邊緣計算（Edge computing）是相對云計算而言的，它是指收集并分析數據的行為發生在靠近數據生成的本地設備和網絡中。邊緣計算又被叫做分布式云計算、霧計算或第四代數據中心。

大概很多人都有這樣的經歷：不小心，手被火燒或被開水燙了，人會立即移開自己的手，這個反應是人的自組織條件反射反應。我們假設一下，如果我們的手被火燒或被開水燙由我們大腦根據匯集的信息做反應決定，再采取行動的話，那會是一個什么樣的場景？

假設我們把人的條件反射標記為邊緣計算，把人的大腦的反應標記為云計算的話，那么我們就可以淺顯而又深刻地了解邊緣計算和云計算的區別。

一什么是邊緣計算

邊緣計算（Edge computing）是相對云計算而言的，它是指收集并分析數據的行為發生在靠近數據生成的本地設備和網絡中，而不是必須將數據傳輸到計算資源集中化的云端進行處理。邊緣計算又被叫做分布式云計算、霧計算或第四代數據中心。

邊緣計算首先通過在WAN網絡上虛擬化網絡服務而出現。最初是由一個平臺來驅動的，適應了云計算用戶的習慣，這也便是思科(Cisco)于2011年曾提出的霧計算概念的由來。隨著新的邊緣計算能力的出現，邊緣計算不再需要構建集中的數據中心，創建了具有潛在數千個可應用的大規模分布式節點的能力。

二為什么需要邊緣計算

Gartner預計到2020年全世界有多達250億的智能設備會連接互聯網，如此多的設備會產生50萬億GB的數據，這相當2015年全球數據量的5倍多。如果將這些設備產生的數據全部傳輸到云端，對網絡帶寬、網絡流量成本控制、云端存儲能力都是一個巨大的挑戰。同時，一些應用需要及時響應，如工廠的機械設備的故障預測，時延即意味著損失。另外一些邊緣設備還涉及個人隱私和安全。為了應對物聯網場景中海量數據傳輸、存儲和云計算能力的挑戰，領先的云計算廠商紛紛推出邊緣計算的產品。將部分數據分析功能，放到了應用場景的附近(終端或網關)來實現，這種就近提供的智能服務可以滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。

邊緣計算的由來

邊緣計算是近幾年才興起的一個概念，它的出現是源于云計算在實際運用中的不足：

事例1:制造業打造智能工廠時，會有大量的智能化終端和設備通過工業網絡接入，企業需要計算和處理的日常業務數據越來越龐大。同時，工業上有大量需要實時處理的場景，需要在毫秒級別進行實時響應。由于網絡的限制，云計算架構難以實現實時響應。（延時即事故）

事例2:無人汽車需要在高速移動狀態對周圍環境做出反應，所以響應時間是個極其重要的指標。假設汽車行駛速度為65英里每小時，緊急制動響應時間即便只慢了幾毫秒，汽車緊急制動距離就會多出幾英尺，這或許就是發生事故和沒有發生事故的區別。（延時即生命）

事例3:通過大量傳感器，對油田生產數據實現自動化采集，但如果每個傳感器都向云端發送聯接，海量的數據給網絡帶來巨大壓力。（海量即擁堵）

事例4:假如你家的空調是智能化控制的，而且依托于云計算。但你家沒有停電，卻斷網了，那怎么辦？無法進行云端控制，盡管你汗如雨下，空調也是擺設，這豈不是是十分尷尬？邊緣計算解決了這沒有網絡情況下的控制。（無網無服務）

1、云計算和邊緣計算的區別

2、邊緣計算的幾個特質

?分布式和低延時計算

邊緣計算聚焦實時、短周期數據的分析，能夠更好地支撐本地業務的實時智能化處理與執行

?效率更高

由于邊緣計算距離用戶更近，在邊緣節點處實現了對數據的過濾和分析，因此效率更高

?更加智能化

AI+邊緣計算的組合出擊讓邊緣計算不止于計算，更多了一份智能化

?更加節能

云計算和邊緣計算結合，成本只有單獨使用云計算的39%

?緩解流量壓力

在進行云端傳輸時通過邊緣節點進行一部分簡單數據處理，進而能夠設備響應時間，減少從設備到云端的數據流量

三技術進步為布署邊緣計算提供了可能

在物聯網場景下，每個智能設備都會產生大量的數據，傳輸如此海量的數據從本地到云端，則需要消耗大量的網絡帶寬。為了加快服務和計算處理數據的時間，將計算從云端移向采集數據的邊緣節點則是必然之選。

如上表所示，在30年前，計算通常發生在資源集中的大型機上。而20年前，隨著PC的發展，C/S架構變得流行，任務處理變成分布式模型，客戶端處理業務邏輯，數據庫存儲和交換數據。又經過10年的發展，為了提升用戶體驗、提供更敏捷的軟件升級和改進，B/S架構占據主流，業務處理和存儲又集中到了云端完成。現今，隨著連入云端的智能設備越來越多、數據量越來越大，而且智能設備芯片的運算能力越來越強，這為使用邊緣節點完成對初始數據的處理和分析便提供了必要的條件。

四怎么布署邊緣計算

在物聯網場景下，每個智能設備都會產生大量的數據，傳輸如此海量的數據從本地到云端，則需要消耗大量的網絡帶寬。為了加快服務和計算處理數據的時間，將計算從云端移向采集數據的邊緣節點則是必然之選。其實，在大數據場景下，將計算部署到靠近數據的節點早有先例。Hadoop中的MapReduce就是通過將mapper和reducer部署到數據存儲的節點，從而高效的處理HDFS中存放的海量數據。

邊緣計算環境是構成物聯網生態系統的諸多元素的一個子集，它剔除了管理、安全和分析功能。邊緣計算是聯接物理世界和虛擬世界的一道“橋梁”。

1、設備域：邊緣計算在這一層，可以對感知的信息直接進行計算處理。比如在制造領域，可以對設備進行適時監控，能夠實現預防性維護；在視頻采集、音頻采集中直接部署智能鑒別的能力;又或者像手機一樣，能夠由語音輸入直接轉換成文字輸出。

2、網絡域：通過部署計算能力，實現各網絡協議的自動轉換，對數據格式進行標準化處理。要解決物理網中數據異構的問題，就需要在網絡域中部署邊緣計算，以實現數據格式的標準化和數據傳遞的標準化(例如將所有的感知數據都換算成MQTT類型數據，并通過HTTP方式傳遞)。同時，網絡域的邊緣計算，還能對“融合網絡”進行智能化管理，實現網絡的冗余，保證網絡的安全，并可進一步參與網絡的優化工作。

3、數據域：邊緣計算，使得數據管理更智能、存儲方式更靈活。首先，邊緣計算可以對數據的完整性和一致性進行分析，并進行數據清洗工作，消滅系統中的“臟”數據。其次，邊緣計算可以對計算和存儲能力、以及系統負載進行動態地部署。最后，邊緣計算還能和云端計算保持高效協同、合理分擔運算任務。

4、應用域：邊緣計算提供屬地化的業務邏輯和應用智能。它使得應用具有靈便、快速反應的能力，并在離線的情況下(和云端失去聯系時)，仍能夠獨立地提供本地化的應用服務。

五邊緣計算的典型應用場景

邊緣網絡基本上由終端設備（例如移動手機、智能物品等等）、邊緣設備（例如邊界路由器、機頂盒、網橋、基站、無線接入點等等）、邊緣服務器等構成。這些組件可以具有必要的性能，支持邊緣計算。作為一種本地化的計算模式，邊緣計算提供了對于計算服務需求更快的響應速度，通常情況下不將大量的原始數據發送云網絡。然而，總體來說，邊緣計算不需要會主動協助 IaaS,、PaaS、 SaaS和其他云服務，更多地專注于終端設備端。

邊緣計算的概念是因工業制造之因而起。在工業領域，云端固然必不可少，但是仍需要邊緣與云端的協同工作。單點故障在工業級應用場景中是絕對不能被接受的，因此除了中心云的統一控制外，工業現場的系統也必須具備一定的活力，能夠自主判斷并解決問題。邊緣計算可以更便捷的處理工廠設備產生的海量數據，及時檢測異常情況，更好的實現預測性監控，提升工廠運行效率的同時也能預防設備故障問題。

除工業制造之外，邊緣計算在物聯網時代不斷增長的數據催生了對邊緣計算的需求，下圖是邊緣計算的典型應用場景：

1、工業制造

邊緣計算可以更便捷的處理工廠設備產生的海量數據，及時檢測異常情況，更好的實現預測性監控，提升工廠運行效率的同時也能預防設備故障問題。

2、安全監控、ARVR

邊緣計算提供快速、高效、精準的實時響應，將驅動安防行業人工智能應用邁入全新層次。

3、智能交通

智能交通信號燈可以根據路上車流的情況動態的調整信號燈的顏色，提高交通流暢度，減少擁堵，還可以應用于緊急情況，例如：信號燈可以為緊急情況開辟出一條綠色通道。

4、自動駕駛

自動駕駛在躲避障礙物的過程，若按照先上傳云端、分析處理、再返回設備的模式，將造成信號傳輸的延遲，緊急情況下極易發生交通事故。

5、智慧家居

家中有非常多的智能家居的設備，智能家居不同產品之間互動場景的定義，需要邊緣計算。另外，對于智慧家居來說，接入網絡的安全性和私密性也為人們所看重，邊緣云可以在物聯網網關和數據中心之間建立加密通道，進一步提高系統的安全性和隱私性。

6、智慧城市

邊緣計算就好比城市神經末梢，將人工智能與分布在城市中的傳感器結合，可以高效處理城市運營問題，如在道路兩側路燈桿上安裝傳感器，收集城市路面信息，檢測空氣質量、光照強度、噪音水平等環境數據。

7、智慧路燈

嵌入到路燈內部的傳感器、執行器、計算和存儲單元可以組合起來構成邊緣計算的節點，傳感器采集的數據發送到位于網絡邊緣的計算和存儲節點，經過計算將結果返回給執行器，執行器對路燈進行控制，而不是將數據發送到位于網絡邊緣的云計算中心。這樣既可以提高系統的實時性，又可以減輕云端的壓力。

8、風力發電

在風力發電機機組上布置邊緣節點，實時收集數據信息。數據信息上傳至工業網關，如風速、啟動等做優化，將模型轉化為算法或者規則，即時控制機組。

9、醫療保健

醫療設備上存儲的數據可用于更新患者的數字醫療記錄。邊緣計算將連接起來這些醫療設備，在緊急情況下為醫院和醫生提供可靠和最新的患者信息。

10、無人機

邊緣計算使無人機能夠檢查數據并實時響應數據，廣泛應用于各種領域，如當無人機識別到車禍時，無人機可以向附近的行人提供有價值的信息。

六結語

據IDC預測，未來超過50%的數據需要在網絡邊緣側分析、處理和儲存。邊緣計算將延伸至交通運輸系統、智能駕駛、實時觸覺控制、增強現實等諸多領域，成為運營商數字化轉型的關鍵使能技術。