大數據時代下，數據的爆發式增長是信息科學主旋律，隨著萬物互聯趨勢不斷加深，數據的增長速度遠遠超過了網絡帶寬的增速。同時，智能製造、無人駕駛等眾多新型應用對延遲提出了更高的要求。邊緣計算（edge computing）作為一種新的計算模式，使數據在源頭附近就能得到及時有效的處理，滿足實時性、降低帶寬和隱私保護等需求。
邊緣計算的概念和定義：
目前，邊緣計算還沒有一個嚴格統一的定義，研究者們從不同視角來理解邊緣計算。筆者認為，邊緣計算是指在網絡邊緣執行計算的一種新型計算模式，包括兩個部分：下行的雲服務和上行的萬物互聯服務。邊緣計算中的“邊緣”（edge）指從數據源到雲計算中心路徑之間的任意計算、存儲和網絡資源。可以把這條路徑上的資源看作是一個“連續統”（continuum），根據應用的具體需求和實際場景，邊緣可以是這條路徑上的一個或多個資源節點。
邊緣計算中的“邊緣”與數據中心相對，它的含義貼近這樣幾個意思。可以表示網絡距離近。由於網絡規模縮小，帶寬、延遲、抖動等不穩定因素都易於控制與改進。還可以表示為空間距離近。這意味著邊緣計算資源與用戶處在同一個情景之中，為用戶提供個性化的服務。空間距離與網絡距離有時可能並沒有關聯，但應用可以根據自己的需要來選擇合適的計算節點。
邊緣計算與雲計算的關係：
邊緣計算是一種新的計算模式，它能使數據在源頭附近得到及時有效的處理。與傳統的雲計算模式相比，邊緣計算模式不單在靠近數據中心的節點上進行處理，而且還能繞過網絡帶寬與延遲的瓶頸，在數據傳輸過程中的每一個節點上執行數據處理。
萬物互聯時代，大數據應用問題的解決方案也有所不同。大數據處理1.0時代（2005-2015年），數據的類型主要以文本、音視頻、圖片以及結構化數據庫等為主，數據量維持在PB級別，雲計算下的數據處理對實時性的要求不高。萬物互聯背景下的大數據處理20時代（2015-2025年），數據類型變得更加複雜多樣，數據量已超過ZB級，原有作為數據消費者的用戶終端已變成了具有可產生數據的生產者。大數據處理2.0時代，數據實時性處理要求更加強烈，這給原有云計算模型帶來諸多挑戰：（1）集中式的海量數據處理加重雲數據中心的負擔，導致計算能力不足；（2）從網絡邊緣設備傳輸海量數據到雲中心致使網絡帶寬的負載較重，造成網絡延遲：（3）網絡邊緣設備所產生的數據涉及個人隱私，使得隱私數據安全問題變得尤為突出；（4）數據從網絡邊緣設備傳輸到雲中心的過程將消耗終端設備較大電能，等等。原有的基於中心的雲計算任務需要部分遷移到網絡邊緣設備上，以提高數據的網絡傳輸性能，保證數據處理的實時性，同時降低雲中心的計算負載。為此，大數據處理20時代催生了邊緣計算模型。然而，邊緣計算與雲計算是相輔相成的，大數據處理2.0時代是邊緣計算模型與雲計算模型相互結合的時代，二者的有機結合將為萬物互聯時代的信息處理提供較為完美的軟硬件平臺支撐。
邊緣計算的快速發展離不開工業界和學術界的推動。從2014年以來的趨勢來看，邊緣計算的關注度持續走高。特別是從2016年開始，關注度提高速度加快，表明邊緣計算在當前信息科技發展中的重要性愈加凸顯。力緣計算願景實現的過程已經開始，如2015年10月，霧計算的支持者組成開放霧聯盟。該聯盟旨在通過彙集公司、高校科研機構、研究者個人等資源，加快霧計算技術的部署，促進霧計算生態系統的快速形成。2017年3月，歐洲電信標準化協會將移動邊緣計算行業規範工作組正式更名為多接入邊緣計算，致力於更好地滿足邊緣計算的應用需求。美國聯邦政府，包括美國國家科學基金會，美國國家標準局，在2016年都分別把邊緣計算列入了項目申請指南。此外，邊緣計算領域的相關國際會議已經開始興起，如2016年10月在美國華盛頓特區舉辦的第一屆邊緣計算研討會（IEEE/ACM Symposium on Edge Computing），2017年10月舉辦的邊緣計算和霧計算世界聯合大會等。華為與中國信息通信研究院和瀋陽自動化研究所，以及英特爾、ARM和軟通動力等多家公司一起，聯合推動成立了“邊緣計算產業聯盟”，旨在定義邊緣計算的架構和標準，搭建邊緣計算產業合作平臺。
邊緣計算模型是一種分佈式計算系統，並且具有彈性管理、協同執行、環境異構以及實時處理等特點。邊緣計算包括以下三個關鍵內容：（1）應用程序/服務功能可分割：可以應用到邊緣計算模型的應用程序或服務需要滿足可分割性，即對於一個任務可以分成若干個子任務並且任務功能可以遷移到邊緣端去執行；（2）數據可分佈：數據可分佈性既是邊緣計算的特徵也是邊緣計算模型對待處理數據集合的要求。邊緣數據的可分佈性是針對不同數據源而言的，不同數據源來自於數據生產者所產生的大量數據；（3）資源可分佈：邊緣計算模型中的數據具有一定的分佈性，因此，執行邊緣數據所需要的計算、存儲和通信資源也要具有可分佈性。
邊緣計算的應用實例：
邊緣計算是否有價值，取決於基於邊緣計算的關鍵應用場景。只有通過邊緣計算的應用實例化，才能發現邊緣計算在發展中所遇到的各種挑戰和機遇。這裡我們列舉幾個邊緣計算能幫助解決痛點的主要場景：
1. 智慧城市未來智慧城市的基礎設施建設將進一步呈現物聯網化，無數傳感器設備將安裝在城市中的每個角落。智慧城市信息源包括靜態數據、城市車輛和人員的流動、能源消耗、醫療保健等實時數據。智慧城市必須利用不同領域的大數據，進行分析計算、預測、異常情況檢測，以便於政府採取更早或更好的決策。智慧城市的解決方案還需要一種全面的方法來處理智慧城市數據安全和用戶的隱私保護問題。智慧城市依靠單一的集中處理方式和雲計算模型無法應對所有問題。根據邊緣計算模型中將計算最大程度遷移到數據源附近的原則，用戶需求將在計算模型上層產生並且在邊緣進行處理。因此，邊緣計算可作為雲計算在網絡邊緣的延伸，對城市產生的數據和個人隱私數據進行高效和安全的處理，幫助政府及時作出決策，提高城市公民的生活質量。
2. 智能製造智能製造是一種由智能機器和人類專家共同組成的人機一體化智能系統，它在製造過程中能進行智能活動。工業4.0是基於現代信息技術和互聯網技術興起的產業，其核心就是通過信息物理系統（Cyber Physical System，CPS）實現人、設備與產品的實時連通、相互感知和信息交互，從而構建一種高度靈活的智能化和數字化的智能製造模式。CPS通過人機交互接口實現和物理進程的交互，使物理系統具有計算、通信、精確控制、遠程協作和自治功能。根據邊緣計算的定義，CPS也需要邊緣計算。物理系統通常位於特定工業系統的邊緣，而該邊緣同時具有計算、通信以及本地感知數據的存儲能力正是邊緣計算的基本特徵。
3. 智能交通智能交通將先進的通訊技術與交通技術相結合，解決城市居民的出行問題。智能交通系統對監控攝像頭和傳感器收集的數據進行實時分析，並自動做出決策。隨著交通數據量的增加，用戶對交通信息的實時性需求也在提高，若將這些數據傳輸到雲計算中心，將造成帶寬浪費和延時，也無法優化基於位置識別的服務。基於邊緣計算的智能交通技術為上述諸多問題提供了較好的解決方案。
安全性是在無人駕駛系統或自動駕駛系統中最重要的問題。雖然雲端具有較強的計算能力，但是如果將實時採集的數據發送到雲端處理，再將結果反饋到車載控制系統來實時監測車輛的狀態，那麼在突發事故中將存在致命的延遲，這也是自動駕駛汽車還未被廣泛採用的原因之一。邊緣計算利用本地車載端的計算能力進行數據處理，同時利用雲端的計算能力，建立車載端數據模型，將提高事件分析的準確性，提高智能交通系統的安全性。
4. 協同邊緣協同邊緣是連接多個數據擁有者的邊緣，這些數據擁有者在地理上是分佈存在的，但具有各自的物理位置和網絡結構，在數據擁有者之間提供數據的共享。互聯網醫療中，利用協同邊緣，藥房可以將該病人的購買記錄推送到醫院，有助於解決醫療責任糾紛。此外，藥房檢索由醫院提供的流感人數，根據現有庫存來存放藥品，以便獲得最大利潤。藥房利用製藥公司提供的數據，向物流公司推送一個關於運輸價格的詢問請求。根據檢索到的信息，藥房制定總成本最優方案和藥物採購計劃。製藥公司可在收到藥房的流感藥品訂單信息之後，重新制定藥品的生產計劃，調整庫存。疾病控制中心在大範圍區域內監控流感人群的變化趨勢，可據此在有關區域內發佈流感預警，採取措施阻止流感的擴散。
基於保險單規定，保險公司必須報銷流感病人部分醫療消費。保險公司可以分析流感爆發期問感染人數，將治癒流感所花費的成本作為調整下一年保單價格的重要依據。而且，如果患者願意分享，保險公司可根據患者電子病歷提供個性化的醫療政策。可見，從減少操作成本和提高利潤的角度，大多數參與者可以利用協同邊緣來獲益。個人病例信息作為源數據，醫院負責源數據的收集，對於社會醫療健康而言，醫院可以提前做好資源的分配以提高服務效率。
閱讀更多 老胡看科技 的文章
