本書以雲邊協同技術的發展歷程為線索，介紹雲邊協同技術體繫，具體內容組織如下。

第1章以雲邊協同技術為線索，首先介紹雲計算與邊緣計算的發展歷程，然後梳理雲邊協同技術的發展，並詳細介紹雲邊協同數據處理繫統發展過程中的驅動因素，以及數據處理在雲邊協同架構下的模式演化和未來的復雜應用的潛在計算模式。

第2章詳細介紹雲邊協同環境下的數據預處理技術，對雲邊協同環境下需要處理的數據具有的多樣性、異構性、限制性、穩定性和高吞吐等特點做了介紹，然後對數據清理、集成、歸約等預處理技術以及典型批流融合處理架構和繫統進行詳細介紹，後展示了典型技術案例SlimML。

第3章具體介紹邊緣智能技術，包括邊緣訓練前沿技術（如通信開銷優化、梯度計算優化等）和邊緣推斷前沿技術（如模型壓縮、模型分割、多模型並行、多模型流水線等）。

第4章著重介紹物聯網與邊緣智能數據安全隱私，從數據安全與隱私技術的起源和發展講起，對雲邊協同環境下的數據安全挑戰進行總結，後詳細介紹實現數據安全與隱私保護的差分隱私技術、安全多方計算技術、同態加密技術和區塊鏈技術，並展望了未來的數據安全與隱私保護技術。

第5章從實際的雲邊協同應用出發，詳細介紹視頻、工業互聯網和智慧城市場景中的典型雲邊協同技術及其面臨的挑戰。

本書的讀者對像主要包括大數據應用開發人員、大數據運維工程師、高校和研究院大數據方向師生以及開源軟件愛好者。

韓銳
北京理工大學特別研究員，博士生導師。2010年畢業於清華大學並獲優秀碩士畢業生，2014年博士畢業於英國帝國理工學院，2014年3月至2018年6月在中國科學院計算所工作。專注於研究面向典型負載（機器學習、深度學習、互聯網服務）的雲計算繫統優化，在 TPDS、TC、TKDE、TSC等領域（重要）期刊和INFOCOM、ICDCS、ICPP、RTSS等會議上發表超過40篇論文，Google學術引用1000 餘次。

劉馳
北京理工大學計算機學院副院長，教授，博士生導師。智能信息技術北京市重點實驗室主任，國家優秀青年科學基金獲得者，國家重點研發計劃首席科學家，中國電子學會會士，英國工程技術學會會士，英國計算機學會會士。分別於清華大學和英國帝國理工學院獲得學士和博士學位，後在德國電信研究總院任博士後研究員，在美國IBM T.J.Watson研究中心和IBM中國研究院任研究主管。主要研究方向是智能物聯網技術。曾主持國家重點研發計劃“工業軟件”重點專項項目、國家自然科學基金青年/面上/優青/重點項目、國家重點研發計劃課題等。現任國家信息產業“十四五”規劃專家顧問組成員、第四屆全國信標委技術委員會委員、IEEE Transactions on Network Science and Engineering編委等。獲得KDD'21論文亞軍，以及省部級一等獎、二等獎、三等獎各1項。 

前言
作者簡介
第1章雲邊協同大數據繫統概述 1
1.1雲邊協同發展歷程 1
1.1.1探索階段 1
1.1.2雲階段 3
1.1.3雲邊協同階段 7
1.2雲邊協同數據處理 12
1.2.1數據來源 12
1.2.2處理模式 13
1.3雲邊協同繫統管理 18
1.3.1雲邊協同負載 18
1.3.2任務管理 25
1.3.3資源管理 29
1.3.4應用管理 33
1.4雲邊協同典型場景 35
1.4.1物聯網大數據 35
1.4.2視頻大數據 41
1.4.3智能駕駛大數據 47
1.5本章小結 52
參考文獻 54
第2章雲邊融合的數據處理繫統 60
2.1雲邊協同環境下的數據處理簡介 60
2.1.1背景 60
2.1.2環境 61
2.1.3數據 63
2.1.4處理模式 63
2.1.5問題與挑戰 64
2.2雲邊協同環境下的數據預處理 66
2.2.1簡介 66
2.2.2數據質量 67
2.2.3數據清理 68
2.2.4數據集成 77
2.2.5數據歸約 80
2.2.6數據預處理小結 84
2.3批流融合處理架構與繫統 84
2.3.1批流融合處理架構 85
2.3.2批流處理繫統的發展 86
2.3.3批流融合處理前沿技術 91
2.4典型技術案例SlimML 95
2.4.1背景 95
2.4.2非關鍵點驗證 97
2.4.3總體思想 100
2.4.4架構 101
2.4.5評測 105
2.5本章小結 112
參考文獻 112
第3章邊緣智能 119
3.1背景 119
3.1.1邊緣計算 119
3.1.2邊緣智能 119
3.2挑戰 121
3.3邊緣訓練前沿技術 122
3.3.1邊緣訓練簡介 122
3.3.2中心化/去中心化訓練簡介 123
3.3.3隱私保護 126
3.3.4通信開銷優化 131
3.3.5梯度計算優化 135
3.3.6邊緣訓練小結 139
3.4邊緣推斷前沿技術 140
3.4.1邊緣推斷簡介 140
3.4.2模型角度優化 141
3.4.3繫統角度優化 151
3.4.4模型選擇 155
3.4.5模型自動生成 156
3.4.6邊緣推斷小結 157
3.5本章小結 158
參考文獻 160
第4章物聯網與邊緣智能數據安全隱私 165
4.1數據安全與隱私技術的起源與發展 165
4.1.1隱私技術的起源與發展 166
4.1.2隱私保護技術現狀 168
4.2雲邊協同下的數據安全挑戰 169
4.2.1雲邊協同下的數據安全場景 169
4.2.2雲邊協同下的惡意威脅模型 172
4.2.3數據安全關鍵挑戰 174
4.2.4數據洩露案例 176
4.3差分隱私技術 177
4.3.1相關應用場景與挑戰 177
4.3.2差分隱私技術簡介 177
4.3.3差分隱私技術應用 182
4.3.4相關前沿研究簡介 183
4.4安全多方計算技術 183
4.4.1相關應用場景與挑戰 183
4.4.2安全多方計算簡介 184
4.4.3安全多方計算應用 189
4.4.4相關前沿研究簡介 192
4.5同態加密技術 192
4.5.1相關應用場景與挑戰 192
4.5.2同態加密技術簡介 193
4.5.3同態加密技術應用 195
4.5.4相關前沿研究簡介 197
4.6區塊鏈技術 197
4.6.1相關應用場景與挑戰 197
4.6.2區塊鏈技術簡介 198
4.6.3區塊鏈技術應用 201
4.6.4相關前沿研究簡介 202
4.7未來技術展望 202
4.8本章小結 203
參考文獻 203
第5章雲邊協同典型應用 206
5.1視頻大數據 206
5.1.1簡介 206
5.1.2數據特征 207
5.1.3相關技術 209
5.1.4典型案例 217
5.2工業互聯網大數據 219
5.2.1簡介 219
5.2.2數據特征 220
5.2.3相關技術 223
5.2.4典型案例 227
5.3智慧城市大數據 230
5.3.1簡介 230
5.3.2數據特征 232
5.3.3關鍵問題和前沿技術 233
5.3.4典型案例 238
5.4本章小結 243
參考文獻 243

隨著物聯網的不斷發展，越來越多的終端設備，如可穿戴設備、環境監控設備、傳感器、虛擬現實設備等，具有了接入互聯網的能力，並產生了海量的異構數據交互。傳統的雲平臺已經不能滿足不斷湧現出來的新型應用對數據處理任務的響應速度、延遲、高吞吐和容錯性等方面的要求，因而引發了學術界和工業界對雲邊協同平臺的數據處理技術的廣泛研究。本書以雲邊協同技術為主線，首先介紹雲計算與邊緣計算的發展歷程，然後詳細介紹雲邊協同環境下霧計算、邊緣計算等與傳統雲平臺相結合而催生的典型雲邊協同技術及其實際應用場景和案例。
本書作為為數不多的全面總結雲邊協同技術及其應用場景的書籍，從雲計算和邊緣計算的發展歷程開始講起，由淺入深，對雲邊協同的發展歷程、雲邊協同所要解決的技術挑戰等做了總結，然後詳細介紹了典型的雲邊協同技術和框架，並在實際應用場景下講述如何應用這些技術，同時對未來的雲邊協同技術做了展望。本書試圖通過既簡單又繫統的方式讓讀者了解雲邊協同的前世今生，熟悉典型的雲邊協同技術及其應用場景，進而對整個雲邊協同技術體繫有一個全面的認識。
為幫助讀者輕松閱讀並理解書中內容，本書不僅有詳細的文字描述，還插入了大量的圖表。此外，對於典型的雲邊協同技術，書中多從具體的應用場景出發，分析所要解決的技術挑戰，然後介紹該應用場景中具體用到的雲邊協同技術，由點及面，向讀者展現整個雲邊協同技術體繫。在組織形式上，本書具有三大特色：
繫統性：從雲邊協同技術的發展背景開始，深入典型技術和實際應用，全方位剖析雲邊協同大數據技術及其應用；
技術性：對雲邊協同環境下的典型技術進行了詳盡介紹，如第2章中的雲邊協同數據預處理技術，第3章中的邊緣訓練和邊緣推斷前沿技術，第4章中的差分隱私技術、安全多方計算技術等；
實用性：理論和實踐相結合，介紹了大量雲邊協同技術在典型場景下的挑戰和應用，如第5章中的智慧倉儲、智能配電、自動駕駛、智能家居等。
本書以雲邊協同技術的發展歷程為線索，介紹雲邊協同技術體繫，具體內容組織如下：
第1章：主要從雲計算和邊緣計算的發展歷程開始介紹，然後對雲邊協同階段的問題與挑戰、雲邊協同數據處理、雲邊協同繫統管理和雲邊協同的典型場景進行詳細介紹，讓讀者從宏觀層面了解雲邊協同技術體繫。
第2章：重點介紹雲邊協同的數據處理繫統。先總體介紹雲邊協同環境下數據處理所面臨的問題和挑戰，然後重點介紹雲邊協同環境下的數據預處理技術，包括數據清理、數據集成和數據歸約；接著介紹批流融合處理架構與繫統，包括 Lambda 和 Kappa 架構，並對雲邊協同環境下的批流融合處理前沿技術進行討論；後就典型技術案例 SlimML 進行詳細介紹。
第3章：對邊緣計算和人工智能的結合—邊緣智能進行詳細介紹。先總結了雲邊協同環境下邊緣智能所面臨的技術挑戰；然後詳細介紹邊緣訓練前沿技術，包括中心化/去中心化訓練、隱私保護、通信開銷優化、梯度計算優化等；接著對邊緣推斷前沿技術進行詳細介紹，包括輸入過濾、模型壓縮、模型分割、邊緣緩存、多模型並行、多模型流水線、模型選擇和模型生成等。
第4章：主要介紹雲邊協同下隱私計算技術的相關應用場景以及技術方案。首先介紹隱私保護技術的起源與發展，接著對雲邊協同場景下的數據安全場景以及惡意威脅模型進行詳細介紹，之後討論差分隱私技術、安全多方計算技術、同態加密技術、區塊鏈技術的相關方案以及應用場景，後對隱私計算領域的未來趨勢做了展望。
第5章：從視頻大數據、工業互聯網大數據、智慧城市大數據3個方面介紹雲邊協同大數據的典型應用，著重介紹數據具有的典型特征、雲邊協同在相關領域下的“雲-邊-端”三層應用架構以及關鍵問題和相關前沿技術，並且針對每個領域的一些案例，給出雲邊協同場景下的解決方案。
由於筆者的水平有限，編寫時間倉促，書中難免會有一些錯誤或者不準確的地方，請讀者原諒，並提出寶貴意見。