Hello，大家好，新一期的《探索「芯」詞典》又和大家見面啦，本期的主角是——邊緣計算。
文︱Sophia
圖︱網絡
來源丨Techsugar
什麼是「邊緣計算」？想要弄清楚這一概念的含義，我們還得從「雲計算」談起。
雲計算（cloud computing）指的是通過網絡「雲」將巨大的數據計算處理程序分解成無數個小程序，然後，通過多部伺服器組成的系統進行處理和分析這些小程序得到結果並返回給用戶。用戶通過網絡獲得應用所需的資源（硬體、平台、軟體）。而提供資源的網絡被稱為「雲」。
傳統雲計算模型（來源：網絡）
舉個簡單的例子，這就好似我們現在的用電方式一樣。每個家庭或企業一般情況下並不自己生產「電」，而是大型發電站進行集中發電，然後通過星羅棋布的電網，將「電」輸送到每家每戶。人們只需插上插座，按時交納電費，便可以用上電。「雲計算」就類似於這樣一種存在。那些提供雲計算服務的公司，就好比「大型發電站」。1961 年，網絡互聯領域專家約翰·麥卡錫就曾預言：「未來電腦運算有可能成為一項公共事業，就像電話系統已成為一項公共事業一樣。」然而，正如文章開頭所說，龐大的數據量將極易造成網絡擁堵，並且隨著5G時代的到來，我們對數據的實時性提出了更高的要求。因此我們需要將部分數據在本地進行處理。「邊緣計算」便是這樣一種模式。
所謂邊緣計算就是在網絡邊緣結點來處理、分析數據，而不是在中央伺服器里整理後實施處理。在這裡「邊緣節點」目前主要包括，通信基站、伺服器、網關設備以及終端設備。與雲計算相比邊緣計算在網絡拓撲中的位置更低，即更加靠近「用戶」——數據產生的地方。作為對雲計算方式的補充，邊緣計算彌補了雲計算的諸多缺陷。
來源：網絡
邊緣計算的優勢
邊緣計算與傳統雲計算主要性能對比（來源：思科）
1、 低時延：由於數據是在邊緣結點進行分析處理，降低了延遲，提升應用的響應速度。據運營商估計，如若經由部署在接入點的MEC完成處理和轉發，則時延有望控制在1ms之內。
2、 更安全：一些比較敏感的數據直接在邊緣進行分析處理，不用全部上傳至雲計算平台，能夠儘可能的避免數據泄露問題。
3、 減少數據傳輸：數據不需要全部傳輸到雲端，減少智能設備和數據中心傳輸的數據量，節省了大量帶寬成本，同時還能減小核心網絡的擁堵。
4、 提高可用性：邊緣計算分擔（offload）了中心伺服器的計算任務，並且降低了出現單點故障的可能。另外很多智能終端設備在非工作狀態下處於閒置狀態，邊緣計算可以充分的對其加以利用，提高了資源的利用率。
現狀——主要「玩家」
目前，邊緣計算產業主要涉及設備、網絡、應用和數據四個領域。邊緣計算產業聯盟提出的邊緣計算參考架構1.0指出，設備域支撐現場設備實現實時的智能交互和智能應用；網絡域為系統互聯、數據聚合與承載提供連接服務；數據域提供全生命周期數據服務並保障數據的安全與隱私；應用域需要實現邊緣行業應用，支持邊緣業務運營。
從「中信證券研究部」整理的資料來看，邊緣計算產業涉及硬體、軟體、通信等多個方面的企業。上下游企業緊密聯繫，通力合作。並加快邊緣計算方面的布局。
來源：中信證券研究部
對於上游企業，2019年2月25日，浪潮在世界移動通信大會MWC2019上發布了首款基於OTII標準的邊緣計算伺服器NE5260M5，該產品專為5G設計，可以承擔物聯網、MEC和NFV等5G應用場景，適合邊緣機房的物理環境。華為發布的華為AR系列敏捷網關，具有高度的適應性，能提供17種以上的物聯接口，並廣泛兼容各個行業的標準協議。另外，凌華科技推出模塊化工業雲計算架構MICA和架構級邊緣伺服器SETO-1000，用以分別應對5G建設的集中式無線接入網（C-RAN）和分布式無線接入網（D-RAN），前者具有模塊化設計、工業級特性、雲計算核心等特徵；後者具有防塵防水、抵抗低溫等環境耐性，能適配高帶寬下的邊緣計算需求。當然作為上游軟體提供商，他們也紛紛推出了自己的產品，例如思科IOx平台以及華為Liteos平台。
根據中信證券的分析報告，中游企業在公有雲市場上競爭激烈，邊緣雲服務提供商逐漸在細分領域進行布局。從2015年起，國內公共雲市場除阿里雲外，大量的中小企業占據了1/3的市場份額，大小廠商展開了激烈的價格競爭。因此部分雲服務商積極拓展新的領域。目前已有多家公司涉足邊緣計算平台和相關服務。此外，國內三大通信運營商均已制定5G網絡商用計劃，並加大了對MEC相關基礎設施的投入。
對於下游企業而言，邊緣計算不僅服務於手機、電腦等常規的智能終端設備。車聯網、智能家居概念的提出，為邊緣計算創造了新的需求。BAT等巨頭公司也紛紛參與到智能硬體產品的開發之中。
應用與前景
根據中國移動發布的《中國移動邊緣計算白皮書》，目前智能製造、智慧城市、直播遊戲和車聯網4個垂直領域對邊緣計算的需求最為明確。
邊緣計算的典型應用場景（來源：中國移動）
智能製造
在智能製造領域，工廠利用邊緣計算智能網關進行本地數據採集，並進行數據過濾、清洗等實時處理。同時邊緣計算還可以提供跨層協議轉換的能力，實現碎片化工業網絡的統一接入。一些工廠還在嘗試利用虛擬化技術軟體實現工業控制器，對產線機械臂進行集中協同控制，這是一種類似於通信領域軟體定義網絡中實現轉控分離的機制，通過軟體定義機械的方式實現了機控分離。
智慧城市
智慧城市，主要包括智慧樓宇、物流和視頻監控等多個方面。邊緣計算可以實現對城市中運行參數進行採集分析。例如，在城市路面檢測中，在道路兩側路燈上安裝傳感器收集城市路面信息，檢測空氣品質、光照強度、噪音水平等環境數據，當路燈發生故障時能夠及時反饋至維護人員。邊緣計算還可以利用本地部署的GPU伺服器，實現毫秒級的人臉識別、物體識別等智能圖像分析。
雖然當前城市中部署了大量的IP攝像頭，但是大部分攝像頭都不具備前置的計算功能，而需要將數據傳輸至數據中心進行處理，或者需要人工的方式來進行數據篩選。然而，安珀警報助手（Amber alert assistant）的開發，使其可以自動化地在邊緣設備上部署視頻分析程序，並與附近的邊緣設備協同實時地對視頻進行處理，同時和周邊攝像頭進行聯動，以完成犯罪車輛的實時追蹤。
直播遊戲
在直播遊戲領域，邊緣計算可以為CDN提供豐富的存儲資源，並在更加靠近用戶的位置提供音視頻的渲染能力，讓雲桌面，雲遊戲等新型業務模式成為可能。特別在AR/VR場景中，邊緣計算的引入可以大幅降低AR/VR終端設備的複雜度，從而降低成本，促進整體產業的高速發展。
車聯網
隨著深度學習和傳感器等技術的發展，汽車不再僅僅是傳統的出行和運輸工具，而是不斷智能化，我們稱這樣新型的汽車為智能網聯車（connected and autonomous vehicles, CAVs）智能網聯車的出現催生出了一系列新的應用場景，例如自動駕駛、車聯網以及智能交通。我們以「自動駕駛」為例，由於它配備了非常多的傳感器，汽車可以隨時隨地感知周圍的環境，並也源源不斷的產生數據。所以，「自動駕駛汽車」就好似一個「移動的數據中心」。
來源：網絡
Intel曾經的一份報告指出，一輛自動駕駛車輛一天產生的數據為4TB，這些數據無法全部上傳至雲端處理，需要在邊緣節點（汽車）中存儲和計算，從而形成指令。另一方面，無人駕駛汽車對於「延遲」的要求非常苛刻，尤其是當汽車在高速行駛的過程中，通信延遲需要控制在極短的範圍之內，並且網絡的可靠性對於安全駕駛也是至關重要的。
挑戰
然而，邊緣計算現如今還沒有完全成熟，並且它也不是一個完美無瑕的計算方式。施巍松教授曾在他的論文《Edge Computing : Vision and Challenges》中表示，「邊緣計算具有」編程可行性、命名和數據抽象三方面的問題。
1、編程可行性：在雲計算平台編程是非常便捷的，因為雲上有特定的編譯平台，大部分程序都可以在雲上運行。但是在邊緣層編程就會面臨一個平台異構的問題，每一個網絡的邊緣都是不一樣的，可能是ios系統，也有可能是安卓或者linux等等，不同平台下的編程又是不同的。
2、命名：命名方案對於編程、尋址、事物識別和數據通信非常重要，但是在邊緣計算中還沒有行之有效的數據處理方式。邊緣計算中事物的通信是多樣的，可以依靠wifi、藍牙等通信技術，因此，僅僅依靠tcp/ip協議棧並不能滿足這些異構的事物之間進行通信。邊緣計算的命名方案需要處理事物的移動性，動態的網絡拓撲結構，隱私和安全保護等問題。傳統的命名機制如DNS（域名解析服務）、URI（統一資源標誌符）都不能很好的解決動態的邊緣網絡的命名問題。目前正在提出的NDN（命名分髮網絡）解決此類問題也有一定的局限性。在一個相對較小的網絡環境中，我們提出一種解決方案，如下圖所示，我們描述一個事物的時間、地點以及正在做的事情，這種統一的命名機制使得管理變得非常容易。當然，當環境上升到城市的高度的時候，這種命名機制可能就不是很合適了。
來源：《Edge Computing：Vision and Challenges》
3、數據抽象：在物聯網環境中會有大量的數據生成，並且由於物聯網網絡的異構環境，生成的數據是各種格式的，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。利用集成的數據表來存儲感興趣的數據，表內部的結構可以如下圖所示，用id、時間、名稱、數據等來表示數據。
來源：《Edge Computing : Vision and Challenges》
如果篩選掉過多的原始數據，將導致邊緣結點數據報告的不可靠，如果保留大量的原始數據，那麼邊緣結點的存儲又將是新的問題；同時這些數據應該是可以被引用程序讀寫和操作的，由於物聯網中事物的異構性，導致資料庫的讀寫和操作會存在一定的問題。