關(guān)于邊緣計(jì)算我已經(jīng)談過很多次，或許你也注意到了，進(jìn)入2018年之后，邊緣與云端的微妙關(guān)系正在被業(yè)界重視起來，物聯(lián)網(wǎng)的發(fā)展令原本基于互聯(lián)網(wǎng)構(gòu)建的基礎(chǔ)設(shè)施逐步翻轉(zhuǎn)，正在經(jīng)歷一次螺旋式的更迭過程。

2016年底，在Gartner數(shù)據(jù)中心年度會(huì)議上，硅谷風(fēng)投大佬A16Z合伙人Peter Levine曾說邊緣計(jì)算是云計(jì)算的“終結(jié)者”。經(jīng)過接近兩年時(shí)間的驗(yàn)證，邊緣計(jì)算和云計(jì)算的關(guān)系更加清晰，兩者并非互斥關(guān)系的基本論調(diào)已奠定。由于邊緣計(jì)算解決了“***一公里”云原生應(yīng)用的供應(yīng)問題，成為了云計(jì)算在未來發(fā)展中的重要落地支撐，邊緣計(jì)算與云計(jì)算勢(shì)必彼此融合，來到“邊云協(xié)同”的新階段。

就像配電網(wǎng)將電力從降壓配電變電站出口輸送到最終用戶端，邊緣計(jì)算形成的網(wǎng)格將云原生應(yīng)用從***一公里處配送至互聯(lián)萬物，提高關(guān)鍵應(yīng)用程序的性能、提升實(shí)時(shí)處理能力、改善安全性和可靠性，很大程度上彌補(bǔ)了云計(jì)算在IoT領(lǐng)域?qū)嵺`中的短板和掣肘。

通過由邊緣與云端形成的多層混合架構(gòu)，以及隨之而來的“邊云協(xié)同”效應(yīng)，更能綜合發(fā)揮兩者的優(yōu)勢(shì)，促進(jìn)物聯(lián)網(wǎng)基礎(chǔ)架構(gòu)迎來一次全面的升級(jí)。

邊云協(xié)同的主要推動(dòng)者竟是三大云計(jì)算巨頭

如何直觀的解釋邊云協(xié)同效應(yīng)?華為企業(yè)業(yè)務(wù)總裁閻力大的比喻最為妥帖。他說，在無脊椎動(dòng)物中，章魚的智商***，因?yàn)樗鼡碛芯蘖康纳窠?jīng)元。這些神經(jīng)元60%分布在八條腿(邊緣)上，腦部(云端)僅有40%?？雌饋碛?ldquo;腿”來思考并解決問題的章魚，在捕獵時(shí)各條“腿”從來不會(huì)纏繞打結(jié)，這得益于它們類似于分布式計(jì)算的“多個(gè)小腦(邊緣)”和“一個(gè)大腦(云端)”協(xié)同工作。

縱觀全球，我們驚奇的發(fā)現(xiàn)，邊云協(xié)同的主要推動(dòng)者，恰是邊緣計(jì)算曾經(jīng)試圖“終結(jié)”的云計(jì)算巨頭們。 

云計(jì)算目前仍是一個(gè)快速擴(kuò)張的市場(chǎng)，根據(jù)預(yù)測(cè)到2021年云計(jì)算的市場(chǎng)規(guī)模將達(dá)到3000億美元。領(lǐng)跑“三人行”亞馬遜、微軟和谷歌之間的排位爭(zhēng)奪戰(zhàn)從開始就沒消停過，物聯(lián)網(wǎng)時(shí)代業(yè)必將愈演愈烈。

基礎(chǔ)設(shè)施即服務(wù)、平臺(tái)即服務(wù)、軟件即服務(wù)…一切盡在服務(wù)。為了謀求進(jìn)一步擴(kuò)張，AWS、Azure和Google Cloud不約而同的看到了來自兩個(gè)方向的發(fā)展動(dòng)力，一是由各種SaaS提供的增值云服務(wù)能力形成的推力，另一個(gè)是由邊緣計(jì)算將云原生應(yīng)用帶入到各種智能終端形成的拉力。

邊緣計(jì)算是一種分布式基礎(chǔ)設(shè)施，計(jì)算資源和應(yīng)用服務(wù)沿著從數(shù)據(jù)源到云端的通信路徑分布。由于邊緣計(jì)算能夠提升云計(jì)算的時(shí)間維度價(jià)值，從而“淬煉”成業(yè)務(wù)績(jī)效，更好的滿足各種合規(guī)性的要求，具有更佳的數(shù)據(jù)隱私保護(hù)能力和安全性，是拉動(dòng)云平臺(tái)業(yè)績(jī)的有效手段。 

巨頭們的邊云協(xié)同路徑推進(jìn)得可謂整齊劃一，亞馬遜的AWS Greengrass、微軟的Azure IoT Edge、谷歌的Edge TPU和Cloud IoT Edge相繼推出。各家的商業(yè)模式也相當(dāng)趨同，在邊緣側(cè)以免費(fèi)或開源的方式，將云原生應(yīng)用的“電力”配送到位于“***一公里”的工業(yè)機(jī)器人、風(fēng)力發(fā)電機(jī)和各種生產(chǎn)線的邊緣設(shè)備當(dāng)中。

當(dāng)然，對(duì)邊云協(xié)同萬分看好的企業(yè)并不僅限于三大巨頭。HPE、IBM、思科、SAP等知名企業(yè)，F(xiàn)oghorn、IOTech、Falkonry等初創(chuàng)公司紛紛表示加我一個(gè)。

值得關(guān)注的是，在上周剛剛結(jié)束的VMworld 2018峰會(huì)中，VMware發(fā)布了***的邊云協(xié)同戰(zhàn)略，Dell EMC、Pivot3、Veeam、Extreme Networks等公司聯(lián)合展示了多款邊云協(xié)同產(chǎn)品。

邊云協(xié)同中的“邊緣”千人千面

邊云協(xié)同首先需要克服的障礙有很多層面，但最基礎(chǔ)的一個(gè)，是對(duì)于“邊緣”認(rèn)知的不一致性。

邊云協(xié)同中的“邊緣”在哪里?這恐怕是最常見的問題之一。與云平臺(tái)不同，對(duì)于邊緣的理解可以說是千人千面。

工業(yè)互聯(lián)網(wǎng)聯(lián)盟IIC在白皮書《Introduction to Edge Computing in IIoT》中給出的解釋是：邊緣是一個(gè)邏輯概念，而并非一個(gè)物理劃分。同時(shí)IIC也給出了邊緣計(jì)算需要考慮的共性能力，包括分布式數(shù)據(jù)管理、數(shù)據(jù)分析、統(tǒng)一業(yè)務(wù)編排、連接能力和安全性。 

因此對(duì)于不同的個(gè)性化應(yīng)用來說，“邊緣在哪里”是一個(gè)“千人千邊”的開放性問題，從應(yīng)用角度來看，邊緣的位置取決于業(yè)務(wù)問題需要解決的“關(guān)鍵目標(biāo)”。 

因此從最終用戶和服務(wù)提供商的視角來看，邊緣所處的位置并不相同。因此在由ARM、Vapor IO、Ericsson UDN等公司聯(lián)合起草的白皮書《State of the Edge 2018》中，定義了兩種邊緣，運(yùn)營(yíng)商視角的基礎(chǔ)設(shè)施邊緣和最終用戶視角的設(shè)備邊緣。

基礎(chǔ)設(shè)施邊緣是指位于“***一公里”的網(wǎng)絡(luò)運(yùn)營(yíng)商或者服務(wù)提供商的IT資源，其主要構(gòu)建模塊是邊緣數(shù)據(jù)中心，通常在城市及其周邊以5-10英里的間隔放置。

設(shè)備邊緣是指網(wǎng)絡(luò)終端或設(shè)備側(cè)的邊緣計(jì)算資源，包括傳統(tǒng)互聯(lián)網(wǎng)設(shè)備，比如PC和智能手機(jī)等，以及新型智能設(shè)備，比如智能汽車、環(huán)境傳感器、智能信號(hào)燈等。 

基礎(chǔ)設(shè)施邊緣和設(shè)備邊緣雖然同屬于邊緣計(jì)算的范疇，但是兩者的定義、關(guān)注點(diǎn)、核心能力(包括在計(jì)算和存儲(chǔ)能力、網(wǎng)絡(luò)資源規(guī)模等)方面的差異極大。

由于邊緣計(jì)算千人千面的基本特征，因此在邊云協(xié)同的過程中，不同層次的邊緣與云平臺(tái)之間構(gòu)成了多層結(jié)構(gòu)，應(yīng)用程序的工作負(fù)載通過在各個(gè)層次之間動(dòng)態(tài)分配資源來調(diào)度?；A(chǔ)設(shè)施邊緣和設(shè)備邊緣都可以被視為集中式云平臺(tái)的補(bǔ)充，甚至是現(xiàn)有云平臺(tái)的擴(kuò)展。 

由“千人千邊”衍生的另一個(gè)問題是，對(duì)于邊云協(xié)同的市場(chǎng)規(guī)模估算的不一致性，導(dǎo)致不同企業(yè)對(duì)邊云協(xié)同的重視程度相差極大，邊云協(xié)同的重要性很容易被高估或者低估。

看好邊緣計(jì)算的激進(jìn)代表包括戴爾公司的***執(zhí)行官兼董事長(zhǎng)邁克爾·戴爾，他說：“我認(rèn)為邊緣將比云更大。”

不同的市場(chǎng)研究機(jī)構(gòu)也對(duì)邊緣計(jì)算市場(chǎng)給出了各自的估算。

Gartner預(yù)測(cè)到2021年，由于考慮到時(shí)間延遲和帶寬需求，40%的大型企業(yè)會(huì)將邊緣計(jì)算納入項(xiàng)目范圍，2017年這一比例僅為不到1%。

IDC預(yù)測(cè)到2020年，邊緣計(jì)算的相關(guān)支出將占到物聯(lián)網(wǎng)所有支出的18%。到2022年，物聯(lián)網(wǎng)的整體支出將達(dá)到1.2萬億美元，而邊緣計(jì)算的相關(guān)支出則為2160億美元。

Grand View Research認(rèn)為到2025年，全球邊緣計(jì)算市場(chǎng)將達(dá)到32.4億美元，復(fù)合年增長(zhǎng)率超過40%。

Transparency Market Research估算2017年全球邊緣計(jì)算市場(chǎng)約為80億美元，并預(yù)計(jì)到2022年底將達(dá)到133億美元。

Stratistics MRC對(duì)于2017年的市場(chǎng)估算與Transparency Market Research一致，約為80億美元。Stratistics MRC還進(jìn)一步預(yù)測(cè)到2026年，邊緣計(jì)算的市場(chǎng)規(guī)模將達(dá)205億美元。

如何通過邊云協(xié)同進(jìn)行有效的數(shù)據(jù)分析?

數(shù)據(jù)分析是將數(shù)據(jù)轉(zhuǎn)化為信息的過程，為運(yùn)營(yíng)決策提供新的洞察和見解，如果說數(shù)據(jù)是新型“石油”，那么數(shù)據(jù)分析就是驅(qū)動(dòng)其產(chǎn)生價(jià)值的新型“引擎”，數(shù)據(jù)分析的質(zhì)量，在一定程度上決定著物聯(lián)網(wǎng)項(xiàng)目的價(jià)值上限。

曾經(jīng)大多數(shù)數(shù)據(jù)分析都在云端進(jìn)行，而如今隨著邊云協(xié)同的推進(jìn)，邊緣分析可以降低數(shù)據(jù)存儲(chǔ)、通訊和處理的成本，去除不必要的數(shù)據(jù)噪聲，更多的數(shù)據(jù)分析正在回到邊緣進(jìn)行處理。 

一般而言，如果某項(xiàng)應(yīng)用場(chǎng)景具有良好的信息源，且業(yè)務(wù)問題有清晰的解決邏輯，那么數(shù)據(jù)分析的重點(diǎn)應(yīng)該放到邊緣。在更復(fù)雜的情況下，為了處理好多種數(shù)據(jù)源和多重變量，邊云協(xié)同需要綜合考慮處理速度、可靠性、安全性、帶寬需求和復(fù)雜度。

處理速度：數(shù)據(jù)類型和數(shù)量，以及業(yè)務(wù)決策的時(shí)間限制都會(huì)影響對(duì)于處理速度的要求。邊緣計(jì)算采用分布式計(jì)算架構(gòu)，由于將運(yùn)算分散在靠近數(shù)據(jù)源的近端設(shè)備處理，不再需要遠(yuǎn)距離把數(shù)據(jù)回傳云端處理，實(shí)時(shí)性更好、效率更高、延遲更短。

可靠性和安全性：可靠性和安全性雖有很大不同，但仍有大顆粒度相似需求，暫時(shí)放到一起考慮。互聯(lián)設(shè)備可以通過邊緣應(yīng)用，同步設(shè)備數(shù)據(jù)以及與其他設(shè)備安全通信，甚至無需連接互聯(lián)網(wǎng)，***程度地提升可靠性、安全性和隱私保護(hù)能力。但是一些重要數(shù)據(jù)，仍舊需要回傳到云端，進(jìn)行保存以便進(jìn)行長(zhǎng)期趨勢(shì)分析。

帶寬需求：帶寬是遠(yuǎn)程控制中需要考慮的一個(gè)重要問題。邊云協(xié)同的數(shù)據(jù)量直接決定了數(shù)據(jù)分析的成本，如果監(jiān)控一臺(tái)風(fēng)力發(fā)電機(jī)上的100個(gè)參數(shù)，每隔10分鐘回傳一次數(shù)據(jù)到云平臺(tái)，那么每天的數(shù)據(jù)量就是14400，這還僅僅只對(duì)應(yīng)一臺(tái)風(fēng)機(jī)。

有些公司正在采用***LPWAN技術(shù)來緩解向云端發(fā)送大量數(shù)據(jù)的成本問題，但帶寬問題仍舊是邊云協(xié)同無法繞過的一個(gè)現(xiàn)實(shí)因素。

復(fù)雜度：復(fù)雜度是劃分云端和邊緣應(yīng)用負(fù)載的有效分水嶺。云端學(xué)習(xí)、邊緣執(zhí)行，是處理復(fù)雜問題的大致思路。以一個(gè)啤酒廠的應(yīng)用為例，如果分析某一款啤酒被過度發(fā)酵的問題，邊緣計(jì)算完全可以勝任和處理。如果想要研究每款啤酒的發(fā)酵周期，并在不同種類的啤酒之間進(jìn)行橫向?qū)Ρ龋敲丛贫朔治隹梢院芎玫慕鉀Q這個(gè)數(shù)學(xué)問題。

大多數(shù)預(yù)測(cè)性維護(hù)的問題都可以在邊緣解決，這種問題一名工程師或者操作員就能很好的處理。但是如果解決的問題是工廠的綜合生產(chǎn)效率提升問題，就需要在云平臺(tái)中將來自多個(gè)場(chǎng)景的監(jiān)測(cè)數(shù)據(jù)進(jìn)行綜合分析，并且很難給出快速反饋。也佐證了邊緣和云端各有長(zhǎng)短板、各有上下限，因此協(xié)同必將成為合理而主流的走向。 

本文小結(jié)：

1. 邊緣計(jì)算和云計(jì)算并非互斥關(guān)系，由于邊緣計(jì)算解決了“***一公里”云原生應(yīng)用的供應(yīng)問題，成為了云計(jì)算在未來發(fā)展中的重要落地支撐，邊緣計(jì)算與云計(jì)算勢(shì)必彼此融合，來到“邊云協(xié)同”的新階段。

2. 與云平臺(tái)不同，對(duì)于邊緣的理解千人千面。因此在邊云協(xié)同的過程中，不同層次的邊緣與云平臺(tái)之間構(gòu)成了多層結(jié)構(gòu)，應(yīng)用程序的工作負(fù)載通過在各個(gè)層次之間動(dòng)態(tài)分配資源來調(diào)度，同時(shí)邊云協(xié)同的重要性很容易被高估或者低估。

3. 云端學(xué)習(xí)、邊緣執(zhí)行，是處理復(fù)雜問題的大致思路。為了處理好多種數(shù)據(jù)源和多重變量，邊云協(xié)同需要綜合考慮處理速度、可靠性、安全性、帶寬需求和復(fù)雜度。

附錄：2018年***版邊緣計(jì)算企業(yè)圖譜