邊緣計算是在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的開放平臺。邊緣計算與云計算互相協(xié)同，共同助力各行各業(yè)的數(shù)字化轉(zhuǎn)型。它就近提供智能互聯(lián)服務(wù)，滿足行業(yè)在數(shù)字化變革過程中對業(yè)務(wù)實時、業(yè)務(wù)智能、數(shù)據(jù)聚合與互操作、安全與隱私保護等方面的關(guān)鍵需求。

根據(jù)國際電信聯(lián)盟電信標準分局ITU-T的研究報告，到2020年，每個人每秒將產(chǎn)生1.7MB的數(shù)據(jù)，IoT可穿戴設(shè)備的出貨量將達到2.37億。IDC也發(fā)布了相關(guān)預(yù)測，到2018年，50%的物聯(lián)網(wǎng)網(wǎng)絡(luò)將面臨網(wǎng)絡(luò)帶寬的限制，40%的數(shù)據(jù)需要在網(wǎng)絡(luò)邊緣側(cè)分析、處理與儲存，到2025年，這一數(shù)字將超過50%。

圖1：邊緣計算與云計算的關(guān)系

邊緣計算的巨大價值

美國部署了3000余萬個監(jiān)控攝像頭，每周生成超過40億小時的海量視頻數(shù)據(jù)。物聯(lián)網(wǎng)領(lǐng)域擁有海量的終端設(shè)備，如果這些設(shè)備產(chǎn)生的數(shù)據(jù)聚在一起，會是個天文數(shù)字。海量數(shù)據(jù)的分析與儲存對網(wǎng)絡(luò)帶寬提出了巨大的挑戰(zhàn)，而邊緣計算的誕生，就是為了解決這一問題。

1)分布式和低延遲計算

云計算往往并不是最佳策略，計算需要在更加靠近數(shù)據(jù)源的地方執(zhí)行。這個優(yōu)點可以擴展到任何基于Web的應(yīng)用程序上：包括 Foursqure和Google Now在內(nèi)的APP能更快的做出響應(yīng)，所以在移動用戶中變得越來越受歡迎。這說明在更靠近用戶的邊緣節(jié)點上，邊緣計算可以用于改進服務(wù)。

許多數(shù)據(jù)流由邊緣設(shè)備生成，但是通過“遠處”的云計算處理和分析，不可能做出實時決策。例如使用可穿戴式攝像頭的視覺服務(wù)，響應(yīng)時間需要在25ms至50ms之間，使用云計算會造成嚴重的延遲;再比如工業(yè)系統(tǒng)檢測、控制、執(zhí)行的實時性高，部分場景實時性要求在10ms以內(nèi)，如果數(shù)據(jù)分析和控制邏輯全部在云端實現(xiàn)，則難以滿足業(yè)務(wù)要求;還有那些會生成龐大數(shù)據(jù)流的多媒體應(yīng)用，如視頻或是基于云平臺的網(wǎng)絡(luò)游戲，依賴云計算也會為玩家造成類似于等待時間過長的問題，無法滿足用戶的需求。

作為云計算的有益補充，可以利用邊緣節(jié)點(例如，路由器或離邊緣設(shè)備最近的基站)，用以減少網(wǎng)絡(luò)等待時間。

2)超越終端設(shè)備的資源限制

與數(shù)據(jù)中心的服務(wù)器相比，用戶終端(例如智能手機)的硬件條件相對受限。這些終端設(shè)備以文本、音頻、視頻、手勢或運動的形式獲得數(shù)據(jù)輸入，但由于中間件和硬件的限制，終端設(shè)備無法執(zhí)行復(fù)雜的分析，而且執(zhí)行過程也極為耗電。因此，通常需要將數(shù)據(jù)發(fā)送到云端，進行處理和運算，然后再把有意義的信息通過中繼返回終端。

然而，并非來自終端設(shè)備的所有數(shù)據(jù)都需要由云計算執(zhí)行，數(shù)據(jù)可以利用適合數(shù)據(jù)管理任務(wù)的空閑計算資源，在邊緣節(jié)點處過濾或者分析。

3)可持續(xù)的能源消耗

大量研究顯示，云計算會消耗龐大的能源，未來十年數(shù)據(jù)中心所消耗的能源量可能是如今消耗量的3倍。隨著越來越多的應(yīng)用轉(zhuǎn)移到云，能量需求會日益增長，甚至無法滿足。因此，采用能量效率最大化的計算策略顯得尤為迫切。

一些嵌入式小型設(shè)備的基礎(chǔ)信息采集處理完全可以在端完成，即手機傳感器把數(shù)據(jù)傳送到網(wǎng)關(guān)后，就通過邊緣計算進行數(shù)據(jù)過濾和處理，沒必要每條原始數(shù)據(jù)都傳送到云，這省去了大量的能源成本。

4)應(yīng)對數(shù)據(jù)爆炸和網(wǎng)絡(luò)流量壓力

邊緣設(shè)備的數(shù)量正在超速增長——到2018年，世界上三分之一的人口將擁有智能手機或者可穿戴設(shè)備，到2020年，這些設(shè)備將生成43萬億GB的數(shù)據(jù)。處理這些數(shù)據(jù)需要進一步擴展數(shù)據(jù)中心，這再次引起了人們對網(wǎng)絡(luò)流量壓力的廣泛關(guān)注。

通過在邊緣設(shè)備上執(zhí)行數(shù)據(jù)分析，可有效應(yīng)對數(shù)據(jù)爆炸，減輕網(wǎng)絡(luò)的流量壓力。邊緣計算能夠縮短設(shè)備的響應(yīng)時間，減少從設(shè)備到云數(shù)據(jù)中心的數(shù)據(jù)流量，以便在網(wǎng)絡(luò)中更有效的分配資源。

5)智能計算

不僅是消費級的物聯(lián)網(wǎng)終端，邊緣計算還將在工業(yè)應(yīng)用中發(fā)揮重要作用。計算可以分層執(zhí)行，利用網(wǎng)絡(luò)遠端的資源完成。例如，典型的生產(chǎn)流水線可以過濾設(shè)備上生成的數(shù)據(jù)，在傳輸數(shù)據(jù)的邊緣節(jié)點上執(zhí)行部分分析工作，之后再通過云端執(zhí)行更加復(fù)雜的計算任務(wù)。邊緣節(jié)點可以通過分擔(dān)云計算的部分任務(wù)，增強數(shù)據(jù)中心的計算能力。

業(yè)務(wù)流程優(yōu)化、運維自動化與業(yè)務(wù)創(chuàng)新驅(qū)動業(yè)務(wù)走向智能，邊緣側(cè)智能能夠帶來顯著的效率提升與成本優(yōu)勢。事實上，對于從事工業(yè)自動化工作的人而言，邊緣計算并不陌生。比如，在目前普遍采用的基于PLC、DCS、工控機和工業(yè)網(wǎng)絡(luò)的控制系統(tǒng)中，位于底層、嵌于設(shè)備中的計算資源，或多或少都是邊緣計算的資源。

目前規(guī)模以上冶金企業(yè)，其信息化已經(jīng)做得頗具成效，但缺少的恰恰是末端智能。冶金方面的數(shù)據(jù)經(jīng)常會出現(xiàn)完整性和一致性的問題，俗稱“臟”數(shù)據(jù)。解決不好這方面的問題，會給能源管理和智能管理環(huán)節(jié)造成很大的困擾。邊緣計算在其中發(fā)揮著重要作用，成為工業(yè)物聯(lián)網(wǎng)技術(shù)的有效補充。

邊緣計算所面臨的挑戰(zhàn)

邊緣計算仍處于起步階段，當(dāng)前的云計算服務(wù)(如Amazon Web Service，Microsoft Azure和Google App Engine)可以支持數(shù)據(jù)密集型的應(yīng)用程序，但在網(wǎng)絡(luò)邊緣進行實時的數(shù)據(jù)處理仍是一個有待開拓的領(lǐng)域。

此外，若想更好的在邊緣節(jié)點上部署應(yīng)用程序的工作負載，需要考慮以下幾個方面：

部署策略：如何部署工作負載

連接策略：何時使用邊緣節(jié)點

異構(gòu)性：如何處理不同類型的節(jié)點

為了實現(xiàn)邊緣計算，我們認為在硬件、中間件和軟件層面，有以下5個挑戰(zhàn)需要解決。

挑戰(zhàn)1：邊緣節(jié)點上的通用計算能力

理論上，可以在位于邊緣設(shè)備和云平臺之間的某幾個節(jié)點上完成邊緣計算，包括接入點、基站、網(wǎng)關(guān)、業(yè)務(wù)節(jié)點、路由器、交換機等。例如，基站可以根據(jù)工作負載能力，執(zhí)行數(shù)字信號處理(DSP)。但是在實踐中，基站可能并不適合處理分析工作，因為DSP并不是為通用計算設(shè)計的。此外，這些節(jié)點是否可以執(zhí)行除了現(xiàn)有工作之外的計算還不太清楚。

由CAVIUM提供的OCTEON Fusion? Family是一個小型“芯片上基站”單元，可擴展從6個到14個的內(nèi)核，以支持32到300+的用戶。這種基站可在非高峰時間使用多個計算核心的運算能力。

許多供應(yīng)商也已經(jīng)邁出了使用軟件解決方案實現(xiàn)邊緣計算的第一步。例如，諾基亞針對移動邊緣計算(MEC)的軟件解決方案旨在為基站站點提供邊緣計算能力。同樣，思科的IOx為其集成的服務(wù)路由器提供了一個邊緣計算環(huán)境。這些解決方案應(yīng)用于特定硬件，因此不適合部署在異構(gòu)環(huán)境中。

軟件解決方案面臨的一個挑戰(zhàn)是如何開發(fā)跨越不同環(huán)境的可移植的解決方案。某些公司正在研究升級邊緣節(jié)點，以支持通用計算需求。例如，可以升級無線家庭路由器以支持額外的計算任務(wù)。英特爾的Smart Cell Platform使用虛擬化技術(shù)，支持額外的計算任務(wù)。通用CPU替換專用DSP提供了另一種解決方案，但卻需要巨大的投資。

挑戰(zhàn)2：發(fā)現(xiàn)邊緣節(jié)點

到2020年將有500億的終端和設(shè)備聯(lián)網(wǎng)，除了邊緣設(shè)備與終端聯(lián)網(wǎng)最大的“異構(gòu)”特征之外，產(chǎn)品生命周期越來越短、個性化需求越來越高、全生命周期管理和服務(wù)化的趨勢越來越明顯，這些新趨勢都需要邊緣計算提供強大的技術(shù)支撐。

如何在分布式計算環(huán)境中發(fā)現(xiàn)資源和服務(wù)是一個有待拓展的領(lǐng)域。為了充分利用網(wǎng)絡(luò)的邊緣設(shè)備，需要建立某種發(fā)現(xiàn)機制，找到可以分散式部署的適當(dāng)節(jié)點。因為可用設(shè)備的數(shù)量龐大，這些機制不能依靠人工手動。此外，還需要使用多種異構(gòu)設(shè)備滿足最新的計算需求，比如大規(guī)模的機器學(xué)習(xí)任務(wù)。

這些機制必須在不增加等待時間或損害用戶體驗的前提下，實現(xiàn)不同層次和等級的計算工作流中無縫集成，原有的基于云計算的機制在邊緣計算領(lǐng)域不再適用。

挑戰(zhàn)3：分區(qū)和拆分任務(wù)

對于邊緣計算來說，最大的難點在于如何動態(tài)、大規(guī)模地部署運算和存儲能力以及云端和設(shè)備端如何高效協(xié)同、無縫對接。

不斷發(fā)展的分布式計算已經(jīng)催生了許多技術(shù)用來促進在多個地理位置分區(qū)執(zhí)行任務(wù)。任務(wù)分區(qū)通常在編程語言或管理工具中明確表示。

然而，利用邊緣節(jié)點來實現(xiàn)分區(qū)計算不僅僅帶來了有效分割計算任務(wù)的挑戰(zhàn)，對于如何能在不需要明確定義邊緣節(jié)點的能力或位置，以自動化的方式進行計算的問題上，也遇到了瓶頸。因此，需要一種新型的調(diào)度方式，以便將分割的任務(wù)部署到各個邊緣節(jié)點上。

挑戰(zhàn)4：高水準的服務(wù)質(zhì)量(QoS)和服務(wù)體驗(QoE)

另一個挑戰(zhàn)是需要確保邊緣節(jié)點實現(xiàn)高吞吐量，并且在承接額外計算工作量時運行可靠。例如，當(dāng)基站過載時，可能影響連接到基站的其他邊緣設(shè)備。

因此需要對邊緣節(jié)點的峰值時間全面了解，以便可以用靈活的方式來分割和調(diào)度任務(wù)。復(fù)雜的算法如何在云端和邊緣設(shè)備之間合理分解和整合，需要一個對云管端三者都有控制力的技術(shù)來實現(xiàn)。

挑戰(zhàn)5：開放和安全的使用邊緣節(jié)點

安全橫跨云計算和邊緣計算，需要實施端到端的防護。由于更貼近萬物互聯(lián)的設(shè)備，網(wǎng)絡(luò)邊緣側(cè)訪問控制與威脅防護的廣度和難度因此大幅提升。邊緣側(cè)安全主要包含設(shè)備安全、網(wǎng)絡(luò)安全、數(shù)據(jù)安全與應(yīng)用安全。此外，關(guān)鍵數(shù)據(jù)的完整性、保密性是安全領(lǐng)域需要重點關(guān)注的內(nèi)容。

如果把終端設(shè)備(例如交換機、路由器和基站)當(dāng)作可共享接入的邊緣節(jié)點，則需要解決許多問題：首先，需要定義邊緣設(shè)備使用者和擁有者相關(guān)聯(lián)的風(fēng)險。其次，當(dāng)設(shè)備用于邊緣計算節(jié)點時，設(shè)備的原有的功能不能被損害。第三，邊緣節(jié)點上的多重用戶都需要將安全性作為首要關(guān)注指標。第四，需要向邊緣節(jié)點的用戶保證最低服務(wù)水平。最后，需要考慮工作負載、計算能力、數(shù)據(jù)位置和遷移、維護成本和能源消耗，以便建立合適的定價模型。

邊緣計算的潛在機會

邊緣計算仍處于起步階段，有可能為更高效的分布式計算鋪平道路。盡管在實現(xiàn)邊緣計算時出現(xiàn)了不少挑戰(zhàn)，但邊緣計算將會催生更多的發(fā)展機遇，在此我們明確了5個潛在機會：

機會1：標準、基準和市場

統(tǒng)一數(shù)據(jù)連接和數(shù)據(jù)聚合是業(yè)務(wù)智能的基礎(chǔ)，面對當(dāng)前工業(yè)現(xiàn)場存在的多樣化與異構(gòu)的技術(shù)和標準，離不開跨廠商、跨領(lǐng)域的數(shù)據(jù)集成與互操作。網(wǎng)絡(luò)邊緣側(cè)的本地計算服務(wù)無疑會在異構(gòu)環(huán)境中迎來IT廠商、IT方案商以及開發(fā)者集成融合服務(wù)的挑戰(zhàn)，標準化亟待形成。

許多組織正在定義各種邊緣計算標準，例如美國國家標準和技術(shù)協(xié)會(NIST)、IEEE標準協(xié)會、國際標準化組織(ISO)、云計算標準客戶委員會(CSCC)和國際電信聯(lián)盟(ITU)等。只有當(dāng)邊緣節(jié)點的性能可以根據(jù)廣泛認可的度量指標可靠的進行基準測試時，才能形成標準。

機會2：架構(gòu)和語言

隨著支持通用計算的邊緣節(jié)點不斷增加，開發(fā)框架和工具包的需求也會隨之增長。邊緣分析與現(xiàn)有流程不同，由于邊緣分析將在用戶驅(qū)動的應(yīng)用程序中實現(xiàn)，現(xiàn)有框架可能不適合表達邊緣分析的工作流。

編程模型需要利用邊緣節(jié)點支持任務(wù)和數(shù)據(jù)的并行，并且同時在多個層級的硬件上執(zhí)行計算。編程語言需要考慮工作流中硬件的異構(gòu)性和各種資源的計算能力。這比云計算的現(xiàn)有模型更加復(fù)雜。

機會3：輕量級庫和算法

與大型服務(wù)器不同，由于硬件限制，邊緣節(jié)點不支持大型軟件。例如，Intel T3K并發(fā)雙模SoC的小型基站具有4核ARM的CPU和有限內(nèi)存，不足以執(zhí)行復(fù)雜的數(shù)據(jù)處理工作。再比如APAChe Spark需要至少8核的CPU和8 GB的內(nèi)存以獲得良好的性能。邊緣分析需要輕量級算法，可以進行合理的機器學(xué)習(xí)或數(shù)據(jù)處理任務(wù)。

例如，Apache Quarks是一種輕量級庫，可以在小型邊緣設(shè)備(如智能手機)上使用，以實現(xiàn)實時數(shù)據(jù)分析。但是Quarks支持的基本數(shù)據(jù)處理，例如過濾和窗口聚合，不足以滿足高級分析任務(wù)。消耗更少內(nèi)存和使用更小磁盤的機器學(xué)習(xí)資源庫有利于實現(xiàn)邊緣節(jié)點的數(shù)據(jù)分析。TensorFlow是另一個支持深度學(xué)習(xí)算法并支持異構(gòu)分布式系統(tǒng)的示例框架，但其邊緣分析的潛力仍有待探索。

機會4：微型操作系統(tǒng)和虛擬化

基于微型操作系統(tǒng)或微型內(nèi)核的研究可以解決在異構(gòu)邊緣節(jié)點上部署應(yīng)用的挑戰(zhàn)。

有研究表明，跨越多個虛擬設(shè)備復(fù)用設(shè)備硬件的移動容器可以提供與本地硬件接近的性能。容器技術(shù)(如Docker)正在成熟，并且能夠在異構(gòu)平臺上快速部署應(yīng)用程序。

機會5：產(chǎn)學(xué)研合作

邊緣計算為產(chǎn)業(yè)界和學(xué)術(shù)界提供了獨特的發(fā)展機會。邊緣計算領(lǐng)域的研究可以由行業(yè)合作伙伴(例如移動運營商和開發(fā)人員、軟件工具開發(fā)商和云服務(wù)提供商等)以及感興趣的學(xué)術(shù)合作伙伴共同驅(qū)動，以實現(xiàn)雙方的共同利益。