如何理解邊緣計算
邊緣計算中的邊緣指的是網絡邊緣上的計算和存儲資源，這裡的網絡邊緣與數據中心相對，無論是從地理距離還是網絡距離上來看都更貼近用戶。邊緣計算則是利用這些資源在網絡邊緣為用戶提供服務的技術，使應用可以在數據源附近處理數據。如果從仿生的角度來理解邊緣計算，我們可以做這樣的類比：雲計算相當於人的大腦，邊緣計算相當於人的神經末端。當針刺到手時總是下意識地收手，然後大腦才會意識到針刺到了手，因為將手收回的過程是由神經末端直接處理的非條件反射。這種非條件反射加快人的反應速度，避免受到更大的傷害，同時讓大腦專注於處理高級智慧。未來是萬物聯網的時代， 思科預計2020年將有500億的設備接入互聯網，我們不可能讓雲計算成為每個設備的“大腦”，而邊緣計算就是讓設備擁有自己的“大腦”。
為了大家更方便的理解，我們可以聯想一下世界上非常神奇的一種生物——章魚，作為無脊椎動物中智商最高的一種動物，章魚擁有巨量的神經元，但有60%分佈在章魚的八條腿（腕足）上，腦部卻僅有40%。逃跑、捕獵時異常迅速， 八條腿明明白白，從不纏繞打結， 這得益於章魚類似分佈式計算的“多個小腦+一個大腦”。
邊緣計算的優點
說到邊緣計算，我們不得不提到的就是雲計算。雲計算服務是一種集中式服務，所有數據都通過網絡傳輸到雲計算中心進行處理。資源的高度集中與整合使得雲計算具有很高的通用性，然而，面對物聯網設備和數據的爆發式增長，基於雲計算模型的聚合性服務逐漸顯露出了其在實時性、網絡制約、資源開銷和隱私保護上的不足。
相比於雲計算，邊緣計算可以更好地支持移動計算與物聯網應用， 具有以下明顯的優點：
1、極大緩解網絡帶寬與數據中心壓力。思科在2015~2020年全球雲指數中指出，隨著物聯網的發展，2020年全球的設備將會產生600ZB的數據， 但其中只有10%是關鍵數據，其餘90%都是臨時數據無需長期存儲。邊緣計算可以充分利用這個特點，在網絡邊緣處理大量臨時數據，從而減輕網絡帶寬與數據中心的壓力。
2、增強響應的實時性。萬物互聯場景下應用對於實時性的要求極高。傳統雲計算模型下，應用將數據傳送到雲計算中心，再請求數據處理結果，增大了系統延遲。以無人駕駛汽車應用為例，高速行駛的汽車需要毫秒級的反應時間，一旦由於網絡問題而加大系統延遲，將會造成嚴重後果。而邊緣計算在靠近數據生產者處做數據處理，不需要通過網絡請求雲計算中心的響應， 大大減少了系統延遲，千兆無線技術的普及為網絡傳輸速度提供了保證，這些都使邊緣服務比雲服務有更強的響應能力。
3、保護隱私數據，提升數據安全性。物聯網應用中數據的安全性一直是關鍵問題，調查顯示約有78%的用戶擔心他們的物聯網數據在未授權的情況下被第三方使用。雲計算模式下所有的數據與應用都在數據中心，用戶很難對數據的訪問與使用進行細粒度的控制。隨著智能家居的普及，許多家庭在屋內安裝網絡攝像頭，如果直接將視頻數據上傳至雲數據中心，視頻數據的傳輸不僅會佔用帶寬資源，還增加了洩露用戶隱私數據的風險。為此，針對現有云計算模型的數據安全問題，邊緣計算模型為這類敏感數據提供了較好的隱私保護機制， 一方面，用戶的源數據在上傳至雲數據中心之前，首先利用近數據端的邊緣結點直接對數據源進行處理， 以實現對一些敏感數據的保護與隔離；另一方面，邊緣節點與雲數據之間建立功能接口，即邊緣節點僅接收來自雲計算中心的請求，並將處理的結果反饋給雲計算中心。這種方法可以顯著地降低隱私洩露的風險。
然而，邊緣計算並不能替代雲計算，而是對雲計算的補充，很多需要全局數據支持的服務依然離不開雲計算。例如，電子商務應用， 用戶對自己購物車的操作都可以在邊緣節點上進行，以達到最快的響應時間，而商品推薦等服務則更適合在雲中進行，因為它需要全局數據的支持。
邊緣計算的應用
目前邊緣計算應用非常廣泛， 特別適合具有低時延、高帶寬、高可靠、海量連接、異構匯聚和本地安全隱私保護等特殊業務要求的應用場景。
智慧城市
智慧城市是利用先進的信息技術，實現城市智慧式的管理和運行。2016年阿里雲提出了“城市大腦”的概念，實質是利用城市的數據資源來更好地管理城市。然而，智慧城市的建設所依賴的數據具有來源多樣化和異構性的特點，同時涉及城市居民隱私和安全的問題，因此應用邊緣計算模型，將數據在網絡邊緣處理是一個很好的解決方案。
邊緣計算在智慧城市的建設中有豐富的應用場景。在城市路面檢測中，在道路兩側路燈上安裝傳感器收集城市路面信息，檢測空氣質量、光照強度、噪音水平等環境數據，當路燈發生故障時能夠及時反饋至維護人員。在智能交通中，邊緣服務器上通過運行智能交通控制系統來實時獲取和分析數據，根據實時路況來控制交通信息燈，以減輕路面車輛擁堵等。在無人駕駛中， 如果將傳感器數據上傳到雲計算中心將會增加實時處理難度，並且受到網絡制約，因此無人駕駛主要依賴車內計算單元來識別交通信號和障礙物，並且規劃路徑。EdgeOSc是一種基於邊緣計算的面向智慧城市的系統級操作系統，它分為3個部分，底層的數據感知層、中間的網絡互聯層和頂層數據應用管理層。該操作系統可以有效管理智慧城市中的多來源數據，提高了數據共享的範圍和深度，以實現智慧城市中數據價值的最大化。
智能製造
智能製造是邊緣計算在物聯網中非常典型的應用領域，藉助於邊緣計算將促進IT和OT系統的深度融合。工業機器人是實現智能製造的基礎，最近幾年工業機器人在中國市場呈現蓬勃發展的趨勢。據統計，2016年中國市場工業機器人消費總量達87000臺，接近世界銷量的近三分之一，是世界上最大的工業機器人市場。工業機器人的應用領域主要集中在汽車製造、3C行業、物流、金屬加工、塑料和化工等行業，通過機器人完成搬運和上下料、裝配和拆卸、焊接等工作環境惡劣、自動化/執行精度和安全程度要求非常高的工作場景。工業機器人需要具備應對複雜的現場環境並結合當前工作流程進行綜合分析和判斷的能力，以及與其他機器人協作完成複雜工作任務的能力。這些都需要機器人配備智能控制器以執行復雜的計算任務，而對於工廠環境使用幾十、上百臺機器人的應用場景， 如果每臺機器人都配備複雜的智能控制器，這將增加機器人的成本。但是如果採用邊緣技術，把工業機器人的智能控制器功能集中部署在生產車間的邊緣節點，在保證時延的情況下還能實現集中控制，完成機器人之間的聯動協同，可以大大降低工業機器人的開發、部署和維護成本。
智能家居
在當前的智能家居中，智能家電設備基本上都是由智能單品構成的，比如密碼鎖、智能照明、智能空調、安防監控、智能衛浴、室內環境監控、家庭影院多媒體系統等， 這些智能家電設備需要依賴於雲平臺才能實現手機端在外網的遠程控制。這種基於雲平臺的智能家居在網絡出現故障時將無法進行控制， 特別是多個智能單品聯動的場景將無法對多個設備進行協調。智能家電設備都是通過Wi-Fi模塊連接到雲/數據中心，用戶對存放在雲/數據中心的家庭數據也存在洩漏的擔憂，另外大量的監控視頻數據也會消耗智能家居設備到雲/數據中心之間的通信帶寬。採用邊緣計算技術，可以把家庭視頻數據存放在本地邊緣計算網關設備上，確保用戶的隱私不被洩漏；多個智能單品之間的聯動也可以通過本地邊緣計算進行近實時的協調；邊緣計算節點還能實現定期與雲計算同步更新控制和設備狀態信息。
閱讀更多 愛比賽的小蝸牛 的文章
