Edge computing moves the computation closer to the data and the data closer to the user to overcome the high latency communication of cloud computing. Storage at the edge allows data access with high speeds that enable latency-sensitive applications in areas such as autonomous driving and smart grid. However, several distributed services are typically designed for the cloud and building an efficient edge-enabled storage system is challenging because of the distributed and heterogeneous nature of the edge and its limited resources. In this paper, we propose EdgeKV, a decentralized storage system designed for the network edge. EdgeKV offers fast and reliable storage, utilizing data replication with strong consistency guarantees. With a location-transparent and interface-based design, EdgeKV can scale with a heterogeneous system of edge nodes. We implement a prototype of the EdgeKV modules in Golang and evaluate it in both the edge and cloud settings on the Grid'5000 testbed. We utilize the Yahoo! Cloud Serving Benchmark (YCSB) to analyze the system's performance under realistic workloads. Our evaluation results show that EdgeKV outperforms the cloud storage setting with both local and global data access with an average write response time and throughput improvements of 26% and 19% respectively under the same settings. Our evaluations also show that EdgeKV can scale with the number of clients, without sacrificing performance. Finally, we discuss the energy efficiency improvement when utilizing edge resources with EdgeKV instead of a centralized cloud.

中文翻译：

---

EdgeKV：边缘的去中心化、可扩展和一致的存储

边缘计算让计算更靠近数据，让数据更靠近用户，以克服云计算的高延迟通信。边缘存储允许高速数据访问，从而在自动驾驶和智能电网等领域实现对延迟敏感的应用程序。然而，一些分布式服务通常是为云设计的，并且由于边缘的分布式和异构性质及其有限的资源，构建高效的支持边缘的存储系统具有挑战性。在本文中，我们提出了 EdgeKV，这是一种专为网络边缘设计的去中心化存储系统。EdgeKV 提供快速可靠的存储，利用具有强一致性保证的数据复制。通过位置透明和基于接口的设计，EdgeKV 可以扩展边缘节点的异构系统。我们在 Golang 中实现了 EdgeKV 模块的原型，并在 Grid'5000 测试台上的边缘和云设置中对其进行了评估。我们利用雅虎！云服务基准 (YCSB) 分析系统在实际工作负载下的性能。我们的评估结果表明，EdgeKV 在本地和全局数据访问方面均优于云存储设置，在相同设置下，平均写入响应时间和吞吐量分别提高了 26% 和 19%。我们的评估还表明，EdgeKV 可以随着客户端数量的增加而扩展，而不会牺牲性能。最后，我们讨论了通过 EdgeKV 而不是集中式云利用边缘资源时的能效改进。5000个测试台。我们利用雅虎！云服务基准 (YCSB) 分析系统在实际工作负载下的性能。我们的评估结果表明，EdgeKV 在本地和全局数据访问方面均优于云存储设置，在相同设置下，平均写入响应时间和吞吐量分别提高了 26% 和 19%。我们的评估还表明，EdgeKV 可以随着客户端数量的增加而扩展，而不会牺牲性能。最后，我们讨论了通过 EdgeKV 而不是集中式云利用边缘资源时的能效改进。5000个测试台。我们利用雅虎！云服务基准 (YCSB) 分析系统在实际工作负载下的性能。我们的评估结果表明，EdgeKV 在本地和全局数据访问方面均优于云存储设置，在相同设置下，平均写入响应时间和吞吐量分别提高了 26% 和 19%。我们的评估还表明，EdgeKV 可以随着客户端数量的增加而扩展，而不会牺牲性能。最后，我们讨论了通过 EdgeKV 而不是集中式云利用边缘资源时的能效改进。我们的评估结果表明，EdgeKV 在本地和全局数据访问方面均优于云存储设置，在相同设置下，平均写入响应时间和吞吐量分别提高了 26% 和 19%。我们的评估还表明，EdgeKV 可以随着客户端数量的增加而扩展，而不会牺牲性能。最后，我们讨论了通过 EdgeKV 而不是集中式云利用边缘资源时的能效改进。我们的评估结果表明，EdgeKV 在本地和全局数据访问方面均优于云存储设置，在相同设置下，平均写入响应时间和吞吐量分别提高了 26% 和 19%。我们的评估还表明，EdgeKV 可以随着客户端数量的增加而扩展，而不会牺牲性能。最后，我们讨论了通过 EdgeKV 而不是集中式云利用边缘资源时的能效改进。