[[429143]]

邊緣計算推動了物聯(lián)網(wǎng)部署的價值，但前提是企業(yè)能夠克服創(chuàng)建數(shù)據(jù)驅(qū)動、低延遲架構(gòu)的挑戰(zhàn)。

邊緣計算被定義為一種分布式計算模式，它使計算和數(shù)據(jù)更接近物聯(lián)網(wǎng)通常部署的位置，從而提高響應(yīng)時間和帶寬。然而，這個定義聽起來過于技術(shù)化，無法理解邊緣計算的真正力量。

與其相反，邊緣計算被重新定義為一種計算模式，可將可操作的智能和洞察力盡可能靠近部署物聯(lián)網(wǎng)的位置，從而最大化此類部署的預(yù)期價值主張。這種重新定義的原因很明顯：邊緣計算的價值生成能力更重要。

價值驅(qū)動因素

了解這種強(qiáng)調(diào)價值主張的重新定義的基礎(chǔ)至關(guān)重要。任何物聯(lián)網(wǎng)產(chǎn)品或服務(wù)都有一些驅(qū)動因素。驅(qū)動因素可以大致分為業(yè)務(wù)、技術(shù)、設(shè)備和數(shù)據(jù)驅(qū)動因素。最終，任何驅(qū)動因素的共同目標(biāo)都是實(shí)現(xiàn)快速、智能和可操作的決策。

隨著新技術(shù)的出現(xiàn)，更多未開發(fā)的產(chǎn)品和服務(wù)成為可能，新的業(yè)務(wù)驅(qū)動力得以實(shí)現(xiàn)。低功耗無線、超高速處理器或網(wǎng)絡(luò)虛擬化等技術(shù)簡化了以前復(fù)雜的物聯(lián)網(wǎng)解決方案，從而消除了采用物聯(lián)網(wǎng)的障礙。技術(shù)還加速了能夠捕獲更豐富且以前無法想象的數(shù)據(jù)的設(shè)備的發(fā)展。

物聯(lián)網(wǎng)網(wǎng)絡(luò)可以實(shí)現(xiàn)曾經(jīng)夢想的功能，例如增強(qiáng)現(xiàn)實(shí)和智能數(shù)字孿生。例如，石油和天然氣工程師可以在計算機(jī)上檢查數(shù)百到數(shù)千英里的天然氣管道發(fā)生故障并采取補(bǔ)救措施。之所以能夠做到這一點(diǎn)，是因?yàn)閿?shù)字孿生在元認(rèn)知和自主傳感設(shè)備的幫助下不斷監(jiān)控和報告管道沿線關(guān)鍵組件的健康狀況。

面臨的挑戰(zhàn)

邊緣計算實(shí)際上是云計算的一種擴(kuò)展，但需要注意的是，由于物聯(lián)網(wǎng)固有的移動性要求，邊緣計算比傳統(tǒng)云計算更加分散和分布式。靠近物聯(lián)網(wǎng)位置的前端的分布程度與后端服務(wù)器上的分布程度顯著不同。雖然根據(jù)定義，邊緣計算旨在盡可能接近物聯(lián)網(wǎng)設(shè)備，但由于以下關(guān)鍵原因，企業(yè)仍然以與云計算相同的方式實(shí)施邊緣計算：

(1)邊緣計算安全產(chǎn)品和實(shí)踐仍在不斷發(fā)展，眾所周知，邊緣設(shè)備很容易成為黑客進(jìn)行攻擊的目標(biāo)。

(2)邊緣計算架構(gòu)模式仍在不斷發(fā)展。盡管邊緣計算的性能和延遲要求不同，但邊緣設(shè)備生成的數(shù)據(jù)仍然存儲在集中管理的云存儲系統(tǒng)中。

(3)執(zhí)行復(fù)雜機(jī)器學(xué)習(xí)和深度數(shù)據(jù)處理模型所需的 CPU 密集型、內(nèi)存密集型和低延遲磁盤輸入/輸出資源在傳統(tǒng)云計算環(huán)境中比在邊緣更容易獲得。

(4)其他技術(shù)功能和服務(wù)不斷發(fā)展，例如在云端更先進(jìn)、更容易訪問的無服務(wù)器和托管容器服務(wù)。

由于這些原因，推動可操作的物聯(lián)網(wǎng)決策的數(shù)據(jù)洞察力和智能必須依賴于云平臺集中管理的高功率計算。云計算增加了額外的網(wǎng)絡(luò)和處理延遲，這對于時間關(guān)鍵、感知和響應(yīng)物聯(lián)網(wǎng)實(shí)施來說是不可取的。

從本質(zhì)上講，當(dāng)前的挑戰(zhàn)對實(shí)現(xiàn)物聯(lián)網(wǎng)實(shí)施的全部潛力構(gòu)成了嚴(yán)重障礙，特別是在智能感知和響應(yīng)行動將產(chǎn)生重大價值的情況下，其中包括挽救生命和防止財產(chǎn)和資產(chǎn)的損失。

新興架構(gòu)

多位業(yè)內(nèi)專家提議為邊緣計算開發(fā)可靠且強(qiáng)大的參考架構(gòu)。雖然架構(gòu)開發(fā)的目標(biāo)是為邊緣帶來強(qiáng)大的計算能力，但一些架構(gòu)仍然無法充分地將邊緣計算從云中分離出來。

在這里提出了一種參考架構(gòu)，該架構(gòu)采用分層方法來分散邊緣計算并解決眾多已知挑戰(zhàn)。

該架構(gòu)具有三個不同的層：設(shè)備層、邊緣層和云計算層。邊緣計算層是解決邊緣計算需求的參考架構(gòu)的核心。以下是邊緣層的主要職責(zé)：

• 接收、處理和轉(zhuǎn)發(fā)來自設(shè)備層的數(shù)據(jù)流;
• 提供時效性服務(wù)，例如邊緣安全和隱私保護(hù);
• 邊緣​​數(shù)據(jù)分析;
• 智能計算;
• 物聯(lián)網(wǎng)流程優(yōu)化和實(shí)時控制。

邊緣層根據(jù)其數(shù)據(jù)處理能力分為三個子層：近邊緣層、中邊緣層和遠(yuǎn)邊緣層。

(1)近邊緣層。近邊緣層包含邊緣控制器，這些控制器從設(shè)備層收集數(shù)據(jù)，執(zhí)行初步數(shù)據(jù)閾值處理或過濾，并控制流向設(shè)備。由于設(shè)備層中的小工具異構(gòu)性，近邊緣層中的邊緣控制器必須支持廣泛的通信協(xié)議。邊緣控制器還與上層接口以接收操作指令或數(shù)據(jù)驅(qū)動的決策，并將它們轉(zhuǎn)換為可編程邏輯控制器或基于動作模塊的控制流指令，以傳輸?shù)皆O(shè)備。因此，近邊緣層在與設(shè)備層接口時必須表現(xiàn)出微秒級延遲。在行動呼吁對時間要求嚴(yán)格的情況下，這種低延遲變成強(qiáng)制性，例如自動駕駛車輛在行人突然進(jìn)入視野的情況下的預(yù)期瞬態(tài)響應(yīng)。

(2)中邊緣層。中邊緣層包含邊緣網(wǎng)關(guān)，主要負(fù)責(zé)通過有線和無線網(wǎng)絡(luò)與近邊緣和遠(yuǎn)邊緣層交換數(shù)據(jù)。與近邊緣層相比，該層具有更多的存儲和計算資源。通過組合來自多個設(shè)備的信息，可以在這一層進(jìn)行更復(fù)雜的數(shù)據(jù)處理。該層的預(yù)期延遲為毫秒到秒。由于該層具有存儲能力，數(shù)據(jù)處理產(chǎn)生的數(shù)據(jù)和智能可以在本地緩存，以支持未來的處理。中邊緣的邊緣網(wǎng)關(guān)還負(fù)責(zé)將控制流從上層傳遞到近邊緣層，并對中邊緣層和近邊緣層的設(shè)備進(jìn)行管理。

(3)遠(yuǎn)邊緣層。遠(yuǎn)邊緣層包含強(qiáng)大的邊緣服務(wù)器，負(fù)責(zé)執(zhí)行更復(fù)雜和關(guān)鍵的數(shù)據(jù)處理，并根據(jù)從中邊緣層收集的數(shù)據(jù)做出方向決策。從本質(zhì)上說，遠(yuǎn)邊緣層的邊緣服務(wù)器構(gòu)成了一個小型計算平臺，擁有更強(qiáng)大的存儲和計算資源。遠(yuǎn)邊緣層使用更復(fù)雜的機(jī)器學(xué)習(xí)算法處理大量數(shù)據(jù)。該層分析來自不同設(shè)備的更多數(shù)據(jù)以實(shí)現(xiàn)流程優(yōu)化或評估最佳措施以在更長的時間內(nèi)接管更廣的區(qū)域，通常具有更長的延遲。遠(yuǎn)邊緣層還充當(dāng)云計算層和邊緣層之間的橋梁。

真正的價值主張

從參考架構(gòu)和示例實(shí)現(xiàn)中可以明顯看出，邊緣計算使以下成為可能：

• 更接近互聯(lián)網(wǎng)上的設(shè)備或事物的智能推導(dǎo);
• 與不同數(shù)據(jù)和情報節(jié)點(diǎn)進(jìn)行雙向信息交換的管道;
• 最小化決策到行動的延遲。

智能和決策到行動的延遲對于預(yù)期價值主張至關(guān)重要。從聯(lián)網(wǎng)汽車的例子中可以清楚地看出，新興架構(gòu)使智能盡可能接近物聯(lián)網(wǎng)邊緣。同樣很明顯，智能推導(dǎo)越復(fù)雜，其計算距離物聯(lián)網(wǎng)設(shè)備就越遠(yuǎn)。然而在一些感知和響應(yīng)物聯(lián)網(wǎng)實(shí)施中，復(fù)雜的智能需要更接近設(shè)備層以降低延遲。

如果基于云計算的人工智能模型在車輛已經(jīng)發(fā)生碰撞后預(yù)測碰撞，則它沒有任何價值。在遠(yuǎn)離設(shè)備層并以更高延遲實(shí)現(xiàn)時間關(guān)鍵型智能是一種反模式，對通常無效的問題的常見響應(yīng)可以充分發(fā)揮邊緣計算的潛力。就好像邊緣計算中的邊緣被解釋為云計算的邊緣，而不是物聯(lián)網(wǎng)設(shè)備的邊緣。

以物聯(lián)網(wǎng)部署為例。真正的價值在于通過從邊緣生成的數(shù)據(jù)中發(fā)現(xiàn)情報和洞察力，快速制定可操作的決策。物聯(lián)網(wǎng)價值主張可以通過在邊緣計算的幫助下逐漸使智能更接近設(shè)備位置而呈指數(shù)級發(fā)展。智能延遲越低，價值主張就越多。實(shí)際上，該數(shù)字意味著邊緣計算必須通過計算資源變得更豐富、更強(qiáng)大，才能以更接近設(shè)備層的低延遲獲得復(fù)雜的智能。

可行的示例應(yīng)用

在農(nóng)業(yè)物聯(lián)網(wǎng)的應(yīng)用中，拖拉機(jī)、土壤傳感器、犁上的傳感器和供水系統(tǒng)都相互連接以收集數(shù)據(jù)和挖掘情報。此類遠(yuǎn)程位置可能沒有互聯(lián)網(wǎng)連接，無法將數(shù)據(jù)發(fā)送到云計算服務(wù)器進(jìn)行處理。即使有連接，接收情報以確定何時給農(nóng)場施肥和澆水的延遲也可能是不可接受的。與其相反，具有邊緣功能的本地計算會立即將數(shù)據(jù)轉(zhuǎn)化為行動。

邊緣計算在快速生成數(shù)據(jù)的物聯(lián)網(wǎng)用例中也大放異彩。例如，飛機(jī)在其每個部件上都安裝傳感器，例如發(fā)動機(jī)、起落架、機(jī)身、機(jī)翼和輪胎。根據(jù)福布斯發(fā)表的一篇文章，飛機(jī)每次飛行平均會生成60GB到100GB的數(shù)據(jù)，而且隨著技術(shù)的進(jìn)步，這一數(shù)據(jù)在未來10年可能會增長到5TB到 8TB。將此類數(shù)據(jù)實(shí)時上傳到云端實(shí)際上是不可行的。然而，數(shù)據(jù)收集可以在飛行過程中為飛行員和機(jī)上機(jī)組人員提供有價值的見解。與其相反，安裝在飛機(jī)內(nèi)的邊緣處理器可以處理數(shù)據(jù)并即時提取所需的情報。

結(jié)語

以下是支持邊緣計算重要性的論點(diǎn)的關(guān)鍵要點(diǎn)：

• 物聯(lián)網(wǎng)實(shí)施的關(guān)鍵驅(qū)動力旨在提供智能答案，主要目標(biāo)是讓生活更美好。
• 支持物聯(lián)網(wǎng)的創(chuàng)新解決方案的智能主要?dú)w功于數(shù)據(jù)驅(qū)動的洞察力。
• 新的架構(gòu)模式不斷涌現(xiàn)，強(qiáng)調(diào)對低延遲邊緣智能的需求。
• 研究和現(xiàn)場經(jīng)驗(yàn)表明，越靠近邊緣設(shè)備生成的低延遲數(shù)據(jù)越多，潛在價值主張就越大。