承接上文介绍了雾计算的简单的应用和由来，下文将会介绍物联网的一个重要技术 - 边缘计算（Edge computing）。下文将会阐述边缘计算的由来，并介绍它与物联网的关系，而且会利用无人驾驶作为用例，介绍云计算的短处和边缘计算的应用。
先定义一下边缘计算（wikepedia，2019）：
这里提到很多艰涩的专业名词，例如是“分散式运算”，“节点”等，其实只是描述：边缘技术是一种技术将大型应用程式的一部分转移到（即分散式运算）日常设备中处理（即边缘节点中）。
在云计算的典型结构中（如上图），通常可分为“云（云层） - 网（雾层） - 端（边缘）”三层。“端”这一层覆盖所有终端的应用程式，亦通常是被管理的角色。当云计算一计算出结果，就会到透过“网”层，将指令发送到“端”层的应用程式执行，而应用程式收到数据后，则会发送到“云”层作计算。
而边缘计算则可以想像为给予“端”层一定程度的“自治”。在边缘计算的架构中，终点被赋予简单的存储和计算能力（与雾计算不同，这里重点是“简单”的功能） ，令它能偶尔脱离云的管理，并根据环境数据作出回应。
增加终端系统简单的计算和存取能力看似一小步，但其实这个布局有着莫大的好处，当中包括：
- 低延迟：数据由近场产生，能快速回应
- 独立性：在没有网络连接下，系统亦能运作
- 合规性：无需传送用户资料，保护个人数据
- 简化数据：终端先处理部份数据，数据简化后才向云服务器传输
- 安全性：数据传输减少，减少网络安全风险
无人驾驶是边缘计算其中一个经典用例，亦是一个很好例子说明云计算的短处和为什么需要边缘计算。
下图展示的是常用的云计算架构，当中包括1）一架智能汽车（客户端），并且正在使用无人驾驶功能，2）互联网（Internet），用作传输数据，以及3）云服务（云计算）服务器），用作提供无人驾驶服务。
假设汽车正在以60ms-1的速度行驶，并在起始位置感测到前方3m有阻碍物。由于汽车正在使用云计算的架构，汽车本身并没有分析的功能，汽车会将感测到的影像 传送到云服务器中作分析（步骤1）。
很不幸地，由于汽车现在在北区甚远，信息在005s后才能到云服务 无上停驶，但也要经过005s才能将指令发送到汽车上执行（步骤2）。
在这段发送信息到回收指令的过程中（~01s），汽车会继续以均速行驶（60ms-1），并到6m后（= 60ms-1×01s）才会收到指令停下来 。而且会撞到在3m前的路人，酿成车祸。
汽车在起始位置感测到前方3m有阻碍物，会立刻执行停车指令（步骤1）。然后再发送影像和决策内容到云服务器中作进阶分析（步骤2），以改善无人驾驶性能。 （注：这里看似与雾计算方式相似，但在过程中，应用程式没有作任何的数据分析，只根据感应器内容作出回应。若然是雾计算的话，感应器信息会发送到雾服务中，再作分析，然后通知终端设备作出回应。）
由此可见，云服务器距离数据产生的位置较远，因此会造成较大的延迟。而无人驾驶这些需要实时作出决策的活动，则很大机会需要使用边缘计算，使计算的服务靠近产生数据的源头，做到计算更接近实际行动。
随着科技的进步，数据传输速度的快速提升，不少日常物品，例如是家用电器，车辆等，都已经嵌入感测器，并透过网络接结与互联网交换资讯，形成了庞大的物件网络（即物联网）。
物件会在运行时会收集到大量的环境数据。有些人会问，为什么不把数据都在本地（local drive）处理，其他数据再传到云服务做储存。这可能是其中一个可以实行的方法，但如果所有数据都在本地处理，物件本身要设有很多的存储装置和处理服务器。这会大大增加电力消秏和物件重量，增加成本。
因此，最好的方法是结合云计算和边缘计算的优势做出最佳的配置。在一些决定物件重大安全性的事件（例如如上文无人驾驶例子的刹车）可将决定的主导权放到边缘上，其他没有急切性的事情，则放到云服务器低成本集中处理。透过云与边缘的良好分工，大大减少成本，亦能提高运算效率。边缘计算的特点包括：
1、可以提供更快的响应时间，因为数据不需要从中央位置传输到边缘；
2、可以减少存储和带宽成本，因为只需要将少量数据传送到中央位置；
3、可以改善安全性，因为数据不会通过公用网络进行传输。
4)、可以大大减少对云服务的依赖。
5)、可以在物理位置上处理和分析数据。
6)、可以带来新的应用场景如物联网、机器人、无人机、工业40和连接式自动驾驶汽车。我们在讲泛在电力物联网，人工智能的时候，常常会跟大数据，云计算相关联，但我们却忽略了边缘计算。
什么是边缘计算呢？边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。
那么边缘计算有什么好处呢？对于物联网而言，边缘计算技术的应用意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。可以大大提升处理效率，减轻云端的负荷。由于更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决。
边缘计算还可以根据现场进行个性化定制，针对不同的用户需求进行功能设计，针对用户的 *** 作习惯制定流程。可以让每一个物联网应用更加切合实际！边缘计算的数据还可以上传到云端，进行大数据整合，更好的分析决策！
在泛在电力物联网领域，边缘计算的应用，可以针对不同场所进行个性化定制功能。在遇到一些情况需要处理的时候可以快速的在现场进行处理，而不是先上传到云端，云端再返回处理，这样可以大大减少反应时间。在一些重大故障需要紧急处理的时候，反应快慢变得尤为重要！边缘计算是一种分布式计算架构，其基本思想是将计算和数据处理推向网络边缘，即在数据产生的地方或离数据产生地方最近的设备上进行计算和数据处理，以提高响应速度、降低延迟和减轻云计算中心的压力。边缘计算的本质是将数据处理从云端转移到离用户更近的边缘设备上，这些设备可以是智能手机、传感器、智能家居等智能设备。
边缘计算的实现需要依赖各种技术，包括网络连接技术、计算和存储技术、安全和隐私保护技术等。边缘计算的主要目标是实现低延迟、高可靠性和高效性，以满足实时计算和处理需求，同时减少数据在传输过程中的安全风险。
边缘计算的应用场景非常广泛，包括智能交通、智能制造、智能家居、物联网、机器人等领域。边缘计算在这些领域中能够实现快速响应、实时数据分析和决策、降低延迟和提高网络安全性，从而有望推动各种行业的数字化转型和智能化发展。
经过长时间的积累，边缘计算终于迎来了瓜熟蒂落的时刻。随着底层技术的进步和应用的不断丰富，国内外运营商和产业企业均进入到MEC商用落地阶段。进入2019年，国内三大运营商开展了积极的边缘计算试点和部署工作。例如，中国移动发布边缘计算“Pioneer300”先锋行动；中国电信打造边缘计算开放平台ECOP，构建边缘云网融合的网络服务平台及应用使能环境；中国联通展示业界首个“MEC智慧水利”案例。
运营商和企业特点各异
进入2019年以来，边缘计算呈现出了突飞猛进的发展势头，那么边缘计算何时将进入大规模部署阶段？
李开认为，要解答上述问题，首先需要理清边缘计算部署的位置。九州云认为，边缘计算是一个业务驱动的技术，失去了业务驱动，边缘也就失去了意义，因此需要解答的第一个核心问题是边缘计算的驱动力从何而来？
在李开看来，边缘计算主要有运营商和企业两大驱动来源，其中前者来自于对5G场景的落地，后者来自于自身借助5G提升的落地，它们的差别如下。
第一，前者是必然要推动的，后者是可以选择的。第二，前者的边缘架构是相对聚焦的，而且有ETSI MEC标准等可以参考，有StarlingX、Tacker、Airship等开源框架作为起点；后者是相对长尾的，要跟随业务场景摸索，开源框架作为起点只能解决平台问题，不能解决应用问题。第三，前者是从上而下的布局，后者是自下而上的驱动。第四，前者覆盖所有边缘应用，注重边缘分发平台的打造甚于单个应用场景的优化；后者注重实际单个应用的落地，更加能够轻装上阵。第五，前者的时间能够降维并为企业边缘架构所复用，后者的实践无法升级成为前者的架构。
由于运营商市场和企业市场特点相异，因此其进入大规模部署阶段的时间点也不会相同。
李开表示，运营商边缘计算的大规模部署与5G息息相关。受5G牌照、技术、采购和场景选择等多种因素影响，各大运营商的时间点各不相同，但是边缘平台肯定优先于5G至少1年进行试点和局部部署。“这个时间点大概会在2019年下半年和2020上半年到来。”李开认为。
就企业市场而言，其受零售、物流、医疗等企业需求的推动，虽然现在基于4G的边缘网络相较于5G在边缘适配上有一定的天然劣势，但是作为试点却是在一定条件下可以实现的。李开认为，企业的边缘框架和运营商框架相类似，只是在网络延时等条件上有一定折扣，在应用丰富程度上有一定收敛，在空间覆盖上相对局限，但在与企业内设备通信更加复杂。“即使现在企业有独自实现边缘框架的可能性，但是在边缘网络尚不规模具备、需求还需要磨合的情况下，可能要等到2020年下半年才真正具备大规模部署的能力。”李开认为。
物联网成边缘计算最强劲驱动力
物联网是边缘计算的主要应用场景，也是驱动边缘计算的主要动力所在。正因为如此，人们往往把边缘计算和物联网混在一起，但实际上两者虽有联系却并非完全重叠。
在李开看来，物联网和边缘计算有相同之处。例如，海量设备数据的导入可能导致数据爆炸问题需要解决；海量设备所在的物理世界需要在数字世界产生一个“数字孪生（Digital Twins）”，如IoT Shadow、VR对真实世界的复原、自动驾驶对驾驶环境的模拟等，用来模拟物理世界的运行模式。
李开表示，边缘计算和物联网的不同之处也很明显：第一，物联网产生的数据爆炸不一定会产生海量数据，如NB-IoT和LoRa也可以适配物联网，而边缘的主要能力是海量数据的传输；第二，物联网不一定需要低延时，而边缘计算必然强调低延时；第三，物联网大部分基于Internet（核心网），而边缘计算是独立于Internet（核心网）的网络切片，边缘网络安全性更高；第四，物联网未必产生数字视觉，而数字视觉造成的数据则是边缘的一个核心能力。
因此在李开看来，边缘网络落地的行业必然是在和“物”打交道的场景中，同时具备海量数据、低延时、高安全等需求的场景，如工业生产执行系统、工业缺陷识别系统、自动驾驶、AR/VR、远程医疗等。李开表示，九州云所接触到的客户则主要集中在工业制造领域，他们对于工业生产执行系统、工业缺陷识别系统的需求比较强烈。
开放架构加速边缘计算落地
在边缘计算落地过程中，运营商侧重于解决平台问题，打造边缘应用的承载商店和网络，因此非常重视平台的打造和开放。
李开表示，多种开放框架可以支持边缘平台的打造，如StarlingX（OpenStack + K8S）支持边缘基础架构（Edge-IaaS），Tacker、Airship等支持边缘编排（Edge MANO）等，基于这些技术可以打造符合ETSI MEC参考架构的边缘管理平台。九州云在这几个领域都积极参与，是StarlingX/Airship的中国发起单位之一，并在StarlingX拥有全球技术委员会的席位，在Tacker等编排技术上，九州云是全球第一的上有源码贡献厂商。
李开认为，开放边缘平台能力给垂直行业企业，必将产生很好的商用效果。因为开放架构有利于自主的边缘核心能力，提升竞争力。在边缘计算领域，运营商在“硬管道”（边缘基础网络）上具备无可替代的优势，由于边缘网络并不暴露在Internet上，这一优势无法被互联网企业在OTT方面利用，边缘为运营商造就了一个可以直接将触角延伸到最终用户，并重新发现价值的能力。而边缘平台则是“软管道”，运营商必然需要掌控核心能力，基于开放架构而不是商业架构，为运营商带来更好的控制力，加速平台的成形。
此外，开放架构有利于更好地复用运营商原有技术积累，加速落地边缘的编排、边缘云的优化、边缘接口的标准化等技术。事实上运营商在已经完成的NFV架构改造中已经积累了很多，如基于TOSCA的网元编排，适配OSS的接口对接，基于GPU、DPDK的性能加速等，运营商都是基于OpenStack的架构进行优化的，因此在边缘领域坚持开放架构，有利于运营商技术上的继承和复用，加速落地。
切忌“为了边缘而边缘”
边缘计算目前已经到了规模应用的前夕，而要实现规模部署，李开认为边缘计算还需要克服如下挑战：第一，边缘的部署位置，以及与边缘VNF/PNF的整合；第二，边缘机房的改造（直流、空间、制冷）、容量估算（基站接入数、带宽）和安全防护升级；第三，边缘的高可用如何解决；第四，边缘的接入模式（专线、LTE、IOT）和终端的位置（以企业为单一终端还是以设备为单一终端）；第五，边缘运维模式和现有网络运维、业务运维、云运维模式的整合，云边协同如何落地。
对于落地垂直行业，李开认为前景虽然明朗，但是也存在一些担忧，主要是“为了边缘而边缘”，即没有商业驱动、只是为了和热点结合引入的边缘计算。“技术问题其实都能够通过积累解决，应用刚需是无法通过技术刚需创造的。”李开认为。而要解决这些担忧，则需要审慎识别客户需求，即是否与“物”打交道的场景，是否具备海量数据、低延时、高安全等需求的场景。
此外，安全也是运营商边缘的优势之一，边缘网络通过网络切片模式实现，是不暴露在互联网上的网络，相对来说更加安全，当然边缘网络自身的安全防护也需要加强，这个模式与核心网的安全加固在技术上有相同之处，新的威胁是针对边缘应用的访问模式，对边缘机房（汇聚或者接入）安全防护能力的升级。
九州云：边缘计算弄潮儿
李开介绍，九州云成立于2012年，是中国第一家从事OpenStack和相关开源服务的专业公司。作为边缘计算的积极探路者，九州云在边缘计算领域积极布局。九州云为运营商打造符合ETSI MEC标准规范的、基于开放架构的边缘平台，九州云在2018年6月成为“中国联通边缘生态合作伙伴”，在2018年10月成为“中国移动边缘开放实验室”的成员，面对运营商客户，九州云主要提供全面解决方案和服务，主要涵盖“边缘应用调度管理平台”“边缘基础架构平台”两大领域。
李开表示，九州云对于边缘计算的商业模式 探索 ，主要集中在工业领域，依托开放框架、低延时边缘网络、大数据处理能力，为客户提供工业数字孪生（Digital Twins）能力，客户包含西格数据、海德控制、格力电器（和中国联通合作）等工业领域客户，其“工业智能管理边缘云平台”获得了2018年度制造业信息化优秀智能制造解决推荐方案，“基于OpenStack的刀具检测于寿命预测管理边缘计算平台”也获得了中国自动化学会“CAA智慧系统创新解决方案”等荣誉。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）