隨著萬(wàn)物聯(lián)網(wǎng)的趨勢(shì)不斷加深，智能手機(jī)、智能眼鏡等端設(shè)備的數(shù)量不斷增加，使數(shù)據(jù)的增長(zhǎng)速度遠(yuǎn)遠(yuǎn)超過了網(wǎng)絡(luò)帶寬的增速；同時(shí)，增強(qiáng)現(xiàn)實(shí)、無(wú)人駕駛等眾多新應(yīng)用的出現(xiàn)對(duì)延遲提出了更高的要求。
邊緣計(jì)算將網(wǎng)絡(luò)邊緣上的計(jì)算、網(wǎng)絡(luò)與存儲(chǔ)資源組成統(tǒng)一的平臺(tái)為用戶提供服務(wù)，使數(shù)據(jù)在源頭附近就能得到及時(shí)有效的處理。這種模式不同于云計(jì)算要將所有數(shù)據(jù)傳輸?shù)綌?shù)據(jù)中心，繞過了網(wǎng)絡(luò)帶寬與延遲的瓶頸，引起了廣泛的關(guān)注。
什么是邊緣計(jì)算
What is edge computing
近年來(lái)，大數(shù)據(jù)、云計(jì)算、智能技術(shù)的快速發(fā)展，給互聯(lián)網(wǎng)產(chǎn)業(yè)帶來(lái)了深刻的變革，也對(duì)計(jì)算模式提出了新的要求。大數(shù)據(jù)時(shí)代下每天產(chǎn)生的數(shù)據(jù)量急增，而物聯(lián)網(wǎng)等應(yīng)用背景下的數(shù)據(jù)在地理上分散，并且對(duì)響應(yīng)時(shí)間和安全性提出了更高的要求。云計(jì)算雖然為大數(shù)據(jù)處理提供了高效的計(jì)算平臺(tái)，但是目前網(wǎng)絡(luò)帶寬的增長(zhǎng)速度遠(yuǎn)遠(yuǎn)趕不上數(shù)據(jù)的增長(zhǎng)速度，網(wǎng)絡(luò)帶寬成本的下降速度要比CPU、內(nèi)存這些硬件資源成本的下降速度慢很多，同時(shí)復(fù)雜的網(wǎng)絡(luò)環(huán)境讓網(wǎng)絡(luò)延遲很難有突破性提升。因此傳統(tǒng)云計(jì)算模式需要解決帶寬和延遲這兩大瓶頸。在這種應(yīng)用背景下，邊緣計(jì)算應(yīng)運(yùn)而生，并在近兩年得到了研究者的廣泛關(guān)注。
圖源/網(wǎng)絡(luò)
邊緣計(jì)算中的邊緣指的是網(wǎng)絡(luò)邊緣上的計(jì)算和存儲(chǔ)資源，這里的網(wǎng)絡(luò)邊緣與數(shù)據(jù)中心相對(duì)，無(wú)論是從地理距離還是網(wǎng)絡(luò)距離上來(lái)看都更貼近用戶。邊緣計(jì)算則是利用這些資源在網(wǎng)絡(luò)邊緣為用戶提供服務(wù)的技術(shù)，使應(yīng)用可以在數(shù)據(jù)源附近處理數(shù)據(jù)。如果從仿生的角度來(lái)理解邊緣計(jì)算，我們可以做這樣的類比：云計(jì)算相當(dāng)于人的大腦，邊緣計(jì)算相當(dāng)于人的神經(jīng)末端。當(dāng)針刺到手時(shí)總是下意識(shí)的收手，然后大腦才會(huì)意識(shí)到針刺到了手，因?yàn)閷⑹质栈氐倪^程是由神經(jīng)末端直接處理的非條件反射。這種非條件反射加快人的反應(yīng)速度，避免受到更大的傷害，同時(shí)讓大腦專注于處理高級(jí)智慧。
邊緣計(jì)算的優(yōu)點(diǎn)
Advantages of edge computing
說到邊緣計(jì)算，我們不得不提到的就是云計(jì)算。云計(jì)算服務(wù)是一種集中式服務(wù)，所有數(shù)據(jù)都通過網(wǎng)絡(luò)傳輸?shù)皆朴?jì)算中心進(jìn)行處理。資源的高度集中與整合使得云計(jì)算具有很高的通用性，然而，面對(duì)物聯(lián)網(wǎng)設(shè)備和數(shù)據(jù)的爆發(fā)式增長(zhǎng)，基于云計(jì)算模型的聚合性服務(wù)逐漸顯露出了其在實(shí)時(shí)性、網(wǎng)絡(luò)制約、資源開銷和隱私保護(hù)上的不足。
圖源/網(wǎng)絡(luò)
相比于云計(jì)算，邊緣計(jì)算可以更好地支持移動(dòng)計(jì)算與物聯(lián)網(wǎng)應(yīng)用，具有以下明顯的優(yōu)點(diǎn)：
01、極大緩解網(wǎng)絡(luò)帶寬與數(shù)據(jù)中心壓力
隨著物聯(lián)網(wǎng)的發(fā)展，2020年全球的設(shè)備將會(huì)產(chǎn)生600ZB的數(shù)據(jù)，但其中只有10%是關(guān)鍵數(shù)據(jù)，其余90%都是臨時(shí)數(shù)據(jù)無(wú)需長(zhǎng)期存儲(chǔ)。邊緣計(jì)算可以充分利用這個(gè)特點(diǎn)，在網(wǎng)絡(luò)邊緣處理大量臨時(shí)數(shù)據(jù)，從而減輕網(wǎng)絡(luò)帶寬與數(shù)據(jù)中心的壓力。
02、增強(qiáng)響應(yīng)的實(shí)時(shí)性
傳統(tǒng)云計(jì)算模型下，應(yīng)用將數(shù)據(jù)傳送到云計(jì)算中心，再請(qǐng)求數(shù)據(jù)處理結(jié)果，增大了系統(tǒng)延遲。以無(wú)人駕駛汽車應(yīng)用為例，高速行駛的汽車需要毫秒級(jí)的反應(yīng)時(shí)間，一旦由于網(wǎng)絡(luò)問題而加大系統(tǒng)延遲，將會(huì)造成嚴(yán)重后果。而邊緣計(jì)算在靠近數(shù)據(jù)生產(chǎn)者處做數(shù)據(jù)處理，不需要通過網(wǎng)絡(luò)請(qǐng)求云計(jì)算中心的響應(yīng)，大大減少了系統(tǒng)延遲，千兆無(wú)線技術(shù)的普及為網(wǎng)絡(luò)傳輸速度提供了保證，這些都使邊緣服務(wù)比云服務(wù)有更強(qiáng)的響應(yīng)能力。
03、保護(hù)隱私數(shù)據(jù)，提升數(shù)據(jù)安全性
物聯(lián)網(wǎng)應(yīng)用中數(shù)據(jù)的安全性一直是關(guān)鍵問題，調(diào)查顯示約有78%的用戶擔(dān)心他們的物聯(lián)網(wǎng)數(shù)據(jù)在未授權(quán)的情況下被第三方使用。云計(jì)算模式下所有的數(shù)據(jù)與應(yīng)用都在數(shù)據(jù)中心，用戶很難對(duì)數(shù)據(jù)的訪問與使用進(jìn)行細(xì)粒度的控制。隨著智能家居的普及，許多家庭在屋內(nèi)安裝網(wǎng)絡(luò)攝像頭，如果直接將視頻數(shù)據(jù)上傳至云數(shù)據(jù)中心，視頻數(shù)據(jù)的傳輸不僅會(huì)占用帶寬資源，還增加了泄露用戶隱私數(shù)據(jù)的風(fēng)險(xiǎn)。為此，針對(duì)現(xiàn)有云計(jì)算模型的數(shù)據(jù)安全問題，邊緣計(jì)算模型為這類敏感數(shù)據(jù)提供了較好的隱私保護(hù)機(jī)制，一方面，用戶的源數(shù)據(jù)在上傳至云數(shù)據(jù)中心之前，首先利用近數(shù)據(jù)端的邊緣結(jié)點(diǎn)直接對(duì)數(shù)據(jù)源進(jìn)行處理，以實(shí)現(xiàn)對(duì)一些敏感數(shù)據(jù)的保護(hù)與隔離；另一方面，邊緣節(jié)點(diǎn)與云數(shù)據(jù)之間建立功能接口，即邊緣節(jié)點(diǎn)僅接收來(lái)自云計(jì)算中心的請(qǐng)求，并將處理的結(jié)果反饋給云計(jì)算中心。這種方法可以顯著地降低隱私泄露的風(fēng)險(xiǎn)。
圖源/網(wǎng)絡(luò)
然而，邊緣計(jì)算并不能替代云計(jì)算，而是對(duì)云計(jì)算的補(bǔ)充，很多需要全局?jǐn)?shù)據(jù)支持的服務(wù)依然離不開云計(jì)算。例如電子商務(wù)應(yīng)用，用戶對(duì)自己購(gòu)物車的操作都可以在邊緣節(jié)點(diǎn)上進(jìn)行，以達(dá)到最快的響應(yīng)時(shí)間，而商品推薦等服務(wù)則更適合在云中進(jìn)行，因?yàn)樗枰謹(jǐn)?shù)據(jù)的支持。
