請支持關注，不迷路
新興科學技術註定是2019年的奔騰發展的一年，繼新年伊始的柔性屏摺疊屏技術、到工信部提出“4K先行，兼顧8K”的高清視頻產業發展的技術路線、再到這兩天邊緣計算被市場推到了風口。
3月5日，兩會19年政府工作報告中明確提出：打造工業互聯網平臺，拓展“智能+”，為製造業轉型升級賦能。
5G生態具備低延時、高速度的特點，在物聯網，特別是工業互聯網中的應用更為廣泛，而邊緣計算是發展工業互聯網的重要輔助。
雲計算已經不足以即時處理和分析由物聯網設備、聯網汽車和其他數字平臺生成或即將生成的數據，這個時候邊緣計算能夠派上用場。該技術擁有著應用於諸多行業領域和發揮巨大作用的潛力。
目前，大數據處理已經從以雲計算為中心的集中式處理時代正在跨入以萬物互聯為核心的邊緣計算時代。
什麼是邊緣計算
邊緣計算是指在網絡邊緣執行計算的一種新型計算模型，邊緣計算中邊緣的下行數據表示雲服務，上行數據表示萬物互聯服務，而邊緣計算的邊緣是指從數據源到雲計算中心路徑之間的任意計算和網絡資源。
雲計算中心不僅從數據庫收集數據，也從傳感器和智能手機等邊緣設備收集數據。這些設備兼顧數據生產者和消費者。因此，終端設備和雲中心之間的請求傳輸是雙向的。
網絡邊緣設備不僅從雲中心請求內容及服務，而且還可以執行部分計算任務，包括數據存儲、處理、緩存、設備管理、隱私保護等。因此，需要更好地設計邊緣設備硬件平臺及其軟件關鍵技術，以滿足邊緣計算模型中可靠性、數據安全性的需求。
為什麼需要邊緣計算
1、雲計算服務的不足
雲計算大多采用集中式管理的方法，這使雲服務創造出較高的經濟效益，而在萬物互聯的背景下，應用服務需要低延時、高可靠性以及數據安全，而傳統雲計算無法滿足這些需求，主要歸因於３個方面：
１）實時性．
萬物互聯環境下，邊緣設備產生大量實時數據，雲計算性能正逐漸達 到瓶頸。據ＩＤＣ預測，到２０２０年，全球數據總量將大於４０ＺＢ。隨著邊緣設備數據量的增加，網絡帶寬正逐漸成為雲計算的另一瓶頸．僅提高網絡帶寬並不能滿足新興萬物互聯應用對延遲時間的要求。
例如，波音７８７每秒產生的數據超過５ＧＢ，但飛機與衛星之間的帶寬不足以支持實時傳輸。裝載在無人駕駛汽車上的傳感器和攝像頭實時捕捉路況信息，每秒產生約１ＧＢ數據，根據ＩＨＳ預測，到２０３５年，全球將有５４００萬輛無人駕駛汽車，如何實現較短延時將是未來主要研究方向。為此，在接近數據源的邊緣設備上執行部分或全部計算是適應萬物互聯應用需求的新興計算模式。
２）隱私保護。
當用戶使用電子購物網站、搜索引擎、社交網絡等時，用戶的隱私數據將被上傳至雲中心。比如有人研究出一種基於運動追蹤的醫療體育應用服務，其包含用戶隱私數據，如從路由起點信息可以查找到用戶的家庭地址。
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。
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。
３）能耗。
針對雲數據中心的能耗問題，許多研究者進行了深入的調查研究，結果表明，到２０２０年美國所有數據中心的總能耗將增長４％，在２０２０年將達到約７３０億千瓦時。
在我國，環境３６０報告表明，僅我國數據中心所消耗的電能已經超過匈牙利和希臘兩國用電的總和。
隨著在雲計算中心運行的用戶應用程序越來越多，未來大規模數據中 心對能耗的需求將難以滿足。
在雲計算中心的能耗優化方面，現有的研究內容主要集中在如何提高能源使用效率和動態資源管理策略方面，以達到減緩能耗增速、最大程度的節能。
然而，提高能效水平仍不能解決數據中心巨大能耗的問題，這一問題在萬物互聯環境下將更加突出．為解決這一能耗難題，邊緣計算模型提出將原有云數據中心上運行的一些計算任務進行分解，然後將分解的計算任務遷移到邊緣節點進行處理，以此降低雲計算數據中心的計算負載，進而達到降低能耗的目的。
在現有以雲計算模型為核心的集中式大數據處理基礎上，亟待需要以邊緣計算模型為核心，面向海量邊緣數據的邊緣式大數據處理技術，二者相輔相成，應用於雲中心和邊緣端大數據處理，解決萬物互聯時代雲計算服務不足的問題。
2、萬物互聯的興起
傳感器、智能手機、可穿戴設備以及智能家電等設備將成為萬物互聯的一部分，併產生海量數據，而現有云計算的帶寬和計算資源還不能高效處理這些數據。
傳統雲計算模型，源數據由生產者發送至雲端，終端用戶、智能手機、個人電腦等數據消費者向雲中心發送使用請求。 雲計算利用大量計算資源來處理數據， 但萬物互聯環境下，傳統雲計算模型不能有效滿足萬物互聯應用的需求，它將邊緣設備端海量數據發送到雲端，造成網絡帶寬負載和計算資源浪費；傳統雲計算模型的隱私保護問題將成為萬物互聯架構中雲計算模型的障礙；萬物互聯架構中大多數邊緣設備節點的能源是有限的，並且無線傳輸模塊的能耗較大。
3、從數據消費者到生產者
在雲計算模型中，邊緣終端設備通常作為數據消費者（如用智能手機觀看在線視頻），如今智能手機也可生產數據，從數據消費者到生產者角色的轉變要求邊緣設備具有更強的計算能力，如人們通過社交軟件分享照片及視頻。 微信朋友圈和騰訊 ＱＱ空間每天上傳的圖片高達１０億張；騰訊視頻每天播放量達２０億次．這些圖片和視頻數據量較大，上傳至雲計算中心過程會佔用大量帶寬資源．為此，在源數據上傳至雲中心之前，可在邊緣設備執行預處理，以減少傳輸的數據量，降低傳輸帶寬的負載．此外，若在邊緣設備處理個人身體健康數據等隱私數據，用戶隱私會得到更好地保護。
邊緣計算的優勢
邊緣計算模型將原有云計算中心的部分或全部計算任務遷移到數據源的附近執行．根據大數據的３Ｖ 特點，即數據量（ｖｏｌｕｍｅ）、時效性（ｖｅｌｏｃｉｔｙ）、多樣性（ｖａｒｉｅｔｙ），通過對比雲計算模型為代表的集中式大數據處理（如圖）和以邊緣計算模型為代表的邊緣式大數據處理（如圖）時代不同數據特徵來分析邊緣計算模型的優勢。
集中式大數據處理時代，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，雲計算模型下的數據處理對實時性要求不高。
萬物互聯背景下的邊緣式大數據處理時代，數據類型變得更加複雜多樣，其中萬物互聯設備的感知數據急劇增加，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終端，並且邊緣式大數據處理時代，數據處理的實時性要求較高，此外，該時期的數據量已超過 ＺＢ級．針對此，邊緣式大數據處理時代，由於數據量的增加以及對實時性的需求，需將原有云中心的計算任務部分遷移到網絡邊緣設備（如圖的邊緣雲）上，以提高數據傳輸性能，保證處理的實時性，同時降低雲計算中心的計算負載。
邊緣式大數據處理時代的數據特徵催生了邊緣計算模型．然而，邊緣計算模型與雲計算模型並不是非此即彼的關係，而是相輔相成的關係，邊緣式大數據處理時代是邊緣計算模型與雲計算模型的相互結合的時代，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支撐平臺。
邊緣計算在各行各業的應用
隨著傳感器價格和計算成本的持續下降，更多的“東西”將被連接到互聯網。
隨著更多的聯網設備變得可用，邊緣計算將在各行各業中得到越來越多的應用，尤其是在雲計算效率低下的一些領域。
我們已經開始看到該技術在多個不同的行業領域產生影響。
“當我們把雲的威力下沉到設備（即邊緣）時，我們可帶來實時地響應、分析和行動的能力，尤其是在網絡條件有限或者缺乏網絡的地區……它還處於初期發展階段，但我們正開始看到這些新功能能夠應用於解決全球範圍的一些重大挑戰。”——微軟首席技術官凱文·斯科特（Kevin Scott）
從自動駕駛汽車到農業，以下幾個行業將會從邊緣計算的潛力中獲益。
交通運輸
邊緣計算技術最顯而易見的潛在應用之一是交通運輸——更具體地說，是無人駕駛汽車。
自動駕駛汽車裝備了各種各樣的傳感器，從攝像頭到雷達到激光系統，來幫助車輛運行。
如前所述，這些自動駕駛汽車可以利用邊緣計算，通過這些傳感器在離車輛更近的地方處理數據，進而儘可能地減少系統在駕駛過程中的響應時間。雖然無人駕駛汽車還不是主流趨勢，但公司們正在未雨綢繆。
今年早些時候，汽車邊緣計算聯盟（AECC）宣佈將啟動以聯網汽車解決方案為重點的項目。
“聯網汽車正迅速地從豪華車型和高端品牌擴張到大批量的中端車型。汽車行業將很快達到一個臨界點，屆時汽車所產生的數據量將超過現有的雲、計算和通信基礎設施資源。”——AECC主席兼總裁村田兼一（Kenichi Murata）
該聯盟的成員包括DENSO Corporation、豐田汽車、AT&T、愛立信、英特爾等公司。
不過，不僅僅是自動駕駛汽車會產生大量的數據並需要實時處理。飛機、火車和其他的交通工具也是如此——不管它們有沒有人類駕駛。
例如，飛機制造商龐巴迪（Bombardier）的C系列飛機就裝備了大量的傳感器來迅速檢測發動機的性能問題。在12小時的飛行中，飛機產生了多達844 TB的數據。邊緣計算支持對數據進行實時處理，因此該公司能夠主動處理引擎問題。
醫療保健
如今，人們越來越喜歡佩戴健身追蹤設備、血糖監測儀、智能手錶和其他監測健康狀況的可穿戴設備。
但是，要真正地從所收集的海量數據中獲益，實時分析可能是必不可少的——許多的可穿戴設備直接連接到雲上，但也有其他的一些設備支持離線運行。
一些可穿戴健康監控器可以在不連接雲的情況下本地分析脈搏數據或睡眠模式。然後，醫生可以當場對病人進行評估，並就病人的健康狀況提供即時反饋。
但在醫療保健領域，邊緣計算的潛力遠不侷限於可穿戴設備。
不妨想想，快速的數據處理能夠給遠程患者監控、住院患者護理以及醫院和診所的醫療管理帶來多大的好處。
醫生和臨床醫生將能夠為患者提供更快、更好的護理，同時患者所生成的健康數據也多了一層安全保護。醫院病床平均有20個以上的聯網設備，會產生大量的數據。這些數據的處理將直接發生在更靠近邊緣的地方，而不是將保密數據發送到雲端，因此能夠避免數據被不當訪問的風險。
如前所述，本地化數據處理意味著大範圍的雲端或網絡故障不會影響業務運轉。即使雲操作中斷，這些醫院的傳感器也能獨立地正常運行。
製造業
智能製造有望從現代工廠大量部署的傳感器中獲得洞見。
由於能夠減少滯後，邊緣計算可能會使得製造流程能夠更快速地做出響應和變動，能夠實時地應用數據分析得出的洞見和實時行動。這可能包括在機器過熱之前將其關閉。
一家工廠可以使用兩個機器人來完成同樣的任務，兩個機器人裝有傳感器，並連接到一個邊緣設備上。邊緣設備可以通過運行一個機器學習模型來預測其中一個機器人是否會操作失敗。
如果邊緣設備斷定機器人很可能會出現故障，它就會觸發行動來阻止或減慢機器人的運轉。這會使得工廠能夠實時地評估潛在的故障。
如果機器人能夠自己處理數據，它們也可能變得更加自給自足和反應靈敏。
邊緣計算應該支持更快地從大數據中更多的洞見，以及支持將更多的機器學習技術應用到業務運營中。
最終目標是，挖掘實時產生的海量數據的巨大價值，防止安全隱患，並減少工廠車間機器運轉中斷的情況。
農業和智能農場
邊緣計算非常適合應用於農業，因為農場經常處於偏遠的位置和惡劣的環境中，可能存在帶寬和網絡連接方面的問題。
現在，想要改善網絡連接的智能農場需要在昂貴的光纖、微波連接或者擁有一顆全天候運行的衛星上進行投資；而邊緣計算則是一種合適的、具有成本效益的替代方案。
智能農場可以使用邊緣計算來監測溫度和設備性能，以及自動讓各種設備（比如過熱的泵）減緩運轉或者關閉。
能源和電網控制
邊緣計算或許在整個能源行業都尤其有效，尤其是在石油和天然氣設施的安全監測方面。
例如，壓力和溼度傳感器應當受到嚴密監控，不能在連接性上出差錯，尤其是考慮到這些傳感器大多位於偏遠地區。如果出現異常情況——比如油管過熱——卻沒有被及時注意到，那就可能會發生災難性的爆炸。
邊緣計算的另一個好處是能夠實時檢測設備故障。通過電網控制，傳感器可以監控從電動汽車到風力發電廠的一切設施所產生的能源，有助於相應作出決策來降低成本和提高能源生產效率。
其他行業領域的應用
其他可以利用邊緣計算技術的行業包括金融業和零售業。這兩個行業都使用大型的客戶和後端數據集來提供從選股信息到店內服裝擺放的各種信息，可以從減少對雲計算的依賴中獲益。
零售可以使用邊緣計算應用程序來增強顧客體驗。如今，許多零售商都在致力於改善店內體驗，優化數據收集和分析的方式對它們而言絕對很有意義——尤其是考慮到許多零售商已經在嘗試使用聯網的智能顯示屏。
此外，很多人使用店內平板電腦所生成的銷售點數據，這些數據會被傳輸到雲端或數據中心。藉助邊緣計算，數據可以在本地進行分析，從而減少敏感數據洩漏的風險。
