一、技术进步为布署边缘计算提供了可能
图1
在物联网场景下，每个智能设备都会产生大量的数据，传输如此海量的数据从本地到云端，则需要消耗大量的网络带宽。为了加快服务和计算处理数据的时间，将计算从云端移向采集数据的边缘节点则是必然之选。
如上表所示，在30年前，计算通常发生在资源集中的大型机上。而20年前，随着PC的发展，C/S架构变得流行，任务处理变成分布式模型，客户端处理业务逻辑，数据库存储和交换数据。又经过10年的发展，为了提升用户体验、提供更敏捷的软件升级和改进，B/S架构占据主流，业务处理和存储又集中到了云端完成。现今，随着连入云端的智能设备越来越多、数据量越来越大，而且智能设备芯片的运算能力越来越强，这为使用边缘节点完成对初始数据的处理和分析便提供了必要的条件。
二、怎么布署边缘计算
在物联网场景下，每个智能设备都会产生大量的数据，传输如此海量的数据从本地到云端，则需要消耗大量的网络带宽。为了加快服务和计算处理数据的时间，将计算从云端移向采集数据的边缘节点则是必然之选。其实，在大数据场景下，将计算部署到靠近数据的节点早有先例。Hadoop中的MapReduce就是通过将mapper和reducer部署到数据存储的节点，从而高效的处理HDFS中存放的海量数据。
边缘计算环境是构成物联网生态系统的诸多元素的一个子集，它剔除了管理、安全和分析功能。边缘计算是联接物理世界和虚拟世界的一道“桥梁”。
图2
如上表所示，在30年前，计算通常发生在资源集中的大型机上。而20年前，随着PC的发展，C/S架构变得流行，任务处理变成分布式模型，客户端处理业务逻辑，数据库存储和交换数据。又经过10年的发展，为了提升用户体验、提供更敏捷的软件升级和改进，B/S架构占据主流，业务处理和存储又集中到了云端完成。现今，随着连入云端的智能设备越来越多、数据量越来越大，而且智能设备芯片的运算能力越来越强，这为使用边缘节点完成对初始数据的处理和分析便提供了必要的条件。
图3
在物联网场景下，每个智能设备都会产生大量的数据，传输如此海量的数据从本地到云端，则需要消耗大量的网络带宽。为了加快服务和计算处理数据的时间，将计算从云端移向采集数据的边缘节点则是必然之选。其实，在大数据场景下，将计算部署到靠近数据的节点早有先例。Hadoop中的MapReduce就是通过将mapper和reducer部署到数据存储的节点，从而高效的处理HDFS中存放的海量数据。
图4
边缘计算环境是构成物联网生态系统的诸多元素的一个子集，它剔除了管理、安全和分析功能。边缘计算是联接物理世界和虚拟世界的一道“桥梁”。
图5
1、设备域：边缘计算在这一层，可以对感知的信息直接进行计算处理。比如在制造领域，可以对设备进行适时监控，能够实现预防性维护；在视频采集、音频采集中直接部署智能鉴别的能力;又或者像手机一样，能够由语音输入直接转换成文字输出。
2、网络域：通过部署计算能力，实现各网络协议的自动转换，对数据格式进行标准化处理。要解决物理网中数据异构的问题，就需要在网络域中部署边缘计算，以实现数据格式的标准化和数据传递的标准化(例如将所有的感知数据都换算成MQTT类型数据，并通过HTTP方式传递)。同时，网络域的边缘计算，还能对“融合网络”进行智能化管理，实现网络的冗余，保证网络的安全，并可进一步参与网络的优化工作。
3、数据域：边缘计算，使得数据管理更智能、存储方式更灵活。首先，边缘计算可以对数据的完整性和一致性进行分析，并进行数据清洗工作，消灭系统中的“脏”数据。其次，边缘计算可以对计算和存储能力、以及系统负载进行动态地部署。最后，边缘计算还能和云端计算保持高效协同、合理分担运算任务。
4、应用域：边缘计算提供属地化的业务逻辑和应用智能。它使得应用具有灵便、快速反应的能力，并在离线的情况下(和云端失去联系时)，仍能够独立地提供本地化的应用服务。
---------------------
閱讀更多 走向智能 的文章
