边缘计算（Edge Computing）—— 物联网的下一个爆发点_边缘计算服务器

边缘计算是5G时代和物联网时代必须考虑的业务领域，具有广阔的市场前景。作为对通信产业、互联网产业、IT产业感兴趣的朋友，千万不可错过边缘计算的浪潮。那么边缘计算到底是什么？

什么是边缘计算？

边缘计算(Edge computing )是一种在物理上靠近数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务的计算模式。
边缘计算发生的位置称为边缘结点，它可以是数据产生源头和云中心之间任一具有计算资源和网络资源的结点。比如，手机就是人与云中心之间的边缘结点，网关是智能家居和云中心之间的边缘结点。

为了更形象的理解边缘计算，我们先看一下天生的“边缘计算”能力者——章鱼。
章鱼拥有巨量的神经元，但有60%分布在章鱼的八条腿（腕足）上，脑部却仅有40%。

也就是说章鱼拥有类似于分布式计算的一个大脑和多个小脑。大脑类似云中心结点，小脑即章鱼的爪子就类似边缘结点。
边缘计算也属于一种分布式计算，将数据资料的处理、应用程序的运行甚至一些功能服务的实现，由网络中心下放到网络边缘的节点上，就近处理数据，而不需要将大量数据上传到远端的核心管理平台。

为什么需要边缘计算？

物联网在各个领域蓬勃发展，万物互联的时代渐行渐近。但是随着业务的发展，物联网设备的迅速增加，逐渐发现基于云计算的方式无法满足很多场景的实际需求。

1. 海量数据对网络带宽造成巨大压力

云中心具有强大的处理性能，能够处理海量的数据。但是，随着物联网的发展，现在几乎所有的电子设备都可以连接到互联网，这些电子设备会后产生海量的数据，将这些海量的数据传送到云中心成了一个难题，这对于网络带宽是个巨大的挑战。

2. 联网设备对于低时延、协同工作需求增加

云计算模型的系统性能瓶颈在于网络带宽的有限性，传送海量数据需要一定的时间，云中心处理数据也需要一定的时间，这就会加大请求响应时间，用户体验极差。而在新兴的物联网应用场景中，比如实时语音翻译，再比如无人驾驶汽车，对响应时间都有极高要求，依赖云计算并不现实。

3. 联网设备涉及个人隐私与安全

终端设备中的大量数据会涉及到个人隐私，传到云中心会大大增加数据安全风险。

如果能像章鱼一样，采用边缘计算的方式，海量数据则能够就近处理，大量的设备也能实现高效协同的工作，诸多问题迎刃而解。因此，边缘计算理论上可满足许多行业在敏捷性、实时性、数据优化、应用智能、以及安全与隐私保护等方面的关键需求。

边缘计算的类型

在部署边缘业务时，有三种类型的边缘情景需要考虑。分别是个人边缘（personal edge）、业务边缘（business edge）、云边缘（cloudy edge）。

1. 个人边缘

个人边缘计算围绕着我们个人，有时就在我们的身边，就在我们的家里；例如智能手机、家庭机器人、智能眼镜、医疗传感器，穿戴手表、智能音箱、其它家庭自动化系统。
个人边缘设备一般情况下是移动的，所以又称为移动边缘计算（MEC)，需要考虑续航能力、网络切换及离线条件的特性。

2. 业务边缘

业务边缘用于汇聚个人边缘设备的信息，机器人、传感设备等信息在此处汇集并处理。此类设备可以部署在办公区域或家庭区域，用于支撑区域范围內的信息集中、交互、处理。

3. 云边缘

一个复杂的物联网应用，将会涉及到多个云平台的协同。语音处理、人脸识别、医疗人工智能等垂直云平台的兴起，提高了物联网的智能化，但是对平台间的协作也提出更高需求。云边缘相当于在不同云平台侧提供数据解析、数据交互、数据协同的功能。

边缘计算的优势

对比云计算在物联网发展中表现出的不足，边缘计算的优势就显而易见了。说白了，边缘计算就是冲着痛点来的。

1. 省心省力省流量

• 大量的计算任务能够在数据产生的源头附近处理，这大大缓解了网络的传输压力。
• 同时也减小了数据中心的压力。

2. 实时快速效率高

• 边缘计算分布式以及靠近设备端的特性注定它实时处理的优势，所以它能够更好的支撑本地业务实时处理与执行。
• 任务是在边缘处理的，因此，数据在网络中传输的时间急剧减少，用户得到响应的时间会更快。

3. 智能安全更节能

• 在家庭或者其他相对隐私的环境而言，我们一般不希望自己的隐私数据上传到云中心，由云中心去解决相关问题。我们更希望这种计算任务能够在本地去解决，这样可以更好的保护隐私数据。
• 把部分计算任务从云端卸载到边缘之后，整个系统对能源的消耗减少了30%-40%。
• 利用多个边缘结点协同合作，即能保证高效解决问题，又能平衡数据隐私性问题和数据在网络中传输的成本问题

边缘计算面临的挑战

任何事物都是双刃剑，边缘计算拥有明显的优势，自然也会面临不小的挑战。

1. 边缘节点的通用计算能力

理论上，可以在位于边缘设备和云平台之间的某几个节点上完成边缘计算，包括接入点、基站、网关、业务节点、路由器、交换机等。但由于平台异构问题，每一个网络的边缘都是不一样的，计算任务分到各种不同平台的边缘节点上。不同节点运行时间不同，程序开发者面临着巨大的困难。如何开发跨越不同环境的可移植的解决方案，以支持通用计算需求是一个重大挑战。

2. 寻找边缘并分配任务

• 到2020年将有500亿的终端和设备联网，除了边缘设备与终端联网最大的“异构”特征之外，产品生命周期越来越短、个性化需求越来越高、全生命周期管理和服务化的趋势越来越明显，这些新趋势都需要边缘计算提供强大的技术支撑。
• 如何在分布式计算环境中发现资源和服务，并有效的分配任务是一个有待拓展的领域。为了充分利用网络的边缘设备，需要建立某种发现机制（如命名机制，网络协议等），找到可以分散式部署的适当节点，实现动态、大规模地部署运算和存储能力以及云端和设备端的高效协同、无缝对接。
• 这些机制必须在不增加等待时间或损害用户体验的前提下，实现不同层次和等级的计算工作流中无缝集成，原有的基于云计算的机制在边缘计算领域不再适用。

3. 数据存储和管理

• 在物联网环境中会有大量的数据生成，这些数据应该是可以被应用程序读写和操作的，由于物联网中事物的异构性，生成的数据是各种格式的，把各种各样的数据格式化对边缘计算来说是一个挑战。
• 边缘节点的存储能力是有限的，因此边缘节点如何处理这些数据，以及如何保存这些数据成了问题的关键。如果筛选掉过多的原始数据，将导致边缘结点数据报告的不可靠，如果保留大量的原始数据，那么边缘结点的存储又将是新的问题。

4. 服务质量(QoS)和服务体验(QoE)

• 边缘节点的服务管理需要保证一个高效可靠的系统。需要确保边缘节点实现高吞吐量，并且在承接额外计算工作量时运行可靠；能够提前检测到具有高风险的节点，从而避免节点的丢失都有可能导致服务的不可用的风险；节点之间要能够互通状态和诊断信息，保证数据在传感和通信方面的可靠性等。
• 不同的服务应该有差异化的优先级。比如，有关事物判断和故障警报这样的关键服务就应该高于其它一般服务，有关人类身体健康比如心跳检测相关的服务就要比娱乐相关服务的优先级要高一些。
• 物联网中的物品都是动态的，向物联网中添加或删除一件物品都不是那么容易的，服务缺少或者增加一个新的结点能否适应都是待解决的问题，这些问题对于边缘OS的高扩展性和灵活设计是一个挑战。

5. 开放安全地使用边缘节点

安全横跨云计算和边缘计算，需要实施端到端的防护。由于更贴近万物互联的设备，网络边缘侧访问控制与威胁防护的广度和难度因此大幅提升。边缘侧安全主要包含设备安全、网络安全、数据安全与应用安全。此外，关键数据的完整性、保密性是安全领域需要重点关注的内容。
如果把终端设备(例如交换机、路由器和基站)当作可共享接入的边缘节点，则需要解决许多问题：

• 需要定义边缘设备使用者和拥有者相关联的风险。
• 当设备用于边缘计算节点时，设备的原有的功能不能被损害。
• 边缘节点上的多重用户都需要将安全性作为首要关注指标。
• 需要向边缘节点的用户保证最低服务水平，对于不同的应用设置权限，对私密数据的访问加以限制。
• 需要考虑工作负载、计算能力、数据位置和迁移、维护成本和能源消耗，以便建立合适的定价模型。

机遇与挑战并存

物联网的发展和云计算的瓶颈推动了边缘计算的兴起，在边缘结点处理数据能够提高响应速度，减少带宽，保证用户数据的私密性。边缘计算仍处于起步阶段，有可能为更高效的分布式计算铺平道路。尽管在实现边缘计算时出现了不少挑战，但边缘计算将会催生更多的发展机遇。

• 标准、基准和市场：统一数据连接和数据聚合是业务智能的基础，面对当前工业现场存在的多样化与异构的技术和标准，离不开跨厂商、跨领域的数据集成与互操作。
• 架构和语言：随着支持通用计算的边缘节点不断增加，开发框架和工具包的需求也会随之增长。
• 轻量级库和算法：由于硬件限制，边缘节点不支持大型软件，边缘分析需要轻量级算法，可以进行合理的机器学习或数据处理任务。
• 微型操作系统和虚拟化：基于微型操作系统或微型内核的研究以及容器技术(如Docker)的成熟可以解决在异构边缘节点上部署应用的挑战。
• 产学研合作：边缘计算领域的研究可以由行业合作伙伴(例如移动运营商和开发人员、软件工具开发商和云服务提供商等)以及感兴趣的学术合作伙伴共同驱动，以实现双方的共同利益。