邊緣計算是處理發(fā)生在活動和數(shù)據(jù)源附近的一種計算形式，靠近邊緣的工作減少了將數(shù)據(jù)傳輸?shù)教幚韱卧难舆t，對于需要快速響應(yīng)的用例（例如物聯(lián)網(wǎng)）來說是理想選擇。邊緣計算是云計算的有效補充，云計算通常是遠離數(shù)據(jù)源的集中式處理。

[[228156]]

很容易就得出這樣的結(jié)論：邊緣計算解決了云計算無法解決的很多問題，但由于邊緣系統(tǒng)的高度分布性，這一結(jié)論有待商榷。每個邊緣節(jié)點都不是完全獨立的，因為每個邊緣節(jié)點都需要有其他節(jié)點共享信息，保持數(shù)據(jù)的一致性將是一大挑戰(zhàn)。問題是：如何協(xié)調(diào)大量邊緣計算系統(tǒng)，同時仍需要它們獨立工作？這是一個多年來一直困擾分布式系統(tǒng)設(shè)計者的問題，也是大家認知當中的分布式、一致性和同步問題。

邊緣計算系統(tǒng)的數(shù)量將會很龐大，因此任何解決方案都需要大幅度擴展?？偠灾@是一個亟待解決的重大問題。

邊緣數(shù)據(jù)

除了一些專門處理事件和上傳數(shù)據(jù)的工作負載之外，很多在邊緣處理的應(yīng)用程序需要共享安全性、用戶和其他信息。這些應(yīng)用程序包括：物聯(lián)網(wǎng)應(yīng)用、游戲、廣告、VR/AR以及移動應(yīng)用等等。

有些人提出了數(shù)據(jù)引力（data gravity）的想法，任何應(yīng)用程序工作負載的相關(guān)部分都是數(shù)據(jù)，因此應(yīng)用程序的設(shè)計和部署使得訪問數(shù)據(jù)不會遇到瓶頸，如果程序和數(shù)據(jù)彼此靠近，這樣的效果***。如果需要維護一個中央共享數(shù)據(jù)庫，那么這些程序需要駐留在中央數(shù)據(jù)庫附近，這不是我們需要的分布式邊緣計算。

另一個挑戰(zhàn)是邊緣計算的計算功率不高，很難運行傳統(tǒng)的數(shù)據(jù)庫或應(yīng)用程序服務(wù)器，其中許可和數(shù)據(jù)處理成本可能很高。輕量計算如容器或無服務(wù)系統(tǒng)可能更適合邊緣計算應(yīng)用場景。

新興的解決方案

為了解決這些問題，一些廠商正在推出可實現(xiàn)基于邊緣計算和存儲的輕量級系統(tǒng)。如AWS Greengrass是一種使用無服務(wù)器計算和本地緩存數(shù)據(jù)，在本地處理數(shù)據(jù)的系統(tǒng)，但需要依賴云進行長期存儲。

而以Kuhiro為代表的初創(chuàng)公司通過創(chuàng)建一個illusion加以實現(xiàn)，illusion每個邊緣節(jié)點在其本地副本上工作時存在單個邏輯一致性數(shù)據(jù)庫。

盡管云服務(wù)提供商已經(jīng)開發(fā)出了用于內(nèi)部使用的邊緣解決方案，但隨著物聯(lián)網(wǎng)應(yīng)用日益普及，企業(yè)可能很快意識到他們需要解決類似的問題。此外，一些應(yīng)用程序在移動設(shè)備商運行，也可能需要在邊緣進行處理，例如靠近手機基站。

與邊緣計算和邊緣數(shù)據(jù)相關(guān)的問題非常復(fù)雜，但云服務(wù)提供商和初創(chuàng)公司提供的解決方案將能夠解決這些問題，幫助企業(yè)快速部署邊緣計算。