如何Exchange2010部署边缘服务器

您好，我们建议在您组织的内部 Active Directory 林以外的外围网络中安装边缘传输角色。虽然您可以在联合域的计算机上安装边缘传输服务角色，但是这样做仅可启用 Windows 功能和设置的域管理。边缘传输角色本身不使用 Active Directory。相反，它使用 Active Directory 轻型目录服务 (AD LDS) Windows 功能存储配置和收件人信息。

不能将邮箱服务器或客户端访问服务器角色添加到安装了边缘传输角色的计算机。如果安装任何服务器角色，将自动安装管理工具。

具体过程请参考下面文档：

https://technet.microsoft.com/ZH-CN/library/dn635117(v=exchg.150).aspx

姓名：胡娟

学号：20021110092

【嵌牛导读】

为了适应移动设备数量的激增和不断增长的数据流量需求，大多数企业场所（如企业、机场和校园）都部署了大规模的 WiFi 系统，为用户提供室内的大范围覆盖和高速互联网体验。作者在本文中针对一个校园网大型 WiFi 系统进行数据分析和建模，以期最大化系统的长期缓存收益（long-term caching gain），即减少回传流量（backhaul traffic）的总量。作者首先对收集到的大量用户网络连接记录数据进行了深入的统计分析，并提出名为   LEAD   的缓存部署策略（Large-scale wifi Edge cAche Deployment），在该策略中，作者首先将大型 AP 群集到大小合适的边缘节点中，然后对边缘级别的流量消耗进行静态测量，并对流量统计数据进行采样，以便精确地描述未来的流量状况；作者最后设计了TEG（Traffic-wEighted Greedy）算法来解决长期缓存收益最大化问题。文章进行了大量以轨迹为驱动的仿真，结果证明了 LEAD 的有效性。

【嵌牛鼻子】

LEAD（Large-scale wifi Edge cAche Deployment）,TEG（Traffic-wEighted Greedy）

【嵌牛正文】

大规模WiFi系统边缘缓存部署策略主要挑战：

想要在大规模 WiFi 系统中以经济高效的方式部署边缘缓存，在以下三个方面非常具有挑战性。第一，在大规模的 WiFi 系统中部署边缘缓存要耗费大量的人力和时间资源，不太可能在每个 AP 上部署边缘缓存。因此，高效的缓存配置策略非常重要。第二，AP 的部署范围很广，在用户连接记录和流量消耗方面可能会有明显的特征。如何将有限的缓存存储预算分配给更多的用户，同时减轻后台的负担并不是一件轻而易举的事。一方面，如果将过多的缓存分配给用户关联较少的 AP ，则会浪费缓存资源；另一方面，对于那些用户频繁连接并消耗密集数据流量的热门 AP ，为其分配不足的缓存存储空间可能无法充分释放边缘缓存的潜力。第三，由于网络的动态和用户移动性，接入点的流量消耗是随时间动态变化的，而缓存部署是静态的一次性解决方案，因此在不知道未来流量状况的情况下，很难长期保持最高的缓存收益。

系统描述和问题定义

作者在其所在校园内的 WiFi 系统中进行了大量的数据收集和实验，该 WiFi 系统由 30925 区域中的 8000 个 AP 组成，可为 40000 多个用户提供网络连接服务，系统的架构如图 1 所示。

作者首先提出了一个大规模的 WiFi 缓存增益最大化（Caching Gain Maximization）问题：给定总的缓存存储预算 C ，如何将它们分配给大型 WiFi 系统中的 AP ，使总时间内减少的总回程流量最大？我们将长期持续时间划分为 T 个连续的时隙，并假设系统中有 N 个 AP，记为 。另外，对于  ，假设在时隙 t 期间有 个用户与 AP 建立了连接，表示为。因此，CGM 问题可以表述为：

数据收集和分析

作者持续两个多月，在 7710 个 AP 中收集了 41119940 条网络连接记录，覆盖 36952 个用户，总数据大小超过 35 GB。通过对数据的深入分析，得出以下结论。

1． 广泛的流量消耗

图 2 显示了 5月8日 - 6月8日以及 6月9日 - 7月9日每个 AP 的平均每日流量消耗，可以看出，两条曲线非常接近，这意味着每天的流量消耗规律相似，如果缓存初始部署策略设计得当，缓存收益可以长期维持。在两条曲线中，每日流量消耗的比例在 KB 和 KB 之间占 90％以上，流量消耗大于 KB 的总比例不超过 10％，这意味着如果可以在流量消耗非常大的那几个 AP 上正确部署缓存，则可以获得相当可观的缓存收益。

2． AP 受欢迎程度呈指数型分布

作者在本文中提出 AP 流量加权熵的概念来量化一个 AP 的受欢迎程度。具体来说，在某个时间段内与一个 AP 建立连接的用户数越多，消耗的流量越多，则流量加权熵越大，代表受欢迎程度越高。图3展示了两个月中所有 AP 的流量加权熵，可以看出具有相对较大的流量加权熵值（即非常受欢迎）的 AP 的比例很小。这启发我们仅在少数具有最大流量加权熵值的 AP 上部署更多的缓存资源，以提供缓存服务，会取得更好的缓存收益。

系统设计

一、 LEAD 策略设计

作者根据上述的数据收集和分析，设计了名为 Clustering Edge Nodes 的聚簇缓存节点策略：根据 AP 的物理位置，将相邻的 AP 聚集成大小合适的边缘节点。当建筑物较小，例如少于 20 个 AP 时，只需在该建筑物中部署一台边缘缓存服务器，即可通过将服务器连接到这些 AP 的 PoE 交换机来覆盖该建筑物中的所有 AP。对于可能具有超过 100 个 AP 的大型建筑物，我们将每个楼层划分为不同的边缘节点，即同一楼层中的 AP 由于物理上彼此靠近而被聚集成一个边缘节点，并且适合于应用边缘节点缓存部署。根据 GPS 定位，作者将分布于校园中 201 座建筑物上的 7710 个 AP 划分到 667 个边缘节点，并在这些节点上进行边缘缓存的部署。

二、 TEG 算法提出

经过作者的数据分析得到两个主要结论：第一，每个 AP 的流量消耗在很大的范围内变化，并且 AP 比例在该范围内平均分布，这表明应根据基础流量需求对缓存大小进行异构分配；第二，与单个 AP 相比，一组 AP（按物理位置划分集群）的流量消耗更加稳定，这意味着短期流量统计信息可用于推断未来的长期流量状况。

于是作者提出使用短期流量消耗平均值 来近似代替边缘节点 的未来长期流量消耗期望，于是可将 CGM 问题重写为：

作者设计了 TEG 算法，以贪心策略迭代地分配缓存存储。具体来说，如图5所示，给定总的缓存存储预算 ，我们首先分配缓存预算的第一个节点 ，使 处的缓存收益最大，即 ,以此类推,直到没有缓存预算可用，得到最终缓存分配结果  。TEG 算法的时间复杂度为 ，考虑到缓存的部署是一次性的解决方案，该复杂度是可以接受的。

作者使用 5月8日至 6月8日的用户连接数据作为训练数据集求得 ，将 6月9日至 7月9日的数据作为测试数据集来评估系统性能。作者选取了三种基准策略与本文提出的 LEAD 策略进行对比：Optimal（在已知未来流量消耗下的最优分配策略，这种策略无法实现，仅作为 CGM 问题的上限参考）、Equipartition（系统提供商通常会采用的策略，总缓存预算平均分配给每个边缘节点）、Demographics（根据用户密度分配缓存）。作者以缓存收益率（Caching gain ratio，成功缓存的流量与总消耗流量的比值）为指标来衡量以上四种算法的好坏，结果如图 6所示，可以看出 LEAD 缓存部署策略远远优于 Equipartition 和 Demographics 策略，并已非常接近最优策略，证明了本文策略的有效性。

论文出处：

Lyu F , Ren J , Cheng N , et al. Demystifying Traffic Statistics for Edge Cache Deployment in Large-Scale WiFi System[C]// 2019 IEEE 39th International Conference on Distributed Computing Systems (ICDCS). IEEE, 2019.

据IDC数据显示，过去一年，中国边缘计算服务器市场爆发式增长了266.3%，这意味着当前中国企业的IT架构正在迈向一个云网融合、混合多云、边缘计算等多架构并存的全新阶段。为帮助企业更好的应对数字化转型下的架构变革，7月18日联想正式发布全新边缘服务器ThinkServer SE550 V2，这款双路2U边缘服务器具备强大的计算性能和丰富的扩展能力，能够为企业边缘端应用和场景提供专业计算平台支持。

联想ISG中国战略及运营高级总监、智能边缘中国事业部总经理杨春表示：“边缘计算将在企业未来的数字化转型中发挥关键作用。联想正在将边缘计算业务上升到公司战略高度，致力于成为行业领先的边缘计算方案提供商。联想ThinkServer SE550 V2边缘服务器凭借强大的性能、丰富的扩展能力和稳定的可靠性，能够释放边缘端的强大算力，点燃边缘人工智能、边缘网络、边缘云、边缘加速等典型应用的智慧场景。”

近年来随着人工智能、5G、物联网等信息技术的不断发展，海量的数据被逐渐释放，仅依靠传统集中式的云计算架构难以解决企业低延时、本地化、高频次的计算需求。而边缘计算技术由于融合了边缘侧计算、存储、网络能力，能够在数据产生端就近提供边缘智能服务，从而满足用户和行业数字化所面临的敏捷链接、实时业务、智能应用、数据安全等关键需求，因此受到了众多企业的青睐。据Gartner预测，到2025年，约75%的企业数据将不通过数据中心，而是直接在边缘进行计算。

目前，我国智能制造、智慧零售、智慧园区、智慧城市等行业的智能化转型正在加速，这些复杂的场景对边缘计算设备的性能要求极高。比如在智能制造领域，利用边缘服务器作为载体，将机器视觉运用到产品质检过程中，智能实时处理海量图片数据，能够实现生产线的管理优化。作为计算平台的核心硬件之一，能够应对复杂多样的业务需求，面向特定场景的边缘服务器应运而生。

联想ThinkServer SE550 V2边缘服务器不仅满足运营商OTII边缘服务器的众多标准，配合联想“端-边-云-网-智”的全要素能力，还能为用户提供从软件到硬件的整套解决方案。联想ThinkServer SE550 V2支持最多两颗Intel Xeon 第三代可扩展处理器，每个处理器数量最多32核，并且支持NVIDIA专业GPU，为边缘人工智能的场景应用提供强大算力支持。此外，联想ThinkServer SE550 V2也可像普通2U机架式服务器一样，为用户的虚拟化、数据库、云计算和AI等应用场景提供强大的算力支撑。

联想ThinkServer SE550 V2实现了便携性与扩展性的平衡。联想ThinkServer SE550 V2采用短机箱设计，相比传统机架式服务器能够节省部署空间。同时，联想ThinkServer SE550 V2支持16个DDR4内存插槽，内存频率最高可支持到3200 MHz，整机内存最大可扩展到1TB。在硬盘容量方面，联想ThinkServer SE550 V2最多支持八个2.5英寸热插拔硬盘，最多两个内置M.2高速固态硬盘，配合Lenovo Anybay技术，可在同一驱动器托架内灵活混搭SAS/SATA/NVMe硬盘，实现灵活扩展。

相比云端服务器，边缘服务器需要深入各类行业使用场景，应对不同的温度、工业环境等需求对产品进行设计和优化。基于联想在服务器领域多年的技术积累和品质追求，联想ThinkServer SE550 V2对可能存在的极限场景进行了针对性提升——通常产品工作温度范围为常温，而联想ThinkServer SE550 V2支持宽温使用，能够在45 高温中保持长期高效运行。同时，联想ThinkServer SE550 V2还通过了地震烈度测试，能够保证在极端情况下的数据安全和使用稳定。

边缘计算是联想重点聚焦和投入的核心技术领域之一，不久前联想正式成立智能边缘事业部，基于对产业趋势的洞察和用户需求的研究，联想正式发布智能边缘计算品牌“慧天”。同时，联想将充分整合其在边缘计算领域的硬件、软件、方案及服务，致力于成为业界领先的全栈式智能化边缘计算方案提供商。目前，联想已为智能制造、智慧城市、智慧园区、智慧教育、智慧医疗、智慧金融等领域的众多企业提供智能边缘计算服务。

在“ 科技 赋能中国智能化转型”的愿景下，联想中国区基础设施业务群将继续围绕“1248”战略全景，在边缘计算领域持续攻坚，打磨成熟的边缘计算解决方案，为千行百业客户提供绿色、敏捷、高效的“新IT”智能架构，助力中国企业迈向数字化转型新阶段。

---