初步认识边缘计算

1、初步认识边缘计算有时更快的数据处理是一种奢侈有时它生死攸关。 例如，自动驾驶汽车本质上是一台装有轮子的高性能计算机， 它通过大量的传感 器来收集数据。 为了使得这些车辆能够安全可靠地运行， 它们需要立即对周围的 环境做出反应。 处理速度的任何延迟都有可能是致命的。 虽然联网设备的数据处 理现在主要是在云端进行的， 但在中央 服务器 之间来回传送数据可能需要几秒 钟的时间。这一时间跨度太长了。边缘计算则让自动驾驶汽车更快速地处理数据成为可能。 这种技术使得联网设备 能够处理在“边缘”形成的数据， 这里的“边缘”是指位于设备内部或者与设备 本身要近得多的地方。据估计，到2020年，每人每天平均将产

2、生1.5GB的数据量。随着越来越多的设 备连接到互联网并生成数据， 云计算可能无法完全处理这些数据尤其是在某 些需要非常快速地处理数据的使用场景当中。边缘计算是云计算以外的另一种可选解决方案， 未来它的应用范围很有可能将远 不止是无人驾驶汽车。包括亚马逊、 微软和谷歌在内的一些科技巨头都在探索“边缘计算”技术， 这可 能会引发下一场大规模的计算竞赛。虽然亚马逊 云服务 Amazon Web Services（AWS在公共云领域仍然占据主导地位，但谁将成为这个新兴的边缘计算领域 的领导者仍有待观察。在本文中， 我们将深入探讨什么是边缘计算， 与该技术相关的优势， 以及它在各 行各业中的应用。一个

3、充满变化的计算领域在了解边缘计算之前， 我们必须先来看看它的前身云计算是如何为遍布 全球的物联网（loT）设备铺平道路的。云计算赋能互联世界从可穿戴设备到联网厨房电器， 联网设备可以说无处不在。 据估计，到 2019年， 全球物联网市场规模将超过 1.7 万亿美元，较2013年的 4860亿美元增长逾两倍。 因此，云计算许多智能设备连接到互联网来运作的过程已经成为一种越 来越主流的趋势。云计算使得公司能够在自己的物理硬件之外， 通过远程服务器网络（俗称“云”） 存储和处理数据（以及其他的计算任务）。All your flies ava tlable from mil ycur devices,

4、例如，你可以选择使用苹果的iCloud云服务来备份你的智能手机，然后你可以 通过另一个联网设备（比如你的 台式 电脑）检索智能手机里的数据，方法是登 录你的账户连接到云。你的信息不再受到智能手机或台式机的内部硬盘容量的限 制。这只是众多云计算用例之一。另一个例子是通过 Wet端或移动浏览器来访问各种 完整的应用程序。由于云计算越来越受欢迎，它吸引了亚马逊、谷歌、微软和IBM等大型科技公司入局。据私有云管理公司RightScale于2018年进行的一项 调查显示，在主要的公共云提供商当中，亚马逊AWSS微软Azure分列第一和第C? More organizations are running

5、applications on public clouds 2018 20176桃图示：越来越多的企业在公共云上运行应用程序但是集中式云计算并不适合所有的应用程序和用例。边缘计算则能够在传统云基 础设施可能难以解决的领域提供解决方案。向边缘计算的转变在我们到处充斥着数据的未来，将有数十亿部设备连接到互联网，因此更快更可 靠的数据处理将变得至关重要。近年来，云计算的整合和集中化性质被证明具有成本效益和灵活性，但物联网和移动计算的兴起给网络带宽带来了不小的压力。最终，并不是所有的智能设备都需要利用云计算来运行。在某些情况下，这种数据的往返传输能够 也应该避免。由此，边缘计算应运而生。根据CB In

6、 sights的市场规模量化工具，到2022年，全球边缘计算市场规模预 计将达到67.2亿美元。虽然这是一个新兴领域，但在云计算覆盖的一些领域， 边缘计算的运行效率可能要更高。边缘计算使得数据能够在最近端（如电动机、泵、发电机或其他的传感器）进行 处理，减少在云端之间来回传输数据的需要。HiwnBiPMTMring61压碣(Jlilrffwi Aultmwfiw LwEnlqrrvtnwTiiTOiolTtbutedCirin pui_RcIaiItoTEdaaiiEnferpri-M IT EdoesL * nr-；戸碍悴行业观祭W OiWl lWAoJ TiadbHelMv市场研究公司ID

7、C称，边缘计算被描述为“微型数据中心的网状网络， 在本地处 理或存储关键数据，并将所有接收到的数据推送到中央数据中心或云存储库， 其 覆盖范围不到100平方英尺”。例如，一列火车可能包含可以立即提供其发动机状态信息的传感器。 在边缘计算 中，传感器数据不需要传输到火车上或者云端的数据中心，来查看是否有什么东 西影响了发动机的运转。本地化数据处理和存储对计算网络的压力更小。当发送到云的数据变少时，发生 延迟的可能性一一云端与物联网设备之间的交互导致的数据处理延迟一一就会 降低。这也让基于边缘计算技术的硬件承担了更多的任务， 它们包含用于收集数据的传 感器和用于处理联网设备中的数据的 CPU或 G

8、PU随着边缘计算的兴起，理解边缘设备所涉及的另一项技术也很重要，它就是雾计边缘计算具体是指在网络的“边缘”处或附近进行的计算过程，而雾计算则是指边缘设备和云端之间的网络连接。换句话说，雾计算使得云更接近于网络的边缘；因此，根据Ope nF og的说法，“雾 计算总是使用边缘计算，而不是边缘计算总是使用雾计算。”说回我们的火车场景：传感器能够收集数据，但不能立即就数据采取行动。例如， 如果一名火车工程师想要了解火车车轮和刹车是如何运行的， 他可以使用历史累 计的传感器数据来预测零部件是否需要维修。在这种情况中，数据处理使用边缘计算，但它并不总是即时进行的（与确定引擎 状态不同）。而使用雾计算，短

9、期分析可以在给定的时间点实现，而不需要完全 返回到中央云。图示：云计算、雾计算与边缘计算因此，要记住的是，虽然边缘计算给云计算带来补充，并且与雾计算一起非常紧 密地运作，但它绝不是二者的替代者。边缘计算的优势虽然边缘计算是一个新兴的领域，但是它拥有一些显而易见的优点，包括：实时或更快速的数据处理和分析：数据处理更接近数据来源，而不是在外部数 据中心或云端进行，因此可以减少迟延时间。较低的成本：企业在本地设备的数据管理解决方案上的花费比在云和数据中心 网络上的花费要少。网络流量较少：随着物联网设备数量的增加，数据生成继续以创纪录的速度增 加。因此，网络带宽变得更加有限，让云端不堪重负，造成更大的

10、数据瓶颈。更高的应用程序运行效率： 随着滞后减少， 应用程序能够以更快的速度更高效 地运行。削弱云端的角色也会降低发生单点故障的可能性。 例如，如果一家公司使用中央云来存储它的数据， 云一旦宕机， 那么数据将无法 访问，直至问题得到修复公司可能因而蒙受严重的业务损失。2016年，Salesforce 网站 的北美14站点（又名NA14宕机超过24个小时。 客户无法访问用户数据， 从电话号码到电子邮件等等， 业务运营遭受严重的破坏。 此后，Salesforce将它的物联网云转移到亚马逊的 AWSt,但是这次宕机事件 凸显了仅仅依赖云的一大弊病。减少对云的依赖也意味着某些设备可以稳定地离线运行。

11、这在互联网连接受限的 地区尤其能够派上用场无论是在严重缺乏网络服务的特定地区， 还是油田等 通常无法访问的偏远地区。边缘计算的另一个关键优势与安全性和合规性有关。 随着政府越来越关注企业如 何利用消费者的数据，这一点尤为重要。欧盟（EU最近实施的通用数据保护条例（GDPR就是一例。该条例旨在保 护个人可识别信息免遭数据滥用。由于边缘设备能够在收集和本地处理数据， 数据不必传输到云端。 因此， 敏感信 息不需要经由网络，这样要是云遭到网络攻击，影响也不会那么严重。边缘计算还能够让新兴联网设备和旧式的“遗留”设备之间实现互通。 它将旧式 系统使用的通信协议“转换成现代联网设备能够理解的语言”。 这

12、意味着传统工 业设备可以无缝且高效地连接到现代的物联网平台。边缘计算发展现状 今天，边缘计算市场仍然处于初期发展阶段。 但随着越来越多的设备连网， 它似 乎备受关注。主宰云计算市场的那些公司 （亚马逊、 谷歌和微软） 正在成为边缘计算领域的领 先者。去年，亚马逊携AWS Greengrass进军边缘计算领域，走在了行业的前面。该服 务将AWST展到设备上，这样它们就可以“在本地处理它们所生成的数据，同时仍然可以使用云来进行管理、数据分析和持久的存储”。微软在这一领域也有一些大动作。该公司计划在未来 4 年在物联网领域投入 50 亿美元，其中包括边缘计算项目。微软发布了它的Azure loT E

13、dge解决方案，该方案“将云分析扩展到边缘设备”， 支持离线使用。该公司还希望聚焦于边缘的人工智能应用。谷歌也不甘示弱。 它在本月早些时候宣布了两款新产品， 意在帮助改善边缘联网 设备的开发。它们分别是硬件芯片Edge TPU和软件堆栈Cloud IoT Edge。 谷歌表示，“ Cloud loT Edge 将谷歌云强大的数据处理和机器学习功能扩展到 数十亿台边缘设备， 比如机器人手臂、 风力涡轮机和石油钻塔， 这样它们就能够 对来自其传感器的数据进行实时操作，并在本地进行结果预测。” 然而，有意涉足该领域的并不只是这三大科技巨头。随着联网设备越来越多地涌现， 新兴生态系统中的许多玩家都正在

14、开发软件和技 术来帮助边缘计算实现腾飞。在接下来的四年里，惠普企业将在边缘计算领域投资 40 亿美元。该公司的 Edgeline Converged Edge Systems 系统的目标客户是那些希望获得数据中心级 计算能力，且通常在边远地区运营的工业合作伙伴。它的系统承诺在不依赖于将数据发送到云或数据中心的情况下，为工业运营 （比如石油钻井平台、工厂或铜矿）提供来自联网设备的洞见。在新兴的边缘计算领域， 其他主要的竞争者包括 Scale Computing、Vertiv 、 华 为 、富士通和诺基亚等。人工智能芯片制造商英伟达于 2017年推出了 Jets on TX2,这是一个面向边缘设

15、备的人工智能计算平台。它的前身是 Jetson TX1 ，它号称要“重新定义将高级 AI 从云端扩展到边缘的可能性”。许多著名的公司也在投资布局边缘计算， 包括通用电气、英特尔、戴尔、IBM、思科、惠普企业、微软、SAP SE和AT&T例如,在私募市场上, 戴尔和英特尔均投资了为工商业物联网应用提供边缘智能 的 Foghorn 公司。戴尔还参与了物联网边缘平台 IOTech 的种子轮融资。 上面提到的许多公司,包括思科、戴尔和微软,也已经联合起来组成了 OpenFog 联盟。该组织的目标是标准化这项技术的应用。边缘计算在各行各业的应用 随着传感器价格和计算成本的持续下降,更多的“东西”将被连接

16、到互联网。 随着更多的联网设备变得可用,边缘计算将在各行各业中得到越来越多的应用, 尤其是在云计算效率低下的一些领域。我们已经开始看到该技术在多个不同的行业领域产生影响。 “当我们把云的威力下沉到设备（即边缘）时,我们可带来实时地响应、分析和 行动的能力，尤其是在网络条件有限或者缺乏网络的地区它还处于初期发展 阶段,但我们正开始看到这些新功能能够应用于解决全球范围的一些重大挑战。”一一微软首席技术官凯文斯科特（Kevin Scott ） 从自动驾驶汽车到农业，以下几个行业将会从边缘计算的潜力中获益。 交通运输 边缘计算技术最显而易见的潜在应用之一是交通运输更具体地说， 是无人驾 驶汽车。自动驾

17、驶汽车装备了各种各样的传感器， 从摄像头到雷达到激光系统， 来帮助车 辆运行。如前所述， 这些自动驾驶汽车可以利用边缘计算， 通过这些传感器在离车辆更近 的地方处理数据， 进而尽可能地减少系统在驾驶过程中的响应时间。 虽然无人驾 驶汽车还不是主流趋势，但公司们正在未雨绸缪。今年早些时候，汽车边缘计算联盟（AECC宣布将启动以联网汽车解决方案为重 点的项目。“联网汽车正迅速地从豪华车型和高端品牌扩张到大批量的中端车型。 汽车行业 将很快达到一个临界点， 届时汽车所产生的数据量将超过现有的云、 计算和通信 基础设施资源。” AECC主席兼总裁村田兼一（Kenichi Murata ） 该联盟的成员

18、包括DENSOCorporation、丰田汽车、AT&T爱立信、英特尔等公 司。不过，不仅仅是自动驾驶汽车会产生大量的数据并需要实时处理。 飞机、火车和 其他的交通工具也是如此不管它们有没有人类驾驶。例如，飞机制造商庞巴迪(Bombardier)的C系列飞机就装备了大量的传感器来 迅速检测发动机的性能问题。在12小时的飞行中，飞机产生了多达 844 TB的数 据。边缘计算支持对数据进行实时处理，因此该公司能够主动处理引擎问题。 医疗保健 如今，人们越来越喜欢佩戴健身追踪设备、 血糖监测仪、 智能手表和其他监测健 康状况的可穿戴设备。但是，要真正地从所收集的海量数据中获益， 实时分析可能是必不可

19、少的许 多的可穿戴设备直接连接到云上，但也有其他的一些设备支持离线运行。 一些可穿戴健康监控器可以在不连接云的情况下本地分析脉搏数据或睡眠模式。 然后，医生可以当场对病人进行评估，并就病人的健康状况提供即时反馈。 但在医疗保健领域，边缘计算的潜力远不局限于可穿戴设备。不妨想想， 快速的数据处理能够给远程患者监控、 住院患者护理以及医院和诊所 的医疗管理带来多大的好处。医生和临床医生将能够为患者提供更快、 更好的护理， 同时患者所生成的健康数 据也多了一层安全保护。医院病床平均有 20 个以上的联网设备，会产生大量的 数据。这些数据的处理将直接发生在更靠近边缘的地方， 而不是将保密数据发送 到云

20、端，因此能够避免数据被不当访问的风险。如前所述，本地化数据处理意味着大范围的云端或网络故障不会影响业务运转。 即使云操作中断，这些医院的传感器也能独立地正常运行。制造业 智能制造有望从现代工厂大量部署的传感器中获得洞见。由于能够减少滞后， 边缘计算可能会使得制造流程能够更快速地做出响应和变动， 能够实时地应用数据分析得出的洞见和实时行动。 这可能包括在机器过热之前将 其关闭。一家工厂可以使用两个机器人来完成同样的任务， 两个机器人装有传感器， 并连 接到一个边缘设备上。 边缘设备可以通过运行一个机器学习模型来预测其中一个 机器人是否会操作失败。如果边缘设备断定机器人很可能会出现故障， 它就会触

21、发行动来阻止或减慢机器 人的运转。这会使得工厂能够实时地评估潜在的故障。如果机器人能够自己处理数据，它们也可能变得更加自给自足和反应灵敏。 边缘计算应该支持更快地从大数据中更多的洞见， 以及支持将更多的机器学习技 术应用到业务运营中。最终目标是， 挖掘实时产生的海量数据的巨大价值， 防止安全隐患， 并减少工厂 车间机器运转中断的情况。农业和智能农场 边缘计算非常适合应用于农业，因为农场经常处于偏远的位置和恶劣的环境中， 可能存在带宽和网络连接方面的问题。现在，想要改善网络连接的智能农场需要在昂贵的光纤、 微波连接或者拥有一颗 全天候运行的卫星上进行投资； 而边缘计算则是一种合适的、 具有成本效益的替 智能农场可以使用边缘计算来监测温度和设备性能， 以及自动让各种设备 (比如 过热的泵)减缓运转或者关闭。能源和电网控制边缘计算或许在整个能源行业都尤其有效， 尤其是在石油和天然气设施的安全监 测方面。例如，压力和湿度传感器应当受到严密监控， 不能在连接性上出差错， 尤其是考 虑到这些传感器大多位于偏远地区。 如果出现异常情况比如油管过热却 没有被及时注意到，那就可能会发生灾难性的爆炸。边缘计算的另一个好处