量的图表。此外，对于典型的云边协同技术，书中多从具体的应用场景出发，分析所要解决的技术挑战，然后介绍该应用场景中具体用到的云边协同技术，由点及面，向读者展现整个云边协同技术体系。在组织形式上，本书具有三大特色：
系统性：从云边协同技术的发展背景开始，深入典型技术和实际应用，全方位剖析云边协同大数据技术及其应用；
技术性：对云边协同环境下的典型技术进行了详尽介绍，如第2章中的云边协同数据预处理技术，第3章中的边缘训练和边缘推断前沿技术，第4章中的差分隐私技术、安全多方计算技术等；
实用性：理论和实践相结合，介绍了大量云边协同技术在典型场景下的挑战和应用，如第5章中的智慧仓储、智能配电、自动驾驶、智能家居等。
本书以云边协同技术的发展历程为线索，介绍云边协同技术体系，具体内容组织如下：
第1章：主要从云计算和边缘计算的发展历程开始介绍，然后对云边协同阶段的问题与挑战、云边协同数据处理、云边协同系统管理和云边协同的典型场景进行详细介绍，让读者从宏观层面了解云边协同技术体系。
第2章：重点介绍云边协同的数据处理系统。先总体介绍云边协同环境下数据处理所面临的问题和挑战，然后重点介绍云边协同环境下的数据预处理技术，包括数据清理、数据集成和数据归约；接着介绍批流融合处理架构与系统，包括 Lambda 和 Kappa 架构，并对云边协同环境下的批流融合处理前沿技术进行讨论；最后就典型技术案例 SlimML 进行详细介绍。
第3章：对边缘计算和人工智能的结合—边缘智能进行详细介绍。先总结了云边协同环境下边缘智能所面临的技术挑战；然后详细介绍边缘训练前沿技术，包括中心化/去中心化训练、隐私保护、通信开销优化、梯度计算优化等；接着对边缘推断前沿技术进行详细介绍，包括输入过滤、模型压缩、模型分割、边缘缓存、多模型并行、多模型流水线、模型最优选择和模型生成等。
第4章：主要介绍云边协同下隐私计算技术的相关应用场景以及技术方案。首先介绍隐私保护技术的起源与发展，接着对云边协同场景下的数据安全场景以及恶意威胁模型进行详细介绍，之后讨论差分隐私技术、安全多方计算技术、同态加密技术、区块链技术的相关方案以及应用场景，最后对隐私计算领域的未来趋势做了展望。
第5章：从视频大数据、工业互联网大数据、智慧城市大数据3个方面介绍云边协同大数据的典型应用，着重介绍数据具有的典型特征、云边协同在相关领域下的“云-边-端”三层应用架构以及关键问题和相关前沿技术，并且针对每个领域的一些案例，给出云边协同场景下的解决方案。
由于笔者的水平有限，编写时间仓促，书中难免会有一些错误或者不准确的地方，请读者原谅，并提出宝贵意见。

计算机科学/大数据分析与处理

面对不断涌现的新型应用，
云边协同势必会与大数据碰撞出精彩的火花，
推动智能技术不断向前迈进。
随着物联网的不断发展，越来越多的终端设备拥有了接入互联网的能力，并产生了海量的异构数据交互。传统的云平台已经不能满足不断涌现出来的新型应用对数据处理任务的响应速度、延迟、高吞吐和容错性等方面的要求，因而引发了学术界和工业界对云边协同平台的数据处理技术的广泛研究。本书以云边协同技术为主线，首先介绍云计算与边缘计算的发展历程，然后详细介绍云边协同环境下雾计算、边缘计算等与传统云平台相结合而催生的典型云边协同技术及其实际应用场景和案例。
主要特点：
系统性：从云边协同技术的发展背景开始，全方位剖析云边协同大数据技术及其应用。
技术性：详细介绍云边协同环境下的典型技术，如第2章的云边协同数据预处理技术，第3章的边缘训练和边缘推断前沿技术，第4章的差分隐私技术、安全多方计算技术等。
实用性：理论和实践相结合，介绍了大量云边协同技术在典型场景下的挑战和应用，如第5章中的智慧仓储、智能配电、自动驾驶、智能家居等。

前言
作者简介
第1章　云边协同大数据系统概述 1
1.1　云边协同发展历程 1
1.1.1　探索阶段 1
1.1.2　云阶段 3
1.1.3　云边协同阶段 7
1.2　云边协同数据处理 12
1.2.1　数据来源 12
1.2.2　处理模式 13
1.3　云边协同系统管理 18
1.3.1　云边协同负载 18
1.3.2　任务管理 25
1.3.3　资源管理 29
1.3.4　应用管理 33
1.4　云边协同典型场景 35
1.4.1　物联网大数据 35
1.4.2　视频大数据 41
1.4.3　智能驾驶大数据 47
1.5　本章小结 52
参考文献 54
第2章　云边融合的数据处理系统 60
2.1　云边协同环境下的数据处理简介 60
2.1.1　背景 60
2.1.2　环境 61
2.1.3　数据 63
2.1.4　处理模式 63
2.1.5　问题与挑战 64
2.2　云边协同环境下的数据预处理 66
2.2.1　简介 66
2.2.2　数据质量 67
2.2.3　数据清理 68
2.2.4　数据集成 77
2.2.5　数据归约 80
2.2.6　数据预处理小结 84
2.3　批流融合处理架构与系统 84
2.3.1　批流融合处理架构 85
2.3.2　批流处理系统的发展 86
2.3.3　批流融合处理前沿技术 91
2.4　典型技术案例SlimML 95
2.4.1　背景 95
2.4.2　非关键点验证 97
2.4.3　总体思想 100
2.4.4　架构 101
2.4.5　评测 105
2.5　本章小结 112
参考文献 112
第3章　边缘智能 119
3.1　背景 119
3.1.1　边缘计算 119
3.1.2　边缘智能 119
3.2　挑战 121
3.3　边缘训练前沿技术 122
3.3.1　边缘训练简介 122
3.3.2　中心化/去中心化训练简介 123
3.3.3　隐私保护 126
3.3.4　通信开销优化 131
3.3.5　梯度计算优化 135
3.3.6　边缘训练小结 139
3.4　边缘推断前沿技术 140
3.4.1　边缘推断简介 140
3.4.2　模型角度优化 141
3.4.3　系统角度优化 151
3.4.4　模型最优选择 155
3.4.5　模型自动生成 156
3.4.6　边缘推断小结 157
3.5　本章小结 158
参考文献 160
第4章　物联网与边缘智能数据安全隐私 165
4.1　数据安全与隐私技术的起源与发展 165
4.1.1　隐私技术的起源与发展 166
4.1.2　隐私保护技术现状 168
4.2　云边协同下的数据安全挑战 169
4.2.1　云边协同下的数据安全场景 169
4.2.2　云边协同下的恶意威胁模型 172
4.2.3　数据安全关键挑战 174
4.2.4　数据泄露案例 176
4.3　差分隐私技术 177
4.3.1　相关应用场景与挑战 177
4.3.2　差分隐私技术简介 177
4.3.3　差分隐私技术应用 182
4.3.4　相关前沿研究简介 183
4.4　安全多方计算技术 183
4.4.1　相关应用场景与挑战 183
4.4.2　安全多方计算简介 184
4.4.3　安全多方计算应用 189
4.4.4　相关前沿研究简介 192
4.5　同态加密技术 192
4.5.1　相关应用场景与挑战 192
4.5.2　同态加密技术简介 193
4.5.3　同态加密技术应用 195
4.5.4　相关前沿研究简介 197
4.6　区块链技术 197
4.6.1　相关应用场景与挑战 197
4.6.2　区块链技术简介 198
4.6.3　区块链技术应用 201
4.6.4　相关前沿研究简介 202
4.7　未来技术展望 202
4.8　本章小结 203
参考文献 203
第5章　云边协同典型应用 206
5.1　视频大数据 206
5.1.1　简介 206
5.1.2　数据特征 207
5.1.3　相关技术 209
5.1.4　典型案例 217
5.2　工业互联网大数据 219
5.2.1　简介 219
5.2.2　数据特征 220
5.2.3　相关技术 223
5.2.4　典型案例 227
5.3　智慧城市大数据 230
5.3.1　简介 230
5.3.2　数据特征 232
5.3.3　关键问题和前沿技术 233
5.3.4　典型案例 238
5.4　本章小结 243
参考文献 243