科技巨頭早已紛紛入局邊緣計算領域，亞馬遜公司發布“AWS Greengrass”邊緣側軟件，微軟公司發布“Azure IoT Edge”等邊緣側產品，阿里云宣布投入邊緣計算技術領域并推出邊緣計算產品Link Edge。

so，你真的了解邊緣計算嗎？

邊緣計算的前世今生

云計算自2005年提出之后，就開始逐步地改變我們的生活、學習、工作的方式。

云計算使得公司能夠在自己的物理硬件之外，通過遠程服務器網絡（俗稱“云”）存儲和處理數據以及其他的計算任務。

舉個最熟悉的例子，我們用云服務功能來備份智能手機中的數據，然后可以通過另一個聯網設備，比如臺式電腦，登陸賬戶連接到云，檢索智能手機里的數據。信息不再受到智能手機或臺式機的內部硬盤容量的限制。

簡單來說，云計算是計算服務的集中化，以最簡單的形式利用共享數據中心基礎設施和規模經濟來降低成本。

近年來，云計算的整合和集中化性質被證明具有成本效益和靈活性，但物聯網和移動計算的興起給網絡帶寬帶來了不小的壓力。

特別是物聯網的快速發展讓我們進入了后云時代。在我們的日常生活中會產生大量的數據，其應用可能會要求極快的響應時間，數據的私密性等。

（云計算的范式）

（邊緣計算的范式）

如果把物聯網產生的數據傳輸給云計算中心，將會加大網絡負載，網路可能造成擁堵，并且會有一定的數據處理延時。

同時，不是所有的智能設備都可以利用云計算來運行。

因此，邊緣計算應運而生。

有了云，為什么還要達到邊緣？

在很多情況下，邊緣計算和云計算是共生關系。

有個形象的解釋，把云計算和邊緣計算比喻成章魚的各器官，似乎更容易理解。

作為自然界中智商最高的無脊椎動物，章魚擁有“概念思維”能力，與兩個強大的記憶系統分不開。

一個是大腦記憶系統，大腦具有5億個神經元，另一個是八個爪子上的吸盤。也就是說，章魚的八條腿可以思考并解決問題。

云計算就好比章魚的大腦，邊緣計算就類似于八爪魚的那些小爪子，一個爪子就是一個小型的機房，靠近具體的實物。邊緣計算更靠近設備端，更靠近用戶。

隨著物聯網、虛擬現實、增強現實等技術的發展與應用，未來將會出現數據大爆炸的狀況。完全依賴云計算來進行數據傳輸和處理，將會造成巨大的網絡延遲。

搭配了分布式的邊緣計算之后，通過智能路由等設備和技術，在不同設備之間傳輸數據可以有效減少網絡流量，降低數據中心的負荷。

例如，一列火車可能包含可以立即提供其發動機狀態信息的傳感器。在邊緣計算中，傳感器數據不需要傳輸到火車上或者云端的數據中心，來查看是否有什么東西影響了發動機的運轉。

邊緣計算將數據在邊緣節點進行處理能夠有效減少數據的傳輸和處理，但通過云計算的遠程存儲仍然至關重要。

而邊緣設備所涉及的另一項技術也很重要，它就是霧計算。

邊緣計算具體是指在網絡的“邊緣”處或附近進行的計算過程，而霧計算則是指邊緣設備和云端之間的網絡連接。

換句話說，霧計算使得云更接近于網絡的邊緣。

還是火車的例子，傳感器能夠收集數據，但不能立即就數據采取行動。假設火車工程師想要了解火車車輪和剎車如何運行，他可以使用歷史累計的傳感器數據來預測零部件是否需要維修。

在這種情況中，數據處理使用邊緣計算，但并不需要即時進行。而使用霧計算，短期分析可以在給定的時間點實現，并不需要完全返回到中央云。

邊緣計算有多厲害？

知道了什么是邊緣計算，那它究竟有哪些優勢？

數據處理和分析更快速：

數據處理更接近數據來源，而不是在外部數據中心或云端進行，因此可以減少遲延時間。數據在整合、遷移等方面可以減少20倍的時間。

例如在人臉識別領域，響應時間由900ms減少為169ms。

成本較低：

把部分計算任務從云端卸載到邊緣之后，整個系統對能源的消耗減少了30%-40%。

企業在本地設備的數據管理解決方案上的花費比在云和數據中心網絡上的花費要少。

網絡流量較少：

隨著物聯網設備數量的增加，數據生成繼續以創紀錄的速度增加。因此，網絡帶寬變得更加有限，讓云端不堪重負，造成更大的數據瓶頸。

應用程序運行效率更快：

隨著滯后減少，應用程序能夠以更快的速度更高效地運行。

安全性更高：

由于邊緣設備能夠在收集和本地處理數據，數據不必傳輸到云端。因此，敏感信息不需要經由網絡，這樣要是云遭到網絡攻擊，影響也不會那么嚴重。

此外，邊緣計算還能夠讓新興聯網設備和舊式設備之間實現互通。它將舊式系統使用的通信協議轉換成現代聯網設備能夠理解的語言。這意味著傳統工業設備可以無縫且高效地連接到現代的物聯網平臺。

邊緣計算發展現狀如何？

邊緣計算市場仍然處于初期發展階段。包括亞馬遜、微軟和谷歌在內的一些科技巨頭都在探索“邊緣計算”技術，這可能會引發下一場大規模的計算競賽。

2017年，亞馬遜攜AWS Greengrass率先進軍邊緣計算領域。該服務將AWS擴展到設備上，這樣它們就可以“在本地處理它們所生成的數據，同時仍然可以使用云來進行管理、數據分析和持久的存儲”。

（Edge TPU）

谷歌也不甘示弱，它在此前發布了兩款新產品硬件芯片Edge TPU和軟件堆棧Cloud IoT Edge，旨在幫助改善邊緣聯網設備的開發。

微軟在這一領域也有一些大動作。該公司計劃在未來4年在物聯網領域投入50億美元，其中包括邊緣計算項目。微軟發布了它的Azure IoT Edge解決方案，該方案“將云分析擴展到邊緣設備”，支持離線使用。

阿里云在年初宣布2018年將戰略投入邊緣計算技術領域，并推出首個IoT邊緣計算產品Link Edge，將阿里云在云計算、大數據、人工智能的優勢拓寬到更靠近端的邊緣計算上，打造云、邊、端一體化的協同計算體系。

（華為IoT云服務2.0）

計劃涉足邊緣計算領域的并不只有這些巨頭。隨著聯網設備越來越多地涌現，許多玩家都正在開發軟件和技術來幫助邊緣計算實現騰飛。惠普、華為、Scale Computing、英偉達、富士通和諾基亞、英特爾、IBM、思科等等都已在布局。

雖然亞馬遜云服務AWS在公共云領域仍然占據主導地位，但誰將成為這個新興的邊緣計算領域的領導者仍有待觀察。

邊緣計算面臨哪些挑戰？

編程可行性

在云計算平臺編程是非常便捷的，因為云有特定的編譯平臺，大部分程序都可以在云上跑。但是邊緣計算下的編程就會面臨一個問題，平臺異構問題，每一個網絡的邊緣都是不一樣的，有可能是ios系統，也有可能是安卓或者linux等等，不同平臺下的編程又是不同的。

技術碎片化

邊緣側技術體系的每個領域都有大量的技術選擇，目前業界有超過6種以上的工業實時以太技術，超過40種工業總線，還有多種公私有云平臺。技術碎片化給系統間的互聯互通、數據價值的挖掘帶來的巨大的挑戰和成本。

數據抽象

在物聯網環境中會有大量的數據生成，并且由于物聯網網絡的異構環境，生成的數據各種格式，把各種各樣的數據格式化對邊緣計算來說是一個挑戰。同時，網絡邊緣的大部分事物只是周期性的收集數據，定期把收集到的數據發送給網關，而網關中的存儲是有限的，他只能存儲最新的數據，因此邊緣結點的數據會被經常刷新。