边缘计算

        从智能交通系统和自动驾驶巴士，再到实时空气质量监测，以及衡量公用设施使用情况的智能仪表，这些创新需要的许多数据将在网络边缘处理，而不是云端。边缘计算是伴随着物联网的发展而出现的。对物联网而言，边缘计算技术取得突破，意味着通过本地设备就可实现数据分析与控制，无需交付云端处理。这将大大提升数据处理效率，减轻云端负荷，为用户提供更快速的响应。

概念

边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。

边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供服务。

从分布式开始

边缘计算并非是一个新鲜词。作为一家内容分发网络CDN和云服务的提供商AKAMAI，早在2003年就与IBM合作“边缘计算”。作为世界上最大的分布式计算服务商之一，当时它承担了全球15-30%的网络流量。在其一份内部研究项目中即提出“边缘计算”的目的和解决问题，并通过AKAMAI与IBM在其WebSphere上提供基于边缘Edge的服务。 

对物联网而言，边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。这无疑将大大提升处理效率，减轻云端的负荷。由于更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决。 

边缘计算VS云计算VS雾计算

在国外，以思科为代表的网络公司以雾计算为主。思科已经不再成为工业互联网联盟的创立成员，但却集中精力主导OpenFog开放雾联盟。 

无论是云、雾还是边缘计算，本身只是实现物联网、智能制造等所需要计算技术的一种方法或者模式。严格讲，雾计算和边缘计算本身并没有本质的区别，都是在接近于现场应用端提供的计算。就其本质而言，都是相对于云计算而言的。

云计算的范式

边缘计算的范式

从二者的计算范式可以看出来，边缘侧的数据计算，一下子变得丰富起来。这里产生了全新的想象空间。

物联网应用

全球智能手机的快速发展，推动了移动终端和“边缘计算”的发展。而万物互联、万物感知的智能社会，则是跟物联网发展相伴而生，边缘计算系统也因此应声而出。

事实上，物联网的概念已经提出有超过15年的历史，然而，物联网却并未成为一个火热的应用。一个概念到真正的应用有一个较长的过程，与之匹配的技术、产品设备的成本、接受程度、试错过程都是漫长的，因此往往不能很快形成大量使用的市场。

边缘计算在整个计算中的位置

根据Gartner的技术成熟曲线理论来说，在2015年IoT从概念上而言，已经到达顶峰位置。因此，物联网的大规模应用也开始加速。因此未来5-10年内IoT会进入一个应用爆发期，边缘计算也随之被预期将得到更多的应用。

Gartner技术成熟曲线

        目前，全球正在使用的物联网设备大约有231.4亿个，而这一数字在未来两年内将上升到310亿。到2025年，预计将有800亿设备在使用和收集数据，所产生的数据量可达到180ZB，而2016年仅有1ZB。 随着设备数量的激增，它们所生成的数据也会增加，数据存储和传输也必须保持同步。

“当前的IT基础设施是围绕以下几个基本假设设计的：足够的带宽支持任何远程应用程序；在远程云端中进行大量的运算，以及近于无限的存储空间。但在现实世界中，应用程序无法满足即时响应的需求。”

本质上，边缘计算关乎时间和规模。因为边缘计算在设备上发生，可以瞬间完成，这对复制人类对事件的快速反应至关重要。

例如，一辆无人驾驶汽车不能承担先将躲避障碍物的数据传输到云端数据中心，再将操作指令返回到汽车上，因为这个过程所需要的几秒钟可能意味着灭顶之灾。

而另一方面，云计算关乎空间和能力。对于大规模数据处理来说，云端必不可少，如机器学习、预测分析、规范性分析，以及某些类型的过程自动化。因此，边缘计算不是云计算的替代品，而是与之优势互补。

架构

在中国，边缘计算联盟ECC正在努力推动三种技术的融合，也就是OICT的融合（运营Operational、信息Information、通讯Communication Technology）。而其计算对象，则主要定义的了四个领域，第一个是设备域的问题， [1]  出现的纯粹的IoT设备，跟自动化的I/O采集相比较而言，有不同但也有重叠部分。那些可以直接用于在顶层优化，而并不参与控制本身的数据，是可以直接放在边缘侧完成处理；第二个是网络域。在传输层面，直接的末端IoT数据、与来自自动化产线的数据，其传输方式、机制、协议都会有不同，因此，这里要解决传输的数据标准问题，当然，在OPC UA架构下可以直接的访问底层自动化数据，但是，对于Web数据的交互而言，这里会存在IT与OT之间的协调问题，尽管有一些领先的自动化企业已经提供了针对Web方式数据传输的机制，但是，大部分现场的数据仍然存在这些问题。第三是数据域，数据传输后的数据存储、格式等这些数据域需要解决的问题，也包括数据的查询与数据交互的机制和策略问题都是在这个领域里需要考虑的问题。

最后一个，也是最难的应用域，这个可能是最为难以解决的问题，针对这一领域的应用模型尚未有较多的实际应用。

边缘计算联盟ECC对于边缘计算的参考架构的定义，包含了设备、网络、数据与应用四域，平台提供者主要提供在网络互联（包括总线）、计算能力、数据存储与应用方面的软硬件基础设施。

边缘计算参考架构1.0

而从产业价值链整合角度而言，ECC提出了CROSS，即在敏捷联接（Connection）的基础上，实现实时业务（Real-time）、数据优化（Data Optimization）、应用智能（Smart）、安全与隐私保护（Security），为用户在网络边缘侧带来价值和机会，也就是联盟成员要关注的重点。

计算的本质

自动化事实上是一个以“控制”为核心。控制是基于“信号”的，而“计算”则是基于数据进行的，更多意义是指“策略”、“规划”，因此，它更多聚焦于在“调度、优化、路径”。就像对全国的高铁进行调度的系统一样，每增加一个车次减少都会引发调度系统的调整，它是基于时间和节点的运筹与规划问题。边缘计算在工业领域的应用更多是这类“计算”。

简单地说，传统自动控制基于信号的控制，而边缘计算则可以理解为“基于信息的控制”。

值得注意的是，边缘计算、雾计算虽然说的是低延时，但是其50mS、100mS这种周期对于高精度机床、机器人、高速图文印刷系统的100μS这样的“控制任务”而言，仍然是非常大的延迟的，边缘计算所谓的“实时”，从自动化行业的视角来看——很不幸，依然被归在“非实时”的应用里的。

云计算—边缘计算区分处理数据

产业

边缘计算是在高带宽、时间敏感型、物联网集成这个背景下发展起来的技术，“Edge”这个概念的确较早为包括ABB、B&R、Schneider、KUKA这类自动化/机器人厂商所提及，其本意是涵盖那些“贴近用户与数据源的IT资源”。这是属于从传统自动化厂商向IT厂商延伸的一种设计，2016年4月5日Schneider已经号称可以为边缘计算定义了物理基础设施——尽管，主打的还是其“微数据中心”的概念。而其它自动化厂商提及计算，都是表现出与IT融合的一种趋势，并且同时具有边缘与泛在的概念在其中。

IT与OT事实上也是在相互渗透的，自动化厂商都已经开始在延伸其产品中的IT能力，包括Bosch、SIEMENS、GE这些大的厂商在信息化、数字化软件平台方面，也包括了像贝加莱、罗克韦尔等都在提供基础的IoT集成、Web技术的融合方面的产品与技术。事实上IT技术也开始在其产品中集成总线接口、HMI功能的产品，以及工业现场传输设备网关、交换机等产品。

IoT被视为未来快速成长的一个领域，包括最前沿的已经出现了各种基于Internet的技术，高通已经提出了Internet of Everything—可以称为IoX。因此新一个产业格局呼之欲出，边缘计算联盟ECC的边界定义而言，华为其主旨在提供计算平台，包括基础的网络、云、边缘服务器、传输设备与接口标准等，而Intel、ARM则提供为边缘计算的芯片与处理能力保障，信通院则扮演传输协议与系统实现的集成，而沈阳自动化所、软通动力则扮演实际应用的角色。

但是，边缘计算/雾计算要落地，尤其是在工业中，“应用”才是最为核心的问题，所谓的IT与OT的融合，更强调在OT侧的应用，即运营的系统所要实现的目标。

科技巨头的行动

云服务领导者亚马逊网络服务（AWS）已经进入边缘计算领域，展示了边缘计算和云计算可以完美地协同运行。

其Greengrass软件可以“将AWS无缝扩展到设备上，以便它们可以对其生成的数据进行本地操作，同时仍使用云端进行管理、分析和长期存储”。

微软Azure Stack将云端力量融入到数据收集的各个站点。数据可在本地处理，然后进行聚合分析与决策。

戴尔EMC的微模块数据中心(Micro Module Data Centers)将微型数据中心带到边缘计算中。

这些设备只占用标准停车位的一半空间。这些单元具有本地计算、存储和联网功能，能快速处理附近数据，而无需将数据返回数据中心和云服务商。

施耐德电气提供的EcoStruxure物联网系统架构和平台连接超过10亿台设备。

作为智能建筑技术的领导者，该公司的综合建筑管理系统“为智能建筑提供了坚实的基础，从而激发用户生产力，并提供最佳的能源和运营效率。

建设于边缘计算上的城市

多伦多Sidewalk项目的愿景是将所有居民的环境管理、可访问性、移动性和安全结合起来，将其描述为“一个由数字技术和数据支持的地方，同时不会牺牲所有人应享有的隐私和安全”。

Sidewalk Labs还雄心勃勃地表示：“在其它任何地方，研究人员都无法接入如此广泛支持、标准化的数据平台和模型，使得城市得以快速创新。”

要实现这一愿景，就需要一种能将分钟分解成毫秒的响应能力，这就是边缘计算能够充分发挥作用的地方。

正如Sidewalk Labs所期望的，Quayside将成为“世界上最可精准测量的社区”。

Sidewalk Labs的方案涵盖了许多由边缘计算支持的创新，包括：

小型机器人在建筑物地下室和街道之间移动的实用通道；

一个多源的区域供热和制冷系统，用于排放多种废物，自由散热和制冷；

以及一个可以分辨可回收物和垃圾的数字智能收集废品系统。

该项目提出的连接方案包括：高速有线通讯、基于Wi-Fi和蜂窝技术的高带宽无线通信；以及使用低功耗广域网技术的远距离、低带宽连接。

边缘计算甚至可能改变建筑规范

Sidewalk Labs就提出了基于结果的新的建筑规范设计：这一设计将要求该区域的所有建筑物实时收集建筑质量指标，包括噪音水平、空气质量、能源消耗、照明、结构完整性等等。

为此，Sidewalk Labs将为建筑物配备必要的传感器，并与该城市和省级机构合作，在现有规范框架内设计试点项目。

大融合下分工

在工业领域，边缘应用场景包括能源分析、物流规划、工艺优化分析等。就生产任务分配而言，需根据生产订单为生产进行最优的设备排产排程，这是APS或者广义MES的基本任务单元，需要大量计算。这些计算是靠具体MES厂商的软件平台，还是“边缘计算”平台—基于Web技术构建的分析平台，在未来并不会存在太多差别。从某种意义上说MES系统本身是一种传统的架构，而其核心既可以在专用的软件系统，也可以存在于云、雾或者边缘侧。 [2] 

在这样的应用场景，总体而言，在整个智能制造、工业物联网的应用中，各自分工如下。

自动化厂商提供“采集”，包括数据源的作用，这是利用自动化已经在分布式I/O采集、总线互联、以及控制机器所产生的机器生产、状态、质量等原生“信息”。

边缘计算（橙色部分）的连接架构

ICT厂商则提供“传输”，实现工业连接。因为在如何提供数据的传输、存储、计算方面，ICT厂商有其传统优势，包括成本方面，已经云平台的优势。

传统工业企业的业务经验和知识，则为分析软件（独立的或者企业内部）厂商提供“分析”的依据。这些业务过程的理解，仍然是必不可少。产业链的协同，终极目标，仍然是解决“质量、成本、交付”的核心问题。

边缘计算的技术细节

　　图1、邻近计算或者边缘计算让智能更加靠近设备

　　边缘计算(Edge computing )是一种在物理上靠近数据生成的位置处理数据的方法，即事物和人所在的现场区域如家庭和远程办公室内。

　　图2、物联网设备中通常集成具有一定计算能力的处理器

　　由于这些产生数据的事物和人通常不在云端，因此我们需要通过许多形式的在物联网(IoT)解决方案架构的边缘处的计算来补充云计算。

　　图3、节点与云之间有大量的数据需要传递

　　关于边缘计算(Edge computing )的讨论通常会忽略有多少类型的“边缘”计算，而本文我们将探讨边缘计算(Edge computing )的基本驱动因素和许多类型的边缘计算(Edge computing )。

　　由于边缘计算(Edge computing )指的是接近于事物，数据和行动源头处的计算，所以我们也可以把这种类型的数据处理使用更通用的术语来表示：邻近计算或者接近计算(Proximity Computing)。

　　邻近计算(Proximity Computing)的经济学因素

　　我们对周围所发生的事件需要及时地做出响应，以获得良好的用户体验(如当需要“改变电视频道”时)或者避免灾难(如当发生“煤气泄漏”时)。

　　图3、感知，处理和行动是物联网的三类事件

　　由于有许多这些类发生的事件，因此我们需要将这类复杂的系统编排为感知，处理和行动(SPA，既Sense, Process, and Act (SPA))。 SPA的成本是本地与远程处理成本，网络连接成本以及远程系统管理成本的函数。

　　就物联网(IoT)设备的尺寸和功率来说，邻近计算(Proximity Computing)平衡了响应事件的及时性与响应事件的成本两者之间的关系。数据传递的管理的法律限制进一步推动了对邻近计算(Proximity Computing)的需求。

　　多边场景 - 接近计算(Proximity Computing)的类型

　　当涉及到最佳邻近计算时，有很多类型的边缘(edges )要考虑。梳理下来它们主要有三种类型：个人边缘(Personal Edge)，业务边缘(Business Edge)以及云边缘(Cloudy Edge)。这三种边缘将SPA(Sensing-Processing-Acting)部署到不同环境中来处理一系列不同的问题，以实现最佳的自动响应，例如当您的个人汽车被盗时。

　　图4、三种类型的边缘

　　下面是每种边缘及其发展的驱动因素。

　　1)个人边缘(Personal Edge)

　　这个边缘计算(Edge computing )围绕着我们个人，有时就在我们的身边，就在我们的家里;它包括家庭机器人，智能眼镜，智能药片，以及您皮肤下的传感器，手表，家庭自动化系统，您的Amazon Echo(回声)和智能手机。

　　个人边缘(Personal Edge)总体上是移动的。当我们在家庭和工作场所之间移动时，个人边缘(Personal Edge)计算设备进出于商业边缘(Business Edge)区。

　　图5、个人边缘

　　随着智能家居设备，数字健康和其他个人设备的普及，我们将在未来5年里听到更多关于个人边缘(Personal Edge)计算的信息。

　　2)业务边缘(Business Edge)

　　这是最受关注的边缘计算(Edge computing )类型。在业务边缘(Business Edge)处连接的机器和人在这里汇聚。业务边缘(Business Edge)在我们铺有地毯的办公室中，也可以在无地毯的领域，甚至在我们工作和娱乐的开放的地方。

　　许多物联网的讨论似乎假设这是唯一的边缘，同时每个物联网的讨论都表达了这种边缘计算(Edge computing )的好处。关键任务(Mission-critical)SPA(“感知，处理和行动”，“Sensing-Processing-Acting”))在这一领域尤其如工业物联网(Industrial IoT)领域中集中发展的势头强劲。

　　图6、业务边缘

　　许多供应商正在提供这类应用的开发环境，以帮助客户开发边缘应用和分析。 Amazon Lambda Greengrass(https://aws.amazon.com/cn/lambda/)和Azure IoT Hub是此类软件的示例。

　　【注1：Amazon Lambda Greengrass是Amazon的云计算服务，通过 AWS Lambda，无需配置或管理服务器即可运行代码。您只需按消耗的计算时间付费 – 代码未运行时不产生费用。借助 Lambda，您几乎可以为任何类型的应用程序或后端服务运行代码，而且全部无需管理。只需上传您的代码，Lambda 会处理运行和扩展高可用性代码所需的一切工作。您可以将您的代码设置为自动从其他 AWS 服务触发，或者直接从任何 Web 或移动应用程序调用。】

　　【注2：Azure IoT Hub是微软面向物联网应用的云计算，Azure IoT Hub意为物联网中心，是为物联网设备提供注册、管理、沟通的云服务。它是微软Azure IoT Suite的重要组成部分，也是微软物联网战略的重要基础。微软Azure IoT Hub可用于管理数十亿物联网设备，提供云端与设备之间的双向通信支持，每月可处理数以万亿计信息，并简化了与其他Azure服务之间的集成，包括Azure机器学习以及Azure流分析等。】

　　3)多云边缘(Cloudy Edge)

　　这是目前最少谈论的一类边缘计算(Edge computing)，但是它是最老的一类边缘。多云边缘(Cloudy Edge)是服务提供商或企业网络边缘的拓扑术语，其中业务首先从拨号调制解调器进入到家庭或者远程分支机构中的。

　　多云边缘(Cloudy Edge)从前只是一个没有任何计算能力的网络边缘。它们被称为PoP(存在的节点，points-of-presence)。

　　图7、多云边缘(Cloudy Edge)

　　对应用性能和内容传送的需求需要在网络边缘( network edge)中添加应用和数据处理能力。现代的边缘数据中心(Edge Data Centers)能够满足这一需求。内容交付网络(CDN，Content Delivery Networks)就是在利用它们以便我们能够获得更好的页面和视频加载效果。移动边缘计算(Mobile Edge Computing)增强了这一边缘的优势，因为人们需要更好的移动应用程序(mobile app)的性能。

　　所以老PoP在内容和计算方面变得没有前途。 而SP边缘( SP edge)，移动边缘(mobile edge)和企业边缘(enterprise edge)共同形成了云端。这类边缘仍然与确保应用程序性能和内容传递顺畅等相关。

　　总结

　　有很多方法来描述什么是物联网(IoT),这些描述都是对的，只不过有些描述要更全面一些。

　　在这里我们提供对物联网(IoT)的一个这样的描述：IoT = 跨连接设备迷宫的分布式人工智能和人类智能。

　　图8、边缘计算正在改变整个物联网(IoT)场景

　　像AWS Lambda和Greengrass这样的边缘计算(Edge computing )技术正在帮助加速创建这种分布式人工智能。如何在个人，业务和云端边缘中创建分布式智能将取决于您的应用程序，成本和相关规定。我们将看到越来越多的边缘计算(Edge computing )参考架构的发展，以支持物联网(IoT)的新应用模式。

最后

以上就是知性冰棍为你收集整理的浅尝辄止的边缘计算边缘计算的全部内容，希望文章能够帮你解决浅尝辄止的边缘计算边缘计算所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。