本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請至雷鋒網(wǎng)官網(wǎng)申請授權(quán)。

 邊緣計算對于許多物聯(lián)網(wǎng)應(yīng)用至關(guān)重要，它能夠降低延遲和降低帶寬使用。然而，當(dāng)談到物聯(lián)網(wǎng)時，大多數(shù)人都忽略了邊緣計算的一個最重要的優(yōu)勢。

在討論這個被忽視的關(guān)鍵好處之前，讓我們先定義什么是邊緣計算和云計算。

云計算與邊緣計算

“云計算是計算機(jī)系統(tǒng)資源的按需可用性，特別是數(shù)據(jù)存儲（云存儲）和計算能力，而無需用戶直接主動管理”。（維基百科）

“邊緣計算是一種分布式計算范式，它使計算和數(shù)據(jù)存儲更接近需要的位置，以提高響應(yīng)時間和節(jié)省帶寬”。（維基百科）

在云計算時代之前，企業(yè)必須自己購買物理服務(wù)器來獲得所需的計算能力和存儲，前期投入和后期管理是十分昂貴的（購買所有的硬件和設(shè)置、維護(hù)和更新）。云計算的誕生，意味著企業(yè)不再需要購買和管理硬件，企業(yè)可以支付所需費用，云服務(wù)商來負(fù)責(zé)管理。

云計算產(chǎn)生了深遠(yuǎn)的影響，為企業(yè)提供了可擴(kuò)展性、可靠性、安全性和易用性。然而，云計算并不是完美的，需要權(quán)衡利弊。

云計算是集中化的，這意味著無論終端設(shè)備（例如智能手機(jī)）位于何處，數(shù)據(jù)都需要通過網(wǎng)絡(luò)（如4G蜂窩連接）從終端設(shè)備傳輸?shù)皆铺峁┥痰臄?shù)據(jù)中心，然后再反向操作，到達(dá)終端設(shè)備。對于需要快速傳輸大量數(shù)據(jù)的應(yīng)用程序，這可能既緩慢又昂貴。

這就是邊緣計算的用武之地。為了了解邊緣計算的好處，通常以自動駕駛車輛為例：

• 延遲：自動駕駛車輛需要在瞬間做出決定。如果一輛車在你面前突然轉(zhuǎn)彎，你會希望你的車不得不等待從遠(yuǎn)處云端得到指示嗎？不！你肯定想讓你的汽車在它的本地計算機(jī)上處理盡快做出決定。

• 帶寬：無人駕駛汽車輛捕獲的大量數(shù)據(jù)估計為每小時4TB，與你的智能手機(jī)每天平均100MB的數(shù)據(jù)相比，這是40000倍的數(shù)據(jù)。流式傳輸所有這些數(shù)據(jù)既昂貴又可能導(dǎo)致網(wǎng)絡(luò)擁塞。

出于這兩個原因，在自動駕駛車輛的邊緣（在這種情況下，在車輛本身上）執(zhí)行計算是有意義的。

云計算和邊緣計算的問題不是二選一，云和邊緣都有各自的優(yōu)勢，問題是應(yīng)該在何時使用云計算和邊緣計算。

一條有用的經(jīng)驗法則是：“云計算運行在大數(shù)據(jù)上，而邊緣計算運行于‘即時數(shù)據(jù)’，即傳感器或用戶生成的實時數(shù)據(jù)”（維基百科）。

究竟什么是“邊緣”？

邊緣基本上意味著“非云”，因為組成邊緣的內(nèi)容可能因應(yīng)用程序而異。為了解釋，讓我們看一個例子。

在醫(yī)院需要知道所有醫(yī)療資產(chǎn)（例如，靜脈輸液泵、心電圖機(jī)等）的位置，并使用藍(lán)牙室內(nèi)跟蹤物聯(lián)網(wǎng)解決方案。這個解決方案有藍(lán)牙標(biāo)簽，你可以把它附加到你想要追蹤的資產(chǎn)上（例如，靜脈注射泵）。你還擁有藍(lán)牙集線器，每個房間一個，用于監(jiān)聽來自標(biāo)簽的信號，以確定每個標(biāo)簽所在的房間（以及資產(chǎn)所在的房間）。

在這種情況下，標(biāo)簽和集線器都可以被視為“邊緣”，標(biāo)簽可以執(zhí)行一些簡單的計算，只有在感官數(shù)據(jù)發(fā)生較大變化時才會將數(shù)據(jù)發(fā)送到集線器。如果一個標(biāo)簽從一個不同的標(biāo)簽移動到一個不同的數(shù)據(jù)中心，就可以計算出一個不同的標(biāo)簽。上述兩種方法可以結(jié)合使用，或者兩者都不能使用，標(biāo)簽可以將所有原始數(shù)據(jù)發(fā)送到集線器，集線器可以將所有原始數(shù)據(jù)發(fā)送到云端。

物聯(lián)網(wǎng)邊緣計算的關(guān)鍵——被忽視的優(yōu)勢

正如本文開頭所說，在評估邊緣計算時，幾乎所有人都忽略了一個關(guān)鍵好處。

我們已經(jīng)介紹了延遲（更快的響應(yīng)）和帶寬（減少帶寬需求并節(jié)省數(shù)據(jù)成本）的好處。不過，這些好處是針對物聯(lián)網(wǎng)應(yīng)用的一個特定子集，如自動車輛、智能家居或安全攝像頭。

LPWAN IoT的到來

“物聯(lián)網(wǎng)”一詞的一個問題是它的定義很廣。耗資數(shù)萬美元的自動車輛收集萬億字節(jié)的數(shù)據(jù)并使用4G蜂窩網(wǎng)絡(luò)被認(rèn)為是物聯(lián)網(wǎng)。同時，花費幾美元的傳感器只收集字節(jié)數(shù)據(jù)并使用低功耗廣域網(wǎng)（lpwan）也被認(rèn)為是物聯(lián)網(wǎng)。

問題是每個人都在關(guān)注高帶寬的物聯(lián)網(wǎng)應(yīng)用，比如自動車輛、智能家居和安全攝像頭。這是因為每個人都是消費者，所以寫這些東西的人在寫C端內(nèi)容比寫B(tài)端內(nèi)容的時候有更多的讀者，因為企業(yè)物聯(lián)網(wǎng)與較少的人直接相關(guān)，并且可能會有些乏味。

LPWAN物聯(lián)網(wǎng)有望實現(xiàn)快速增長，這將是人們最能感受到物聯(lián)網(wǎng)真正變革性的地方。

對于LPWAN IoT應(yīng)用，能耗至關(guān)重要，因為它不適用于其他IoT應(yīng)用程序。自動駕駛汽車將配備大量電池，并定期充電，智能家居設(shè)備和安全攝像頭直接插入插座。

但是，如果您的公司將GPS追蹤器放置在汽車拍賣場中所有20,000輛車輛上，那么這些GPS追蹤器中的電池可持續(xù)使用幾年！在少于幾年的任何時間范圍內(nèi)更換20,000個電池將是巨大的操作難題，并且管理成本高昂。僅通過管理系統(tǒng)的巨額成本就遠(yuǎn)遠(yuǎn)超過了從實時了解車輛位置所獲得的收益。

邊緣計算可以降低能耗

當(dāng)談到電池供電設(shè)備的能源消耗時，您知道哪些能源消耗最多嗎？無線廣播。傳感器和簡單的計算通常不會消耗很多能量，但是發(fā)送和接收無線消息卻會消耗很多能量。數(shù)量越少，發(fā)送和接收的消息越少，設(shè)備可以使用電池供電的時間就越長（所有無線連接都表示功耗，范圍和帶寬之間的折衷）。

因此，如果設(shè)備對設(shè)備本身、消息的數(shù)量和大小進(jìn)行計算，并使用邏輯來減少消息，那么邊緣計算對于LPWAN物聯(lián)網(wǎng)應(yīng)用是非常有效的。

讓我們看一下燃料箱遠(yuǎn)程監(jiān)控的例子。簡言之，通過在油箱上放置設(shè)備，可以遠(yuǎn)程監(jiān)控油箱的油位。在沒有遠(yuǎn)程監(jiān)控物聯(lián)網(wǎng)系統(tǒng)的情況下，企業(yè)必須猜測何時需要加注儲罐。這是低效率的，因為燃料司機(jī)會把車開到不需要加油的油箱，或者來不及到需要加油的油箱。

燃油箱的遠(yuǎn)程監(jiān)控要好得多。盡管如此，數(shù)百萬個燃料箱仍分布在廣闊的地區(qū)（例如，用于美國中西部的農(nóng)業(yè)），因此，監(jiān)控設(shè)備必須使用一個電池可持續(xù)使用數(shù)年。就像上面的汽車跟蹤示例一樣，頻繁更換這些電池將帶來驚人的運營成本。

為了減少電池消耗，我們可以向邊緣添加一些基本邏輯（在本例中，邊緣是監(jiān)視設(shè)備）。燃油油位讀數(shù)越多越好，但每次讀取燃油油位和無線發(fā)送的每條信息都會消耗能量。一種在保持頻繁的燃油油位讀數(shù)的同時減少電池電量消耗的創(chuàng)新方法是讓設(shè)備定期（例如每2小時）讀取燃油油位讀數(shù)，但以較低頻率（例如，每24小時）發(fā)送包含這些讀數(shù)的無線信息。當(dāng)設(shè)備確實發(fā)送消息時，它包括自上一條消息以來的所有讀數(shù)。每24小時發(fā)送一條消息，每小時讀取2次，即每條消息讀取12次。

[[355923]]

你或許想問，“如果油箱的燃油油位在24小時內(nèi)降至臨界值以下怎么辦？”，在一個嚴(yán)酷的冬天，依靠燃油箱保持溫暖的人將無法在沒有燃油的情況下多待一天。這也可以通過將一些基本計算移至邊緣來解決。

每次設(shè)備醒來讀取讀數(shù)時（即每2小時），它也可以快速檢查燃油油位是否低于閾值（例如，低于30%）。如果發(fā)生這種情況，設(shè)備可以立即發(fā)送消息，而不是等到24小時后的下一條計劃消息。通過這種方式，該設(shè)備仍然可以減少發(fā)送的消息總數(shù)（這是高能耗的），同時確保在正確的時間捕獲和共享正確的數(shù)據(jù)。

這是一個很好的例子，說明了邊緣計算如何使使用lpwan的物聯(lián)網(wǎng)解決方案受益。與用于LPWAN物聯(lián)網(wǎng)解決方案的自主車輛、智能家居或安全攝像頭不同，延遲和帶寬并不那么重要。在這個遠(yuǎn)程油箱監(jiān)控示例中，每隔兩個小時讀取一次讀數(shù)就足夠了，所以減少毫秒級的延遲幾乎不重要。

另外，每個油箱的數(shù)據(jù)量很低，只有燃油油位、電池電量和其他設(shè)備基本狀態(tài)的字節(jié)數(shù)據(jù)，所以帶寬峰值不受影響。

在這個例子中，云仍然扮演著一些角色。

雖然可以將某些邏輯移到邊緣以節(jié)省電池壽命，但其他邏輯和分析更為數(shù)據(jù)密集型的計算更適合云計算。盡管每個儲罐的數(shù)據(jù)都很低，但是來自數(shù)百萬個儲罐的匯總數(shù)據(jù)仍然非常龐大。將機(jī)器學(xué)習(xí)和預(yù)測性分析應(yīng)用于此數(shù)據(jù)集以預(yù)測何時需要對儲罐進(jìn)行加注對于云而言是完美的。

此外，你可能希望根據(jù)這些預(yù)測的燃油水平，當(dāng)前的道路狀況和當(dāng)前的燃油價格將駕駛員安排到油箱，這對于云計算來說也是完美的，在邊緣沒有意義。