一 、边缘计算究竟是何方神圣

边缘计算出现的时间并不长，这一概念有许多人进行过概括，范围界定和阐述各有不同，甚至有些是重复和矛盾的，就作者个人而言，比较推崇OpenStack（是一个由NASA和Rackspace合作研发并发起的，以Apache许可证授权的自由软件和开放源代码项目）社区的定义概念：

“边缘计算是为应用开发者和服务提供商在网络的边缘侧提供云服务和IT环境服务；目标是在靠近数据输入或用户的地方提供计算、存储和网络带宽。”

通俗地说：边缘计算本质上是一种服务，就类似于云计算、大数据服务，但这种服务非常靠近用户；为什么要这么近？目的是为了让用户感觉到刷什么内容都特别快。

边缘计算着重要解决的问题，是传统云计算（或者说是中央计算）模式下存在的高延迟、网络不稳定和低带宽问题。举一个现实的例子，几乎所有人都遇到过手机APP 出现404错误的情况 ，这样的一些错误出现就和网络状况、云服务器带宽限制有关系。由于资源条件的限制，云计算服务不可避免收到高延迟、和网络不稳定带来的影响，但是通过将部分或者全部处理程序迁移至靠近用户或数据收集点，边缘计算能够大大减少在云中心模式站点下给应用程序所带来的影响。

边缘计算,和雾计算同一时间出现，事实上两个概念之间有重叠的地方。这两个词是从2011年开始出现，如今已经成为了巨头的投资热点。先看看世界上的科技巨头们选择的方向吧：

• Arm、Cisco、Dell、Intel、Microsoft、普林斯顿大学共同投资创办的雾计算研究项目OpenFog；
• Orange 与 Inria共同主导的雾计算与大规模分布式云研究项目Discovery；
• 华为的“全面云化”战略， EC-IOT， 2016年成立边缘计算产业联盟；
• Intel 的“Cloud Computing at the Edge”项目；
• NTT 的“Edge Computing”项目， ATT 的 “Cloud 2.0”项目；
• 亚马逊AWS 发布的GreenGrass 项目（边缘计算代号）；
• 微软Azure 发IOT Edge 项目，重点发展边缘计算项目；
• 谷歌发布的IOT Core 项目；
• 阿里云发布的LinkEdge项目。

从2016到现在，巨头们已经在边缘计算的路上展开了激烈的角逐, 赛道已经非常的拥挤。

下图是一个边缘计算网络的概念图,它是连接设备和云端的重要中间环节。

边缘计算基本网络架构

边缘计算起源于广域网内搭建虚拟网络的需求，运营商们需要一个简单的、类似于云计算的管理平台，于是微缩板的云计算管理平台开始进入了市场，从这一点来看，边缘计算其实是脱胎于云计算的。随着这一微型平台的不断演化，尤其是得益于虚拟化技术（指通过虚拟化技术将一台计算机虚拟为多台逻辑计算机。在一台计算机上同时运行多个逻辑计算机，每个逻辑计算机可运行不同的操作系统，并且应用程序都可以在相互独立的空间内运行而互不影响，从而显著提高计算机的工作效率。）的不断发展，人们发现这一平台有着管理成千上万边缘节点的能力，且能满足多样化的场景需求，经过不同厂商对这一平台不断改良，并加入丰富的功能，使得边缘计算开始进入了发展的快车道。

二 、为什么需要边缘计算

云计算和边缘计算通常会被用来做比较，上文也提到，边缘计算其实脱胎于云计算，那么，既然有了云计算，为何还要有边缘计算？

大家都熟悉云计算，它有着许多的特点：有着庞大的计算能力，海量存储能力，通过不同的软件工具，可以构建多种应用，我们在使用的许多APP ，本质上都是依赖各种各样的云计算技术，比如视频直播平台，电子商务平台。边缘计算脱胎于云计算，靠近设备侧，具备快速反应能力，但不能应付大量计算及存储的场合。这两者之间的关系，可以用我们身体的神经系统来解释。

云计算能够处理大量信息，并可以存储短长期的数据，这一点非常类似于我们的大脑。大脑是中枢神经中最大和最复杂的结构，也是最高部位，是调节机体功能的器官，也是意识、精神、语言、学习、记忆和智能等高级神经活动的物质基础。人类大脑的灰质层，富含着数以亿计的神经细胞，构成了智能的基础。而具有灰质层的并不只有大脑，人类的脊髓也含有灰质层，并具有简单中枢神经系统，能够负责来自四肢和躯干的反射动作，及传送脑与外周之间的神经信息。我们在初中的生物中都学习到了膝跳反应，这就是脊髓反应能力的证据。边缘计算对于云计算，就好比脊髓对于大脑，边缘计算反应速度快，无需云计算支持，但低智能程度较低，不能够适应复杂信息的处理。

每个人都有受过伤的经历，无论是被刺到还是被烫到，我们的身体都能够快速反应。就以烫伤为例，我们的神经系统大概的流程图如下所示：

神经信号传导

在脊髓发出指令的同时，还会向大脑传递痛感的信号，让人能感觉到痛。大家看看整个过程，这钟避开风险的行动是在产生意识之前，而且速度非常快，避免了你身体的伤害。经过了亿万年的演化，现在人类的身体机构已经非常完善了，既然结构这样设计一定有他的道理。大家看看这组数据：“就人类而言，在联结脊髓到肌肉的神经细胞中，外层覆盖有髓鞘质层、直径大的神经元的信号传递速度为每秒70-120米，与之相反的脑神经元的信号传递速度为每秒0.5-2米。其间差距实在太大。”如果我们让大脑来处理避开烫伤这样的决策，并产生动作，那么我们的手最有可能出现的状况是：

烧焦的手

所以，脊髓取代大脑做处某些快速的决策，完全是为了满足身体的某些特定功能，有不可替代的作用。如果认可存在即合理的解释，我们完全可以心安理得地接受：有云计算的时候，仍然需要边缘计算这一论断。当然 经过严密的逻辑分析，这个结论仍然成立。

未来物联网的发展会有两个趋势：海量连接及由此产生的海量数据。 具体连接和数据有多大? 根据Garter（全球最具权威的IT研究与顾问咨询公司，成立于1979年，总部设在美国康涅狄克州斯坦福）预测，2019年使用的联网物件将多达142亿个，到2021年总数将达到250亿个，它们会生成大量的数据。手机也是联网物件，每个月能够产生的流量大家自己能够估算出来，大体会在100G 的范围内。但是，物联网中的联网体，可不只有手机，比如说下面这两个物体：

波音飞机

波音787为例，其每一个飞行来回可产生TB级的数据，美国每个月收集360万次飞行记录；监视所有飞机中的25000个引擎，每个引擎一天产生588GB的数据。这样一个级别的数据，如果都上传到云计算的服务器中，无论对于算力和带宽，都提出了苛刻的要求。风力发电机装有测量风速、螺距、油温等多种传感器，每隔几毫秒测一次，用于检测叶片、变速箱、变频器等的磨损程度，一个具有500个风机的风场一年会产生2PB的数据。

如此PB 级别的数据，如果实时上传到云计算中心并产生决策，无论从算力和带宽的角度，都提出了苛刻的要求，更不要说由于延迟而产生的即时响应问题。面对这样的场景，边缘计算就体现出它的优势了，由于部署在设备侧附近，可以通过算法即时反馈决策，并可以过滤绝大部分的数据，有效降低云端的负荷，使得海量连接和海量数据处理成为可能。所以，边缘计算将作为云计算的补充，在未来共同存在于物联网的体系架构中。

说了这么多，总结一下这个边缘计算的优点：

低延迟：计算能力部署在设备侧附近，设备请求实时响应；

低带宽运行：将工作迁移至更接近于用户或是数据采集终端的能力能够降低站点带宽限制所带来的影响。尤其是当边缘节点服务减少了向中枢发送大量数据处理的请求时。

隐私保护：数据本地采集，本地分析，本地处理，有效减少了数据暴露在公共网络的机会，保护了数据隐私。

三 、边缘计算应用场景

既然边缘计算是云计算的重要补充，那么边缘计算的应用场景又有哪些呢？ 边缘计算模式的基础特性就是将计算能力更接近于用户，即站点分布范围广且边缘节点由广域网络连接。

1. 供零售/金融/远程连接领域使用的“开箱即用云”：提供了一系列可定制边缘计算环境，这类边缘计算主要提供给企业使用，并服务于特定产业应用。它从根本上与分布式结构相结合来达到以下效果：降低硬件消耗，多站标准化部署，灵活更替部署在边缘侧的应用（不受硬件影响，同一应用在所有节点上一致运行），提升弱网络条件下的运行稳定性。如果联网的条件有限制，通过将联网方式设定为有限网络连接时，可以提供内容缓存或提供计算、存储服务以及网络服务，比如新零售边缘计算环境。

2. 移动连接：在5G网络大规模普及前，移动网络仍保持着受限和不稳定的特性，因此移动/无线网络也可以看作是云边缘计算的常见环境要素。许多应用或多或少都依赖于移动网络，例如应用于远程修复的增强现实、远程医疗、采集公共设施（水力，煤气，电力，设施管理）数据的物联网设备、库存、供应链以及运输解决方案、智慧城市、智慧道路和远程安全保障应用。这些应用都受益于边缘计算就近端处理的能力。

3. 通用用户驻地设备（uCPE）:特点是网络连接有限，工作量较为稳定但需确保可用性高，同时，它也需要一种方法来支持跨上百至上千节点的数据应用混合安置，而拓展现有uCPE部署也将成为一项新要求。而这点非常适用于网络功能虚拟化（NFV Network Function Virtualization）应用，尤其当不同站点可能需要不同系列的服务链应用，或是区域内一系列不同的应用需要统一协作时。由于本地资源的利用以及必须满足在间断的网络连接下进行存储和进行数据处理，我们可需要支持网状或层次式的结构。自我修复以及与远程节点管理相结合的自我管理都是必须条件。

4. 卫星通信（SATCOM）：该场景以大量可用的终端设备分布于最偏远和恶劣的环境为特征。将这些分散的平台用于提供托管服务极为合理的，尤其是当考虑到极高的延时，有限的带宽以及跨卫星通讯的费用。具体事例可能包括船舶（从渔船到油轮），飞机，石油钻井，采矿作业或军事基础设施。

转载自知乎 ID 华成智雾

本文来源于网络，本着学习交流的目的进行转载，已标注原始作者和出处，如存在异议，请联系editor@xingongye.cn。如您对内容有疑问，请告之，以便我们及时处理。