边沿盘算（Edge Computing）

---

背景

移动设备的普及，盘算麋集型、时延敏感型等新兴移动应用不断涌现并敏捷受到用户的青睐，如增强现实、图像识别、网络游戏、车联网等。这类新兴的应用通常需要斲丧大量的盘算资源，满足低时延需求。然而，资源有限的移动设备很难满足上述移动应用的需求。
如果把物联网产生的数据传输给云盘算中心，将会加大网络负载，网路可能造成拥堵，并且会有一定的数据处理惩罚延时。随着物联网和云服务的推动，边沿盘算应之产生。在网络的边沿产生、处理惩罚、分析数据。本文将先容一下边沿盘算。

---

一、什么是边沿盘算？

边沿盘算（Edge computing）是一种在物理上靠近数据源头的网络边沿检测，融合网络、盘算、存储、应用核心能力的开放平台，就近提供边沿智能服务的盘算模式。简朴点讲，边沿盘算是将从终端采集到的数据，直接在靠近数据产生的本地设备或网络中进行分析，无需再将数据传输至云端数据处理惩罚中心。
边沿盘算发生的位置称为边沿结点，它可以数据产生的源头和云中心之间任一具有盘算资源和网络资源的结点。比如，手机就是人与云中心之间的边沿结点。在理想情况中，边沿盘算指的就是在数据产生源附近分析、处理惩罚数据，没有数据的流转，进而淘汰网络流量和响应时间。

   这里是一个简朴的例子，就好像章鱼是用“腿来思考问题并就地解决问题，大脑中有40%神经元相称云盘算中心，触手有60%神经元相称于边沿结点。
  二、为什么需要边沿盘算

在网络边沿产生的数据正在渐渐增加，如果我们能够在网络的边沿结点去处理惩罚、分析数据，那么这种盘算模子会更高效。许多新的盘算模子正在不断的提出，由于我们发现随着物联网的发展，云盘算并不总是那么高效的。
1.云服务的推动：

云中心具有强大的处理惩罚性能，能够处理惩罚海量的数据。但是，将海量的数据传送到云中心成了一个难题。云盘算模子的体系性能瓶颈在于网络带宽的有限性，传送海量数据需要一定的时间，云中心处理惩罚数据也需要一定的时间，这就会加大哀求响应时间，用户体验极差。
2.物联网的推动

物联网技能的快速发展，使得越来越多具备独建功能的平凡物体实现互联互通，实现万物互联。得益于物联网的特征，各行各业均在利用物联网技能快速实现数字化转型，越来越多的行业终端设备通过网络联接起来。
然而，物联网作为巨大而复杂的体系，不同行业应用场景各异，据第三方分析机构统计，到2025年将有凌驾千亿的终端设备联网，终端数据量将达300ZB，如此大规模的数据量，按照传统数据处理惩罚方式，获取的所有数据均需上送云盘算平台分析，云盘算平台将面对着网络时延高、海量设备接入、海量数据处理惩罚难、带宽不够和功耗过高等高难度挑战。
为了解决传统数据处理惩罚方式下时延高、数据实时分析能力匮乏等弊端，边沿盘算技能应运而生。边沿盘算技能是在靠近物或数据源头的网络边沿侧，通过融合网络、盘算、存储、应用核心能力的分布式开放平台，就近提供边沿智能服务。简朴点讲，边沿盘算是将从终端采集到的数据，直接在靠近数据产生的本地设备或网络中激进型分析，无需再将数据传输至云端数据处理惩罚中心。
例如：自动驾驶汽车所需的实时操作和安全问题，正将盘算核心从云端推向网络边沿。自动驾驶车辆不断感测和发送有关路况、位置和周围车辆的数据。自动驾驶汽车每秒产生大约 1 GB 的数据，由于需要处理惩罚带宽和延迟，哪怕是将一小部分字节(TB)数据发送到集中式服务器进行分析也是不切实际的。快速处理惩罚数据是一种至关告急的能力，而边沿盘算是实现自动驾驶的关键。为了使车辆安全可靠地运行，处理惩罚速度的任何滞后都可能是致命的。
想象一下自动驾驶汽车在检测道路上的物体，或操作刹车或方向盘时由于云端而延迟。任何数据处理惩罚的减慢都会导致车辆的响应速度变慢。如果响应变慢的车辆不能及时做出反应，就可能导致事故的发生。生命此时会切实受到威胁。
因此，就必须提供富足的盘算能力和合理的能耗，即便在高速行驶的情况也可以确保自动驾驶车辆安全。为自动驾驶车辆计划边沿盘算生态体系的首要挑战是提供实时处理惩罚、富足的盘算能力、可靠性、可扩展性、成本和安全性，以确保自动驾驶车辆用户体验的安全性和质量。
三、边沿盘算 VS 云盘算

各人都熟悉云盘算，它有着许多的特点：有着巨大的盘算能力，海量存储能力，通过不同的软件工具，可以构建多种应用，我们在使用的许多APP ，本质上都是依赖各种各样的云盘算技能，比如视频直播平台，电子商务平台。边沿盘算脱胎于云盘算，靠近设备侧，具备快速反应能力，但不能应付大量盘算及存储的场合。
边沿盘算的概念是相对于云盘算而言的，云盘算的处理惩罚方式是将所有数据上传至盘算资源集中的云端数据中心或服务器处理惩罚，任何需要访问该信息的哀求都必须上送云端处理惩罚。因此，云盘算面对物联网数据量发作的期间，弊端逐渐凸显：

• 云盘算无法满足发作式的海量数据处理惩罚诉求。随着互联网与各个行业的融合，特殊是在物联网技能普及后，盘算需求出现发作式增长，传统云盘算架构将不能满足如此巨大的盘算需求。
  
• 云盘算不能满足数据实时处理惩罚的诉求。传统云盘算模式下，物联网数据被终端采集后要先传输至云盘算中心，再通过集群盘算后返回结果，这必然出现较长的响应时间，但一些新兴的应用场景如无人驾驶、聪明矿山等，对响应时间有极高要求，依赖云盘算并不现实。
  

边沿盘算的出现，可在一定程度上解决云盘算遇到的这些问题。如下图所示，物联终端设备产生的数据不需要再传输至遥远的云数据中心处理惩罚，而是就近即在网络边沿侧完成数据分析和处理惩罚，相较于云盘算更加高效和安全。

   边沿盘算对于云盘算，边沿盘算反应速度快，无需云盘算支持，但低智能程度较低，不能够适应复杂信息的处理惩罚。
  边沿盘算和云盘算的区别

项目边沿盘算云盘算盘算方式分布式盘算，聚焦实时、短周期数据的分析集中式盘算，依赖云端数据中心处理惩罚位置靠近产生数据的终端设备或物联网关云端数据中心延时性低延时高延时数据存储只向远端传输有效的处理惩罚信息，无冗余信息采集到的所有信息部署成本低高隐私安全隐私性和安全性较高隐私性和安全性相对低，需要高度关注   由此得出边沿盘算：
  

• 缓解海量数据对网络带宽造成巨大压力
  
• 满足联网设备对于低延时，协同工作需求
  
• 保障联网设备上的个人隐私的安全
  
• 网络流量斲丧较少
  

  说了这么多，总结一下这个边沿盘算的长处：

• 低延迟：盘算能力部署在设备侧附近，设备哀求实时响应；例如：在人脸识别领域，响应时间由900ms淘汰为169ms；语音识别功能如果经过云处理惩罚，我们在终端上得到输出的时延是可以感知到的，速度较慢，由于要经过网络信号的长隔断传输。而如果进行本地化处理惩罚，不经过网络传输，时延将大大降低，用户的体验会更佳。
  
• 低带宽运行：将工作迁移至更靠近于用户或是数据采集终端的能力能够降低站点带宽限定所带来的影响。尤其是当边沿节点服务淘汰了向中枢发送大量数据处理惩罚的哀求时。
  
• 能源斲丧淘汰：对于给定的任务，需要判定放在本地运算节流资源还是传输给其他节点盘算节流资源。如果本地空闲，那么当然在本地盘算是最省资源的，如果本地正在繁忙状态，那么把盘算任务分给其他节点会更合适一些。衡量好盘算斲丧的能源和网络传输斲丧的能源是一件非常告急的事情。一般当网络传输斲丧的资源远小于在本地盘算斲丧的能源时，我们会考虑使用边沿盘算把盘算任务卸载到其他空闲的节点上，帮助实现负载均衡，保证每一个结点的高性能。
  
• 隐私保护：数据本地采集，本地分析，本地处理惩罚，有效淘汰了数据暴露在公共网络的机会，保护了数据隐私。例如：我们对手机上的隐私和安全功能较为熟悉，通过指纹识别和面部识别，就可以解开手机锁，这也用到了边沿盘算。如果将这些数据上传到云上，我们有可能面对数据的透明化，因此边沿盘算更有利于用户保护自己的隐私和安全。
  

四、边沿盘算是如何工作的

边沿盘算架构如下图所示，尽可能靠近终端节点处处理惩罚数据，使数据、应用程序和盘算能力阔别集中式云盘算中心。

• 终端节点：由各种物联网设备（如传感器、RFID标签、摄像头、智能手机等）组成，重要完成收集原始数据并上报的功能。在终端层中，只需提供各种物联网设备的感知能力，而不需要盘算能力。
  
• 边沿盘算节点：边沿盘算节点通过合理部署和调配网络边沿侧节点的盘算和存储能力，实现底子服务响应。
  
• 网络节点：负责将边沿盘算节点处理惩罚后的有效数据上传至云盘算节点进行分析处理惩罚。
  
• 云盘算节点：边沿盘算层的上报数据将在云盘算节点进行永久性存储，同时边沿盘算节点无法处理惩罚的分析任务和综合全局信息的处理惩罚任务仍然需要在云盘算节点完成。除此之外，云盘算节点还可以根据网络资源分布动态调解边沿盘算层的部署计谋和算法。
  

五、边沿盘算的典型应用

智能手机

这是我们最熟悉的边沿AI设备。Siri和谷歌助手是智能手机上边沿AI的好例子，由于该技能驱动了它们的语音UI。手机上的AI使得数据处理惩罚发生在设备（边沿）侧，这意味着不需要将设备数据交付到云端。这有助于保护隐私和淘汰流量。
云卸载

在传统的内容分发网络中，数据都会缓存到边沿结点，随着物联网的发展，数据的生产和斲丧都是在边沿结点，也就是说边沿结点也需要负担一定的盘算任务。把云中心的盘算任务卸载到边沿结点这个过程叫做云卸载。
举个例子，移动互联网的发展，让我们得以在移动端流畅的购物，我们的购物车以及相关操作（商品的增编削查）都是依赖将数据上传到云中心才能得以实现的。如果将购物车的相关数据和操作都下放到边沿结点进行，那么将会极大提高响应速度，增强用户体验。通过淘汰延迟来提高人与体系的交互质量。
视频分析

随着移动设备的增加，以及城市中摄像头布控的增加，利用视频来告竣某种目的成为一种合适的本领，但是云盘算这种模子已经不恰当用于这种视频处理惩罚，由于大量数据在网络中的传输可能会导致网络拥塞，并且视频数据的私密性难以得到保证。
因此，提出边沿盘算，让云中心下放相关哀求，各个边沿结点对哀求结合本地视频数据进行处理惩罚，然后只返回相关结果给云中心，这样既降低了网络流量， 也在一定程度上保证了用户的隐私。
举例而言，有个小孩儿在城市中丢失，那么云中心可以下放找小孩儿这个哀求到各个边沿结点，边沿结点结合本地的数据进行处理惩罚，然后返回是否找到小孩儿这个结果。相比把所有视频上传到云中心，并让云中心去解决，这种方式能够更快的解决问题。
小结

这篇文章当中，我们先容什么是边沿盘算、为什么需要边沿盘算、边沿盘算VS云盘算、边沿盘算的典型应用，在边沿结点处理惩罚数据能够提高响应速度，淘汰带宽，保证用户数据的私密性。这就是边沿盘算。
参考资源

• https://info.support.huawei.com/infofinder/encyclopedia/zh/%E8%BE%B9%E7%BC%98%E8%AE%A1%E7%AE%97
  
• 【通俗易懂的通信】什么是边沿盘算？（Edge Computing）
  
• 什么是边沿盘算？
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。