深度：邊緣計算的理解與思考
在第三屆邊緣計算技術研討會上華爲黃還青發表了《ECC 及華爲在邊緣計算領域的思考與實踐》主題演講，本文爲黃還青演講中對邊緣計算理解及思考。
首先我們認爲邊緣計算的興起應該是在過去三四年，之所以興起大背景是因爲實體經濟的數字化轉型。這波實體經濟數字化以萬物感知、萬物互聯、萬物智能爲特徵，這三方面的特徵僅僅依靠雲計算是沒辦法特別好的解決，比如實時性、帶寬、安全、隱私等等一些問題，在這樣背景下，邊緣計算逐漸興起。
我們分享幾個行業對於邊緣計算的需求特徵和大背景下浮現出來關於邊緣計算的機會。先看一下工業，1. 工業 4.0 以及智能製造大背景下，推動了工業界原來傳統的架構重構：雲 + 邊緣 + 設備三層扁平互聯架構。在這個過程中，邊緣計算爲什麼有價值？邊緣計算核心是解決了傳統五層架構裏面網絡孤島、數據孤島與業務孤島的問題，同時更好的支撐柔性製造，並且帶來從技術到商業各個方面價值創新的能力。
2.OPC-UA overTSN 向下滲透，邊緣計算碎片化的問題在工業界尤其明顯。比如工業界目前一個比較好的解決方案，能解決邊緣計算碎片化的方案。OPC-UA over TSN 原來更多是在 PLC 之間及以上的層次。去年 11 月份在 OPC 基金會下面成立 FLC 工作組，工作組目的是 PLC 以下的層次如何利用 OPC UA over TSN 技術需求，研究明白，協議規範，定義清楚。
其實，工業界大背景下，施耐德這樣的巨頭已經圍繞大的趨勢，展開一些探索，我們看到施耐德已經明確了要基於 雲 + 邊緣控制 + 產品 三個層次去重構原有的架構，特意強調邊緣控制層的智能化是非常核心的點，提到了邊緣計算的主要形態，包括本地設備和邊緣雲；同時和華爲開展持續深入的合作。
智慧城市，從 IBM 提出了智慧地球概念後，智慧城市的建設在全球成爲了個熱點；17 年中國發布了數字中國戰略，引爆了新一輪智慧城市的建設，邊緣側擁有最全的訴求，所以新一輪智慧城市的建設需要邊緣智能、邊緣協同、邊緣能力的支撐；同時，5G 的發展會極大推動城市的萬物互聯，這也將極大促進邊緣計算產業發展。例如河長巡河場景下，利用邊緣計算實時採集河湖動態信息，通過 AI 輔助進行監測數據處理，污染預警溯源；智慧路燈場景下，藉助邊緣計算實時監控路燈運行狀態，輔助路燈開、關、亮度管理，本地化運營團隊進行鍼對性維護，精準高效；雪亮工程場景下，邊緣計算不僅能夠進行邊緣預處理，剔除 “垃圾” 信息，減少上傳的視頻數據，還能夠使邊緣設備更加“聰明”。
運營商。全球主流運營商看重邊緣計算產業機會點，都在拓耕邊緣計算領域，從管道經營到算力經營，完善 2C 業務體驗，強化 2B 市場能力。
中國聯通致力於構建一個開放的，開源的 Edge-Cloud 服務 PaaS 平臺，以靈活分配計算，存儲，網絡和加速器資源，旨在加速邊緣服務的孵化和推廣。
1、發佈 CUBE-Edge2.0 白皮書；
2、中國聯通將大力發展邊緣 DC，啓動全國範圍內 15 個省市的規模試點；
3、主導的《IoT requirements for Edge computing》國際標準項目立項
中國移動將邊緣計算上升爲公司戰略與 5G 並列。中移動將邊緣計算上升爲公司戰略與 5G 並列，推動中國移動未來從管道經營（流量變現）擴展到算力經營（服務變現）”
1、成立中國移動邊緣計算開放實驗室；
2、發佈中國移動邊緣計算技術白皮書；
3、宣佈 Pioneer300 計劃。
美國電信公司 AT&T 將邊緣計算定位其 5G 戰略三大支柱之一，AT&T 已經爲移動和固定無線應用接入邊緣計算，可以使用 LTE 或 5G 連接進行部署。主導發起了 Akraino 開源，通過開源加快邊緣計算生態建設和商用部署。
全球移動通信系統協會，簡稱 GSMA，全球移動通信系統協會（GSMA）成立於 1987 年，是全球移動通信領域的行業組織，目前其成員已包括 220 個國家的近 800 家移動運營商以及 230 多家更爲廣泛的移動生態系統中的企業，其中包括手機制造商、軟件公司、設備供應商、互聯網公司以及金融服務、醫療、媒體、交通和公共事業等領域的企業。GSMA 認爲邊緣計算是運營商未來重要發展方向：
1、Edge Cloud 如何幫助運營商 Cloud VR/AR 等新型業務降低部署成本，加快部署速度；
2、邊緣計算如何推動當前智慧城市，智能製造中圖像處理能力，
GSMA 動態：
1、GSMA 在 MWC2019 發佈了邊緣計算白皮書：Distributed Edge Cloud: Definitions,
Dynamics AndDrivers，
2、GSMA 計劃通過推動邊緣計算典型 PoC 來加速邊緣計算在運營商的應用。
GSMA 定義的 2 大邊緣計算形態
運營商邊緣計算核心技術：
1、多形態 I 硬件（邊緣雲，一體機形態，異構數據處理雲化網關等）；
2、輕量級雲原生 PaaS（微服務，Serveless 等）；
3、安全（物理安全，平臺安全，應用安全等）。
邊緣計算技術方向往那些方向走？
邊緣計算需要與雲計算協同，才能最大化增強實現彼此的應用價值，這個得到產業界的廣泛認同，但是邊雲協同的價值和內涵到底是什麼，涉及到那些方面的協同？這些問題在產業界一直缺乏共識。去年，ECC 產業聯盟試圖從主要場景出發，初步梳理了邊雲協同的全視圖，我們認爲邊雲協同大體上會涉及三層六類協同，也就是從 IaaS 到 PaaS 到 SaaS 三個層次，邊緣側三個層次和雲側三個層次一定有相互協同工作，落實到具體場景中，不見得所有業務場景都會包括，我們這個六類應該是目前階段理解邊雲協同的全視圖。
-
服務協同；雲端提供 SaaS 分佈策略，那些 SaaS 部署在雲端。那些部署在邊緣（應用相互協同）。
-
業務管理協同；邊緣提供模塊化、微服務化應用，雲端提供邊緣應用的業務編排管理。
-
應用管理協同；邊緣節點提供應用的部署與運行環境，並進行管理、調度；雲端提供應用開發測試環境及生命週期管理
-
智能協同；邊緣節點按照 AI 模型執行推理，雲端開展 AI 集中模型訓練，下發模型到邊緣。
-
數據協同；邊緣節點負責終端數據的採集，進行初步處理，並將結果上傳雲端，雲端提供海量數據存儲、分析、價值挖掘。
-
資源協同；邊緣節點提供基礎設施資源，並具備本地調度和管理能力，同時接受並執行雲端資源調度管理策略（含設備、資源、網絡連接）
邊緣計算正從 1.0 走向 2.0，如果說 1.0 更偏向概念定義，主要目的是推動產業共識；2.0 則更加關心技術和能力構建，從而促進邊緣計算的實踐落地。邊緣計算 2.0 核心觀點包括落地形態，我們認爲主要是邊緣雲和雲化網關兩種形態，當然細分來說還有很多。
邊緣雲主要提供近現場的綜合計算能力，支撐智慧園區、平安城市、智能製造等場景，將中心雲的能力拉近到邊緣，是下一步雲計算創新突破的增長點。
雲化網關是企業 / 行業數據的匯聚節點，是網關設備基於雲計算技術的演進，主要通過多樣連接、實時處理、雲化管理和人工智能等關鍵能力，邊雲協同使能行業數字化。
軟件平臺，一定是引入雲架構、雲技術，實現端到端實時、協同式智能、可信賴、可動態重置的能力。
從趨勢看，邊緣計算發展分爲三階段。
第一階段，這個階段時期大致是 2015 年 - 2017 年，概念孵化，產業共識
產業共識：邊緣計算及其價值成爲產業共識
概念泛化：霧計算、邊緣計算、節點計算、移動邊緣計算、開放邊緣計算
邊界不清：OT 認爲 20 年前的工業現場 PLC 即是、海康威視認爲智能攝像頭即是、思科認爲雲之下終端之上。
第二階段，當前就是在第二階段，2018 年到 2020 年，主要是進一步聚焦及落地探索
價值落地場景：從泛化概念，逐步聚焦到雲邊緣、物聯網邊緣價值場景。
業務本質：雲計算在數據中心之外匯聚節點的延伸和演進。“邊雲協同、邊緣智能” 爲核心能力。
第三階段是 2020 年以後，開始規模發展
帶來更豐富的應用場景：增值業務（如預測性維護）到控制系統（如 vPLC）
以及更廣泛的行業覆蓋：從製造 / 運營商 / 能源到泛工業（如交通、企業、智慧家居等）
邊緣計算已經形成產業共識，正從泛化概念走向進一步聚焦及落地探索，未來 3~5 年是產業發展關鍵期。
延展閱讀：
一文輕鬆讀懂邊緣計算
邊緣計算（Edge computing）是相對雲計算而言的，它是指收集並分析數據的行爲發生在靠近數據生成的本地設備和網絡中。邊緣計算又被叫做分佈式雲計算、霧計算或第四代數據中心。
大概很多人都有這樣的經歷：不小心，手被火燒或被開水燙了，人會立即移開自己的手，這個反應是人的自組織條件反射反應。我們假設一下，如果我們的手被火燒或被開水燙由我們大腦根據彙集的信息做反應決定，再採取行動的話，那會是一個什麼樣的場景？
假設我們把人的條件反射標記爲邊緣計算，把人的大腦的反應標記爲雲計算的話，那麼我們就可以淺顯而又深刻地瞭解邊緣計算和雲計算的區別。
一. 什麼是邊緣計算
邊緣計算（Edge computing）是相對雲計算而言的，它是指收集並分析數據的行爲發生在靠近數據生成的本地設備和網絡中，而不是必須將數據傳輸到計算資源集中化的雲端進行處理。邊緣計算又被叫做分佈式雲計算、霧計算或第四代數據中心。
邊緣計算首先通過在 WAN 網絡上虛擬化網絡服務而出現。最初是由一個平臺來驅動的，適應了雲計算用戶的習慣，這也便是思科 (Cisco) 於 2011 年曾提出的霧計算概念的由來。隨着新的邊緣計算能力的出現，邊緣計算不再需要構建集中的數據中心，創建了具有潛在數千個可應用的大規模分佈式節點的能力。
二. 爲什麼需要邊緣計算
Gartner 預計到 2020 年全世界有多達 250 億的智能設備會連接互聯網，如此多的設備會產生 50 萬億 GB 的數據，這相當 2015 年全球數據量的 5 倍多。如果將這些設備產生的數據全部傳輸到雲端，對網絡帶寬、網絡流量成本控制、雲端存儲能力都是一個巨大的挑戰。同時，一些應用需要及時響應，如工廠的機械設備的故障預測，時延即意味着損失。另外一些邊緣設備還涉及個人隱私和安全。爲了應對物聯網場景中海量數據傳輸、存儲和雲計算能力的挑戰，領先的雲計算廠商紛紛推出邊緣計算的產品。將部分數據分析功能，放到了應用場景的附近 (終端或網關) 來實現，這種就近提供的智能服務可以滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。
邊緣計算的由來
邊緣計算是近幾年才興起的一個概念，它的出現是源於雲計算在實際運用中的不足：
事例 1: 製造業打造智能工廠時，會有大量的智能化終端和設備通過工業網絡接入，企業需要計算和處理的日常業務數據越來越龐大。同時，工業上有大量需要實時處理的場景，需要在毫秒級別進行實時響應。由於網絡的限制，雲計算架構難以實現實時響應。（延時即事故）
事例 2: 無人汽車需要在高速移動狀態對周圍環境做出反應，所以響應時間是個極其重要的指標。假設汽車行駛速度爲 65 英里每小時，緊急制動響應時間即便只慢了幾毫秒，汽車緊急制動距離就會多出幾英尺，這或許就是發生事故和沒有發生事故的區別。（延時即生命）
事例 3: 通過大量傳感器，對油田生產數據實現自動化採集，但如果每個傳感器都向雲端發送聯接，海量的數據給網絡帶來巨大壓力。（海量即擁堵）
事例 4: 假如你家的空調是智能化控制的，而且依託於雲計算。但你家沒有停電，卻斷網了，那怎麼辦？無法進行雲端控制，儘管你汗如雨下，空調也是擺設，這豈不是是十分尷尬？邊緣計算解決了這沒有網絡情況下的控制。（無網無服務）
1、雲計算和邊緣計算的區別
2、邊緣計算的幾個特質
✓分佈式和低延時計算
邊緣計算聚焦實時、短週期數據的分析，能夠更好地支撐本地業務的實時智能化處理與執行
✓效率更高
由於邊緣計算距離用戶更近，在邊緣節點處實現了對數據的過濾和分析，因此效率更高
✓更加智能化
AI + 邊緣計算的組合出擊讓邊緣計算不止於計算，更多了一份智能化
✓更加節能
雲計算和邊緣計算結合，成本只有單獨使用雲計算的 39%
✓緩解流量壓力
在進行雲端傳輸時通過邊緣節點進行一部分簡單數據處理，進而能夠設備響應時間，減少從設備到雲端的數據流量
三. 技術進步爲佈署邊緣計算提供了可能
在物聯網場景下，每個智能設備都會產生大量的數據，傳輸如此海量的數據從本地到雲端，則需要消耗大量的網絡帶寬。爲了加快服務和計算處理數據的時間，將計算從雲端移向採集數據的邊緣節點則是必然之選。
如上表所示，在 30 年前，計算通常發生在資源集中的大型機上。而 20 年前，隨着 PC 的發展，C/S 架構變得流行，任務處理變成分佈式模型，客戶端處理業務邏輯，數據庫存儲和交換數據。又經過 10 年的發展，爲了提升用戶體驗、提供更敏捷的軟件升級和改進，B/S 架構佔據主流，業務處理和存儲又集中到了雲端完成。現今，隨着連入雲端的智能設備越來越多、數據量越來越大，而且智能設備芯片的運算能力越來越強，這爲使用邊緣節點完成對初始數據的處理和分析便提供了必要的條件。
四. 怎麼佈署邊緣計算
在物聯網場景下，每個智能設備都會產生大量的數據，傳輸如此海量的數據從本地到雲端，則需要消耗大量的網絡帶寬。爲了加快服務和計算處理數據的時間，將計算從雲端移向採集數據的邊緣節點則是必然之選。其實，在大數據場景下，將計算部署到靠近數據的節點早有先例。Hadoop 中的 MapReduce 就是通過將 mapper 和 reducer 部署到數據存儲的節點，從而高效的處理 HDFS 中存放的海量數據。
邊緣計算環境是構成物聯網生態系統的諸多元素的一個子集，它剔除了管理、安全和分析功能。邊緣計算是聯接物理世界和虛擬世界的一道 “橋樑”。
1、設備域：邊緣計算在這一層，可以對感知的信息直接進行計算處理。比如在製造領域，可以對設備進行適時監控，能夠實現預防性維護；在視頻採集、音頻採集中直接部署智能鑑別的能力; 又或者像手機一樣，能夠由語音輸入直接轉換成文字輸出。
2、網絡域：通過部署計算能力，實現各網絡協議的自動轉換，對數據格式進行標準化處理。要解決物理網中數據異構的問題，就需要在網絡域中部署邊緣計算，以實現數據格式的標準化和數據傳遞的標準化 (例如將所有的感知數據都換算成 MQTT 類型數據，並通過 HTTP 方式傳遞)。同時，網絡域的邊緣計算，還能對“融合網絡” 進行智能化管理，實現網絡的冗餘，保證網絡的安全，並可進一步參與網絡的優化工作。
3、數據域：邊緣計算，使得數據管理更智能、存儲方式更靈活。首先，邊緣計算可以對數據的完整性和一致性進行分析，並進行數據清洗工作，消滅系統中的 “髒” 數據。其次，邊緣計算可以對計算和存儲能力、以及系統負載進行動態地部署。最後，邊緣計算還能和雲端計算保持高效協同、合理分擔運算任務。
4、應用域：邊緣計算提供屬地化的業務邏輯和應用智能。它使得應用具有靈便、快速反應的能力，並在離線的情況下 (和雲端失去聯繫時)，仍能夠獨立地提供本地化的應用服務。
五. 邊緣計算典型應用場景
邊緣網絡基本上由終端設備（例如移動手機、智能物品等等）、邊緣設備（例如邊界路由器、機頂盒、網橋、基站、無線接入點等等）、邊緣服務器等構成。這些組件可以具有必要的性能，支持邊緣計算。作爲一種本地化的計算模式，邊緣計算提供了對於計算服務需求更快的響應速度，通常情況下不將大量的原始數據發送雲網絡。然而，總體來說，邊緣計算不需要會主動協助 IaaS,、PaaS、 SaaS 和其他雲服務，更多地專注於終端設備端。
邊緣計算的概念是因工業製造之因而起。在工業領域，雲端固然必不可少，但是仍需要邊緣與雲端的協同工作。單點故障在工業級應用場景中是絕對不能被接受的，因此除了中心雲的統一控制外，工業現場的系統也必須具備一定的活力，能夠自主判斷並解決問題。邊緣計算可以更便捷的處理工廠設備產生的海量數據，及時檢測異常情況，更好的實現預測性監控，提升工廠運行效率的同時也能預防設備故障問題。
除工業製造之外，邊緣計算在物聯網時代不斷增長的數據催生了對邊緣計算的需求，下圖是邊緣計算的典型應用場景：
1、工業製造
邊緣計算可以更便捷的處理工廠設備產生的海量數據，及時檢測異常情況，更好的實現預測性監控，提升工廠運行效率的同時也能預防設備故障問題。
2、安全監控、ARVR
邊緣計算提供快速、高效、精準的實時響應，將驅動安防行業人工智能應用邁入全新層次。
3、智能交通
智能交通信號燈可以根據路上車流的情況動態的調整信號燈的顏色，提高交通流暢度，減少擁堵，還可以應用於緊急情況，例如：信號燈可以爲緊急情況開闢出一條綠色通道。
4、自動駕駛
自動駕駛在躲避障礙物的過程，若按照先上傳雲端、分析處理、再返回設備的模式，將造成信號傳輸的延遲，緊急情況下極易發生交通事故。
5、智慧家居
家中有非常多的智能家居的設備，智能家居不同產品之間互動場景的定義，需要邊緣計算。另外，對於智慧家居來說，接入網絡的安全性和私密性也爲人們所看重，邊緣雲可以在物聯網網關和數據中心之間建立加密通道，進一步提高系統的安全性和隱私性。
6、智慧城市
邊緣計算就好比城市神經末梢，將人工智能與分佈在城市中的傳感器結合，可以高效處理城市運營問題，如在道路兩側路燈杆上安裝傳感器，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。
7、智慧路燈
嵌入到路燈內部的傳感器、執行器、計算和存儲單元可以組合起來構成邊緣計算的節點，傳感器採集的數據發送到位於網絡邊緣的計算和存儲節點，經過計算將結果返回給執行器，執行器對路燈進行控制，而不是將數據發送到位於網絡邊緣的雲計算中心。這樣既可以提高系統的實時性，又可以減輕雲端的壓力。
8、風力發電
在風力發電機機組上佈置邊緣節點，實時收集數據信息。數據信息上傳至工業網關，如風速、啓動等做優化，將模型轉化爲算法或者規則，即時控制機組。
9、醫療保健
醫療設備上存儲的數據可用於更新患者的數字醫療記錄。邊緣計算將連接起來這些醫療設備，在緊急情況下爲醫院和醫生提供可靠和最新的患者信息。
10、無人機
邊緣計算使無人機能夠檢查數據並實時響應數據，廣泛應用於各種領域，如當無人機識別到車禍時，無人機可以向附近的行人提供有價值的信息。
六. 結語
據 IDC 預測，未來超過 50% 的數據需要在網絡邊緣側分析、處理和儲存。邊緣計算將延伸至交通運輸系統、智能駕駛、實時觸覺控制、增強現實等諸多領域，成爲運營商數字化轉型的關鍵使能技術。
本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/WYLfHNLfnMqGNYliEsL4xg