邊緣計算（Edge Computing）—— 物聯網的下一個爆發點

邊緣計算是5G時代和物聯網時代必須考慮的業務領域，具有廣闊的市場前景。作為對通信產業、互聯網產業、IT產業感興趣的朋友，千萬不可錯過邊緣計算的浪潮。那么邊緣計算到底是什么？

什么是邊緣計算？

邊緣計算(Edge computing )是一種在物理上靠近數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務的計算模式。

邊緣計算發生的位置稱為邊緣結點，它可以是數據產生源頭和云中心之間任一具有計算資源和網絡資源的結點。比如，手機就是人與云中心之間的邊緣結點，網關是智能家居和云中心之間的邊緣結點。

為了更形象的理解邊緣計算，我們先看一下天生的“邊緣計算”能力者——章魚。

章魚擁有巨量的神經元，但有60%分布在章魚的八條腿（腕足）上，腦部卻僅有40%。

也就是說章魚擁有類似于分布式計算的一個大腦和多個小腦。大腦類似云中心結點，小腦即章魚的爪子就類似邊緣結點。

邊緣計算也屬于一種分布式計算，將數據資料的處理、應用程序的運行甚至一些功能服務的實現，由網絡中心下放到網絡邊緣的節點上，就近處理數據，而不需要將大量數據上傳到遠端的核心管理平臺。

為什么需要邊緣計算？

物聯網在各個領域蓬勃發展，萬物互聯的時代漸行漸近。但是隨著業務的發展，物聯網設備的迅速增加，逐漸發現基于云計算的方式無法滿足很多場景的實際需求。

1. 海量數據對網絡帶寬造成巨大壓力

云中心具有強大的處理性能，能夠處理海量的數據。但是，隨著物聯網的發展，現在幾乎所有的電子設備都可以連接到互聯網，這些電子設備會后產生海量的數據，將這些海量的數據傳送到云中心成了一個難題，這對于網絡帶寬是個巨大的挑戰。

2. 聯網設備對于低時延、協同工作需求增加

云計算模型的系統性能瓶頸在于網絡帶寬的有限性，傳送海量數據需要一定的時間，云中心處理數據也需要一定的時間，這就會加大請求響應時間，用戶體驗極差。而在新興的物聯網應用場景中，比如實時語音翻譯，再比如無人駕駛汽車，對響應時間都有極高要求，依賴云計算并不現實。

3. 聯網設備涉及個人隱私與安全

終端設備中的大量數據會涉及到個人隱私，傳到云中心會大大增加數據安全風險。

如果能像章魚一樣，采用邊緣計算的方式，海量數據則能夠就近處理，大量的設備也能實現高效協同的工作，諸多問題迎刃而解。因此，邊緣計算理論上可滿足許多行業在敏捷性、實時性、數據優化、應用智能、以及安全與隱私保護等方面的關鍵需求。

邊緣計算的類型

在部署邊緣業務時，有三種類型的邊緣情景需要考慮。分別是個人邊緣（personal edge）、業務邊緣（business edge）、云邊緣（cloudy edge）。

1. 個人邊緣

個人邊緣計算圍繞著我們個人，有時就在我們的身邊，就在我們的家里；例如智能手機、家庭機器人、智能眼鏡、醫療傳感器，穿戴手表、智能音箱、其它家庭自動化系統。

個人邊緣設備一般情況下是移動的，所以又稱為移動邊緣計算（MEC)，需要考慮續航能力、網絡切換及離線條件的特性。

2. 業務邊緣

業務邊緣用于匯聚個人邊緣設備的信息，機器人、傳感設備等信息在此處匯集并處理。此類設備可以部署在辦公區域或家庭區域，用于支撐區域范圍內的信息集中、交互、處理。

3. 云邊緣

一個復雜的物聯網應用，將會涉及到多個云平臺的協同。語音處理、人臉識別、醫療人工智能等垂直云平臺的興起，提高了物聯網的智能化，但是對平臺間的協作也提出更高需求。云邊緣相當于在不同云平臺側提供數據解析、數據交互、數據協同的功能。

邊緣計算的優勢

對比云計算在物聯網發展中表現出的不足，邊緣計算的優勢就顯而易見了。說白了，邊緣計算就是沖著痛點來的。

1. 省心省力省流量

· 大量的計算任務能夠在數據產生的源頭附近處理，這大大緩解了網絡的傳輸壓力。

· 同時也減小了數據中心的壓力。

2. 實時快速效率高

· 邊緣計算分布式以及靠近設備端的特性注定它實時處理的優勢，所以它能夠更好的支撐本地業務實時處理與執行。

· 任務是在邊緣處理的，因此，數據在網絡中傳輸的時間急劇減少，用戶得到響應的時間會更快。

3. 智能安全更節能

· 在家庭或者其他相對隱私的環境而言，我們一般不希望自己的隱私數據上傳到云中心，由云中心去解決相關問題。我們更希望這種計算任務能夠在本地去解決，這樣可以更好的保護隱私數據。

· 把部分計算任務從云端卸載到邊緣之后，整個系統對能源的消耗減少了30%-40%。

· 利用多個邊緣結點協同合作，即能保證高效解決問題，又能平衡數據隱私性問題和數據在網絡中傳輸的成本問題

邊緣計算面臨的挑戰

任何事物都是雙刃劍，邊緣計算擁有明顯的優勢，自然也會面臨不小的挑戰。

1. 邊緣節點的通用計算能力

理論上，可以在位于邊緣設備和云平臺之間的某幾個節點上完成邊緣計算，包括接入點、基站、網關、業務節點、路由器、交換機等。但由于平臺異構問題，每一個網絡的邊緣都是不一樣的，計算任務分到各種不同平臺的邊緣節點上。不同節點運行時間不同，程序開發者面臨著巨大的困難。如何開發跨越不同環境的可移植的解決方案，以支持通用計算需求是一個重大挑戰。

2. 尋找邊緣并分配任務

· 到2020年將有500億的終端和設備聯網，除了邊緣設備與終端聯網最大的“異構”特征之外，產品生命周期越來越短、個性化需求越來越高、全生命周期管理和服務化的趨勢越來越明顯，這些新趨勢都需要邊緣計算提供強大的技術支撐。

· 如何在分布式計算環境中發現資源和服務，并有效的分配任務是一個有待拓展的領域。為了充分利用網絡的邊緣設備，需要建立某種發現機制（如命名機制，網絡協議等），找到可以分散式部署的適當節點，實現動態、大規模地部署運算和存儲能力以及云端和設備端的高效協同、無縫對接。

· 這些機制必須在不增加等待時間或損害用戶體驗的前提下，實現不同層次和等級的計算工作流中無縫集成，原有的基于云計算的機制在邊緣計算領域不再適用。

3. 數據存儲和管理

· 在物聯網環境中會有大量的數據生成，這些數據應該是可以被應用程序讀寫和操作的，由于物聯網中事物的異構性，生成的數據是各種格式的，把各種各樣的數據格式化對邊緣計算來說是一個挑戰。

· 邊緣節點的存儲能力是有限的，因此邊緣節點如何處理這些數據，以及如何保存這些數據成了問題的關鍵。如果篩選掉過多的原始數據，將導致邊緣結點數據報告的不可靠，如果保留大量的原始數據，那么邊緣結點的存儲又將是新的問題。

4. 服務質量(QoS)和服務體驗(QoE)

· 邊緣節點的服務管理需要保證一個高效可靠的系統。需要確保邊緣節點實現高吞吐量，并且在承接額外計算工作量時運行可靠；能夠提前檢測到具有高風險的節點，從而避免節點的丟失都有可能導致服務的不可用的風險；節點之間要能夠互通狀態和診斷信息，保證數據在傳感和通信方面的可靠性等。

· 不同的服務應該有差異化的優先級。比如，有關事物判斷和故障警報這樣的關鍵服務就應該高于其它一般服務，有關人類身體健康比如心跳檢測相關的服務就要比娛樂相關服務的優先級要高一些。

· 物聯網中的物品都是動態的，向物聯網中添加或刪除一件物品都不是那么容易的，服務缺少或者增加一個新的結點能否適應都是待解決的問題，這些問題對于邊緣OS的高擴展性和靈活設計是一個挑戰。

5. 開放安全地使用邊緣節點

安全橫跨云計算和邊緣計算，需要實施端到端的防護。由于更貼近萬物互聯的設備，網絡邊緣側訪問控制與威脅防護的廣度和難度因此大幅提升。邊緣側安全主要包含設備安全、網絡安全、數據安全與應用安全。此外，關鍵數據的完整性、保密性是安全領域需要重點關注的內容。

· 如果把終端設備(例如交換機、路由器和基站)當作可共享接入的邊緣節點，則需要解決許多問題：

· 需要定義邊緣設備使用者和擁有者相關聯的風險。

· 當設備用于邊緣計算節點時，設備的原有的功能不能被損害。

· 邊緣節點上的多重用戶都需要將安全性作為首要關注指標。

· 需要向邊緣節點的用戶保證最低服務水平，對于不同的應用設置權限，對私密數據的訪問加以限制。

· 需要考慮工作負載、計算能力、數據位置和遷移、維護成本和能源消耗，以便建立合適的定價模型。

機遇與挑戰并存

物聯網的發展和云計算的瓶頸推動了邊緣計算的興起，在邊緣結點處理數據能夠提高響應速度，減少帶寬，保證用戶數據的私密性。邊緣計算仍處于起步階段，有可能為更高效的分布式計算鋪平道路。盡管在實現邊緣計算時出現了不少挑戰，但邊緣計算將會催生更多的發展機遇。

· 標準、基準和市場：統一數據連接和數據聚合是業務智能的基礎，面對當前工業現場存在的多樣化與異構的技術和標準，離不開跨廠商、跨領域的數據集成與互操作。

· 架構和語言：隨著支持通用計算的邊緣節點不斷增加，開發框架和工具包的需求也會隨之增長。

· 輕量級庫和算法：由于硬件限制，邊緣節點不支持大型軟件，邊緣分析需要輕量級算法，可以進行合理的機器學習或數據處理任務。

· 微型操作系統和虛擬化：基于微型操作系統或微型內核的研究以及容器技術(如Docker)的成熟可以解決在異構邊緣節點上部署應用的挑戰。

· 產學研合作：邊緣計算領域的研究可以由行業合作伙伴(例如移動運營商和開發人員、軟件工具開發商和云服務提供商等)以及感興趣的學術合作伙伴共同驅動，以實現雙方的共同利益。

本文為網絡轉載，不代表公司立場。如有侵權或其他問題，請聯系刪除！