【51CTO.com原創(chuàng)稿件】隨著物聯(lián)網(wǎng)和5G網(wǎng)絡(luò)的發(fā)展， “邊緣計算”逐漸成為許多大佬的關(guān)注點。邊緣計算作為新的計算范式，在靠近設(shè)備端的運算上，展現(xiàn)出了實時處理與高效節(jié)能的優(yōu)勢。那么，業(yè)界如何定義邊緣計算呢?它目前的市場狀況與未來的發(fā)展前景又如何呢?

2018 年 5 月 18-19 日，由 51CTO 主辦的全球軟件與運維技術(shù)峰會在北京召開。在“IOT開發(fā)技術(shù)解析”分論壇上，來自華為、及邊緣計算產(chǎn)業(yè)聯(lián)盟的技術(shù)架構(gòu)主席史揚，給大家?guī)砹恕哆吘売嬎銋⒖技軜?gòu)2.0實踐與思考》。

本文將按照如下三個部分展開：

• 為什么需要邊緣計算(WHY)
• 華為如何在邊緣計算領(lǐng)域持續(xù)發(fā)力(HOW)
• 邊緣計算參考架構(gòu)2.0實踐與思考

為什么需要邊緣計算

行業(yè)數(shù)字化的轉(zhuǎn)型是當(dāng)下比較時髦的概念。其本質(zhì)是：以數(shù)字化產(chǎn)生數(shù)據(jù)，網(wǎng)絡(luò)化實現(xiàn)價值的流動，通過智能化來創(chuàng)造經(jīng)濟和社會價值。

行業(yè)數(shù)字化的迭代發(fā)展是從互聯(lián)網(wǎng)公司開始，逐步進入互聯(lián)網(wǎng)金融公司(FinTech)，而近兩年則進入了實體行業(yè)的智能制造等場景中。

縱觀任何一個企業(yè)，其運營無非涉及到：人、財、物，應(yīng)用和環(huán)境，而說到底都是源于數(shù)據(jù)。我們通過對數(shù)據(jù)的感知、到對數(shù)據(jù)含義的認(rèn)知、從而達(dá)到對數(shù)據(jù)進行預(yù)測。

例如：我們通過關(guān)聯(lián)分析，來對互聯(lián)網(wǎng)用戶做“畫像”，進而預(yù)測他的購物習(xí)慣。憑借著越來越廉價的云計算服務(wù)、ERP和CRM等軟件的協(xié)助，我們能夠從歷史看未來，不斷優(yōu)化用戶體驗，進而做出各種決策。

如今，傳統(tǒng)行業(yè)需要通過物聯(lián)網(wǎng)，來獲知其核心資產(chǎn)(如發(fā)電機)的運行狀況和資產(chǎn)利用率，進而打通從云端到邊緣計算。

因此，數(shù)字化轉(zhuǎn)型的核心問題是：締造“數(shù)據(jù)+模型=服務(wù)”的模式，實現(xiàn)如下四個轉(zhuǎn)變：

• 物理世界與數(shù)字世界從割裂轉(zhuǎn)變?yōu)閰f(xié)作融合。
• 運營決策從模糊的經(jīng)驗化轉(zhuǎn)變?yōu)榛跀?shù)字化、模型化的科學(xué)化。
• 流程從割裂轉(zhuǎn)變?yōu)榛跀?shù)據(jù)的全流程協(xié)同。
• 行業(yè)單邊創(chuàng)新轉(zhuǎn)變?yōu)榛诋a(chǎn)業(yè)生態(tài)的多邊創(chuàng)新。

如今我們的數(shù)字化轉(zhuǎn)型技術(shù)正變得越來越成熟，門檻也越來越低。例如：在漢諾威工業(yè)展上受到追捧的數(shù)字孿生，就是通過模型化的方式，使用ICT的技術(shù)，在數(shù)字世界里構(gòu)建一個虛擬世界。可見，數(shù)字技術(shù)其實是可以將物理世界的潛能釋放出來的。

當(dāng)然，物理世界與云數(shù)字世界的聯(lián)接也存在各種問題，包括：十毫秒的時延約束，無人駕駛場景中的數(shù)據(jù)猛增和帶寬消耗，人員與企業(yè)的數(shù)據(jù)安全與隱私，以及邊緣側(cè)物理設(shè)備與云端的聯(lián)接的不可靠性等。

因此，我們需要通過智能分布化，來實現(xiàn)物的自主化，從而進一步實現(xiàn)：物與物之間的協(xié)助、物與本地系統(tǒng)的協(xié)作、物與人的協(xié)作(即人機交互)、以及物和云的交互協(xié)作。那么在整個過程中，我們都需要通過一種數(shù)據(jù)和支持的共享，來實現(xiàn)全面的協(xié)作化。

不過，我們所用到的邊緣計算、云服務(wù)、乃至Docker和K8等技術(shù)，其實歸根到底都屬于分布式系統(tǒng)。

而對于分布式系統(tǒng)架構(gòu)來說，除了我們所熟悉的，具有可擴展性和性能優(yōu)勢之外，也帶來了如上圖所示的各種挑戰(zhàn)。

其中包括：部署、學(xué)習(xí)曲線陡峭、理解整體架構(gòu)邏輯、以及各種開發(fā)成本、維護成本和運營成本等方面。

同時，那些在工業(yè)上被廣泛使用到的各種傳統(tǒng)軟件，如ERP、MES、CAD等，由于具有較強的行業(yè)定制化的特點(MES尤為典型)，導(dǎo)致了它們既不賺錢，又難以適應(yīng)靈活的需求變化。

因此，我們需要將原有的工業(yè)服務(wù)平臺從層次化變?yōu)楸馄交?，把它們的業(yè)務(wù)邏輯打碎成多個模塊。我們通過內(nèi)部封裝，以一種組態(tài)編排的方式來解決工業(yè)現(xiàn)場的多樣化問題。

在業(yè)界上，我們通過K8之類的技術(shù)來構(gòu)建出一種“高內(nèi)聚、松耦合”的分布式服務(wù)架構(gòu)，并且使用微服務(wù)來為架構(gòu)提供包括：服務(wù)發(fā)現(xiàn)、控制總線、業(yè)務(wù)編排、架構(gòu)運維在內(nèi)的一系列基礎(chǔ)服務(wù)。

伴隨著微服務(wù)化，工業(yè)界本身的控制架構(gòu)也產(chǎn)生了分布式化。例如：在工業(yè)現(xiàn)場的PLC控制裝備上，實現(xiàn)了可交互的分布式控制邏輯。

一般而言，企業(yè)每更換一種手機型號，其生產(chǎn)線上所有的工藝都要做出相應(yīng)的調(diào)整。因此，各個企業(yè)在生產(chǎn)線水平上的競爭，就主要體現(xiàn)在換裝能力和新產(chǎn)品的上線能力等方面。同時，企業(yè)需要通過快速地加載和迭代系統(tǒng)工藝，實現(xiàn)靈活的編排和工序控制。

總結(jié)起來，如今行業(yè)數(shù)字化轉(zhuǎn)型面臨著如下的挑戰(zhàn)：

• OT(Operation Technology)和ICT(Informationand Communications Technology)跨界協(xié)作挑戰(zhàn)
• 知識模型化仍是巨大挑戰(zhàn)
• 數(shù)據(jù)信息難以有效流動與集成
• 產(chǎn)業(yè)鏈變長，增加了端到端協(xié)作集成挑戰(zhàn)

我們需要通過AI、大數(shù)據(jù)、機器學(xué)習(xí)等技術(shù)，將傳統(tǒng)的機理模型與數(shù)據(jù)計算模型相結(jié)合，讓企業(yè)轉(zhuǎn)向運營服務(wù)轉(zhuǎn)型和協(xié)作型，從而帶來整個產(chǎn)業(yè)鏈在生態(tài)架構(gòu)上的變化。

下面，我們來看看邊緣計算的基本概念。簡言之，它是一個開放分布式平臺，能夠解決實時性、數(shù)據(jù)優(yōu)化和安全等一系列問題。

從軟件技術(shù)的發(fā)展歷程來看，早年各大軟件公司各自為政，都推出過自己的操作系統(tǒng)，后來則由能夠跑在X86芯片上的Linux操作系統(tǒng)成為了主流。

近幾年，由亞馬遜推出的云計算服務(wù)封裝了底層的操作系統(tǒng)和硬件，用戶只需像使用水電煤那樣去應(yīng)用這些云服務(wù)便可。

而在工業(yè)上，其價值鏈的最上端是工藝，接著是核心裝備，再往下是PLC，以及一些核心的工業(yè)軟件，而我們常見的IT則處于基礎(chǔ)的末端。因此整個價值鏈的核心是：系統(tǒng)集成商負(fù)責(zé)把軟硬整體打包提供服務(wù)。

另外，對于某些通用的軟件而言，其實它們并不可能去單獨招標(biāo)。例如：網(wǎng)絡(luò)軟件，一般是被綁定在整個項目中進行招標(biāo)的?？梢姡I(yè)上的整體商業(yè)模式是不太一樣的。

作為類比，邊緣計算和云計算的本質(zhì)都集中在兩個方面：

• 水平解耦，通用化所有組件。例如：我們可以把在邊緣側(cè)要用到的所有數(shù)據(jù)流程分解，做成一個通用工具。
• 新的商業(yè)模式，邊緣計算和云計算都屏蔽掉了大部分底層的基礎(chǔ)部件，以運營服務(wù)的方式來盈利。原來只需提供設(shè)備的廠商，如今要提供各種服務(wù)，包括：預(yù)測性維護、精益類服務(wù)等。因此這會是一個技術(shù)到商業(yè)模式的全棧方案。

基于上述理論，我們提出了如圖所示的模型驅(qū)動架構(gòu)，旨在讓物理世界和數(shù)字世界協(xié)作起來，達(dá)到在物理世界里建立各種認(rèn)知。

如今，工業(yè)界很多廠商都強調(diào)自己是MBE(基于模型的企業(yè))，就是突出了它們的模型化和協(xié)作能力。

由于工業(yè)界存在著硬件和操作系統(tǒng)等多方面的異構(gòu)現(xiàn)象，因此它們希望通過模型封裝，將各種KnowHow進行軟件化。正如云計算領(lǐng)域經(jīng)常通過DevOps，來對從開發(fā)到部署的整個生命周期進行有效地支撐那樣，邊緣計算的運營能力也需要有一套工具鏈和服務(wù)，來實現(xiàn)業(yè)務(wù)編排。

當(dāng)然我們在技術(shù)上應(yīng)該采取的是一種演進性的，而非推倒重來的模式。各種適合于信息系統(tǒng)的服務(wù)器硬件配置(如內(nèi)存大小)和AI的云端模型(如GPU的功耗)，它們對于工業(yè)環(huán)境(如只有幾百M的存儲空間和內(nèi)存大小)，以及邊緣計算的低功耗芯片來說，是無法迅速被移植過去的。我們需要有更多獨特的創(chuàng)新機會。

華為如何在邊緣計算領(lǐng)域持續(xù)發(fā)力?

下面我們來看華為是如何在邊緣計算領(lǐng)域持續(xù)發(fā)力的。如上圖所示，這是一個邊緣云的協(xié)同。在數(shù)字世界里，最上方是一個集中式的云服務(wù)，它包括公有云和私有云，一般被建立在某個IDC中。

在云服務(wù)的PaaS和IaaS之上，可以提供邊緣通用的AI、大數(shù)據(jù)服務(wù)，以及上方的Enterprise Intelligence服務(wù)。

在邊緣側(cè)，我們配有嵌入式LiteOS(輕量級系統(tǒng))、物聯(lián)網(wǎng)關(guān)、服務(wù)器、以及第三方的節(jié)點。在此基礎(chǔ)上，我們提供了一個基于K8的、優(yōu)化了的邊緣云。

由于在工業(yè)上的諸多場景中，資源都是極其有限的。因此，我們不能直接照搬K8，而需要做適當(dāng)?shù)膬?yōu)化。

再往上面就是一些諸如：流式數(shù)據(jù)分析和數(shù)據(jù)管理等基礎(chǔ)服務(wù)。同時用戶也可以把自己的應(yīng)用和訓(xùn)練的模型，推送到微服務(wù)的架構(gòu)之中。

另外，該架構(gòu)除了能實現(xiàn)完全的分布式，還能提供一致性的服務(wù)接口。因此，該邊緣側(cè)既滿足了即時的業(yè)務(wù)需求，又在云端滿足了長周期的分布式架構(gòu)。

上圖是華為EI大數(shù)據(jù)的網(wǎng)頁。除了提供一些缺省的服務(wù)之外，我們還提供一些面向行業(yè)解決方案，包括：水務(wù)、制造、交通、金融和零售等相關(guān)解決方案。

該架構(gòu)具體包括：深度學(xué)習(xí)、預(yù)置模型、云端訓(xùn)練、邊緣集成、邊緣部署。同時，它也面向一些典型的應(yīng)用場景(如視頻應(yīng)用)提供各種工具鏈，以更好地支持應(yīng)用開發(fā)。

針對機器學(xué)習(xí)，我們的平臺提供了一整套的工具鏈，來實現(xiàn)核心構(gòu)建、建模、以及模型庫的發(fā)布。

前面提到過，工業(yè)項目一般周期都特別長。我們當(dāng)年做過的一個空氣壓縮機的降能耗項目，就持續(xù)了半年多。

其中涉及到了如下關(guān)鍵因素：

• IT人員跨界到工業(yè)領(lǐng)域，需要很長的時間去熟悉各種環(huán)境。因此，工業(yè)項目往往需要外部和內(nèi)部專家的合作，充分發(fā)揮IT人員擅長做數(shù)據(jù)，和OT人員提供支持的優(yōu)勢，并能持續(xù)交互與合作。
• 我們需要花大量的時間，對工業(yè)現(xiàn)場所產(chǎn)生的數(shù)據(jù)進行清洗和打標(biāo)簽。由于過程比較復(fù)雜，因此往往需要半年才能做出像樣的模型和框架。當(dāng)然，后期的迭代數(shù)據(jù)會比較快。可見，IT技術(shù)在工業(yè)領(lǐng)域不但需要有較長的沉淀周期，而且也頂多也只是一個賦能的工具。

由于在許多場景中資源是有限的，因此我們需要在邊緣側(cè)有一個輕量化的架構(gòu)。如上圖所示，我們在邊緣側(cè)提供了EdgeCore，這一無服務(wù)器架構(gòu)。

我們將網(wǎng)關(guān)等組件統(tǒng)一抽象為邊緣計算節(jié)點，通過協(xié)議來形成本地的邏輯組，從而實現(xiàn)設(shè)備的統(tǒng)一、交互、協(xié)助、以及去中心化。

在邊緣側(cè)，其實每個行業(yè)的場景都是不一樣的。例如：水庫機組的不同水泵之間，就需要有一些內(nèi)在邏輯，以實現(xiàn)在云端連接出現(xiàn)故障時，不同主機仍可進行交互。

如上圖，SmartMesh提供一個服務(wù)總線，我們通過抽象每個節(jié)點，并在此基礎(chǔ)上去定義邏輯。而在其他場景下，我們只需修改上面的邏輯，并保持下方不變，便可很容易地實現(xiàn)適配。

當(dāng)然，在物聯(lián)網(wǎng)邊緣應(yīng)用的場景開發(fā)中，我們碰到過許多問題。例如：華為在交付它所提供的網(wǎng)關(guān)時，從網(wǎng)絡(luò)接口的配置，到場景的切換與測試，都不但耗時，而且可能發(fā)生各種特殊環(huán)境的問題。 

如今，我們實現(xiàn)了在云端提供一個集成式的開發(fā)環(huán)境，從而仿真出網(wǎng)關(guān)類的硬件，以及不同的設(shè)備庫、各種OS庫，甚至是網(wǎng)關(guān)的內(nèi)存資源都能被仿真出來。如此，用戶只需簡單拖拽，便可構(gòu)建、加載出一個運營環(huán)境。

過去，我們往往需要人工巡檢包括胸牌、警示牌的安全相關(guān)狀況。如今有了機器學(xué)習(xí)、大數(shù)據(jù)、深度學(xué)習(xí)等方式，我們就可以構(gòu)建出模型庫與合規(guī)庫。通過現(xiàn)場的照片采集和云端的數(shù)據(jù)分析，我們就能很方便地得到相應(yīng)的安全報告了。

另外，過去人工檢測芯片電路板，一般每塊板需要大約5分鐘。如今攝像頭通過機器學(xué)習(xí)和機器識別的方式，大幅提高了準(zhǔn)確度和效率。

同理，我們基于機器學(xué)習(xí)，對空壓機的各種多功率參數(shù)進行了控制與優(yōu)化，使之能耗減少了2%—4%。

在3C領(lǐng)域，通過取代人工識別，我們也能將人員的工作量降低48%。

面向未來，我們需要把來自垂直方向的需求進行水平化，通過統(tǒng)一術(shù)語和架構(gòu)，最終促進產(chǎn)業(yè)的協(xié)作與發(fā)展。

邊緣計算參考架構(gòu)2.0實踐與思考

上圖是我們提出的邊緣計算參考架構(gòu)。最上面是智能服務(wù)，它處于云端和邊緣層，其本質(zhì)上是為開發(fā)和部署提供全流程的服務(wù)。

而它的***端是一些邊緣傳感、邊緣網(wǎng)關(guān)和邊緣服務(wù)器等物理設(shè)備，它們負(fù)責(zé)將采集到的信息數(shù)字化。

可見，負(fù)責(zé)架構(gòu)上方的IT人員和負(fù)責(zé)下方OT人員需要通過交互，來實現(xiàn)業(yè)務(wù)，并一層層地映射到具體的行業(yè)之中。因此，大家需要使用統(tǒng)一的語言模塊化描述具體的需求。

與此同時，上面的數(shù)字世界跟下面的物理世界在交互時，需要有一個中間層，以負(fù)責(zé)定義各種業(yè)務(wù)規(guī)則，實現(xiàn)上下映射，并層層進行屏蔽。也就是說：對于業(yè)務(wù)層來說，它不必了解過多操作和物理層面的資源信息。

因此，我們把邊緣側(cè)整體抽象成了一個邊緣云，然后通過接口跟上方進行交互，進而層層解耦，直至下方那些純工業(yè)人員所關(guān)注的物理層。

過去因為考慮到切換的成本太高，大家都害怕被某個“陣營”所綁架，因此在合作時都很謹(jǐn)慎。

而如今，通過該框架，大家能夠?qū)崿F(xiàn)協(xié)作與融合。不同的用戶能夠通過生態(tài)的協(xié)作方式，能夠打通每個層次，最終提供出覆蓋數(shù)據(jù)全生命周期、全流程服務(wù)的解決方案。

下面我們來看看架構(gòu)中的幾個關(guān)鍵點：

• 從概念視圖來講，我們將網(wǎng)關(guān)和系統(tǒng)通過數(shù)字化、網(wǎng)絡(luò)化、智能化，定義成不同的邏輯節(jié)點，然后向下提供實時計算、輕量計算、智能網(wǎng)關(guān)和智能分布式等OS。



• 從功能視圖來講，我們可以通過虛擬化，來實現(xiàn)軟件定義的功能，而且還能細(xì)分為缺省功能、數(shù)據(jù)分析、實時數(shù)據(jù)以及行業(yè)定制化等方面。



• 從功能視圖來講，我們基于該模型框架實現(xiàn)了開發(fā)接口的標(biāo)準(zhǔn)化和操作運行的自動化，從而讓IT人員和OT人員能夠建立協(xié)作關(guān)系。

由于邊緣云是一個分布式的調(diào)度系統(tǒng)，因此它能夠通過業(yè)務(wù)策略來予以定義。

對于整個應(yīng)用而言，該框架提供了從開發(fā)層到部署層的支撐，并且通過業(yè)務(wù)編排來實現(xiàn)業(yè)務(wù)的快速部署。

因此，我們所提供的框架，能夠定義出數(shù)據(jù)處理的核心服務(wù)和整體調(diào)度。而用戶只需在其中進行業(yè)務(wù)邏輯的實現(xiàn)便可，從而實現(xiàn)了平臺與用戶的分工合作。

從部署視圖來講，既有分散式的，如摩拜單車，它們每輛車上都被嵌入一個小模塊，其基站起到了網(wǎng)關(guān)的作用;又有集中式的，如在分布式電網(wǎng)里，有著大量的計算節(jié)點，并在邊緣側(cè)形成邊緣云。

而且它們的流量模型也略有不同：分散式主要采取的是南北向的流量模型，所有數(shù)據(jù)直接與云進行交互。

而在集中式的場景下，由于本地側(cè)裝備希望有更多的自主化，因此大量的流量是東西向交互的，只有少量的流量經(jīng)過長周期地清洗、聚合后再被上傳。

***我以“大處著眼，小處著手”作為本次演講結(jié)束語。謝謝!

【51CTO原創(chuàng)稿件，合作站點轉(zhuǎn)載請注明原文作者和出處為51CTO.com】