漫談邊緣計算

背景

什么是邊緣計算？

邊緣計算的好處

邊緣計算的業(yè)務場景

邊緣計算的幾點思考

小結

背景

什么是邊緣計算？

邊緣計算的好處

邊緣計算的業(yè)務場景

邊緣計算的幾點思考

小結

背景

隨著互聯(lián)網(wǎng)的發(fā)展，我們進入了大數(shù)據(jù)時代，這個時代也是移動互聯(lián)網(wǎng)的時代，而且這個時代，大量的線下服務走到線上，隨之而來的，比如外賣、叫車……于是，有各種各樣的 App 和設備在收集你的行為和數(shù)據(jù)。更加海量的數(shù)據(jù)源源不斷的產(chǎn)生，并上傳到云平臺。

這就給云提出了很大的挑戰(zhàn)。一方面是極大地消耗有限的網(wǎng)絡帶寬資源；另一方面對于大數(shù)據(jù)處理的實時需求越來越成為剛需了，因為，如果不能實時處理、實時響應，那么怎么能跟得上這個快速的時代呢。這就好像一個人臉識別的功能。如果蘋果手機的人臉識別需要到服務器上算，然后把結果返回，那么用戶的體驗就很糟糕了。這就是為什么蘋果在手機里直接植入了神經(jīng)網(wǎng)絡的芯片，而我們知道網(wǎng)絡的不確定因素很多，有可能導致不可控的延時。

而且數(shù)據(jù)通常與物理實體關系密切。比如家庭監(jiān)控攝像頭中，家庭成員的肖像等視頻信息是非常敏感的；而在工業(yè)場景中，很多數(shù)據(jù)是機密的。如果這些信息全部上傳到云，會給用戶帶來很大的安全風險。

所以，現(xiàn)在行業(yè)內已經(jīng)開始嘗試將云的部分計算服務，下沉到靠近數(shù)據(jù)發(fā)生地的“邊緣節(jié)點”上進行，這就是邊緣計算的由來。

什么是邊緣計算？

維基百科的定義：

邊緣運算（英語：Edge computing），又譯為邊緣計算，是一種分布式運算的架構，將應用程序、數(shù)據(jù)資料與服務的運算，由網(wǎng)絡中心節(jié)點，移往網(wǎng)絡邏輯上的邊緣節(jié)點來處理[1]。邊緣運算將原本完全由中心節(jié)點處理大型服務加以分解，切割成更小與更容易管理的部分，分散到邊緣節(jié)點去處理。邊緣節(jié)點更接近于用戶終端設備，可以加快資料的處理與發(fā)送速度，減少延遲。在這種架構下，資料的分析與知識的產(chǎn)生，更接近于數(shù)據(jù)資料的來源，因此更適合處理大數(shù)據(jù)。

通俗地說：邊緣計算本質上是一種服務，就類似于云計算、大數(shù)據(jù)服務，但這種服務非常靠近用戶；為什么要這么近？目的是為了讓用戶感覺到刷什么內容都特別快。

邊緣計算的好處

怎么理解這種技術架構上的進化呢？你可以想一想，人體是如何處理各種感知信息的，是不是所有的信息都需要大腦來處理呢？

大家都熟悉云計算，它有著許多的特點：有著龐大的計算能力，海量存儲能力，通過不同的軟件工具，可以構建多種應用，我們在使用的許多 APP ，本質上都是依賴各種各樣的云計算技術，比如視頻直播，電子商務。邊緣計算脫胎于云計算，靠近設備側，具備快速反應能力，但不能應付大量計算及存儲的場景。這兩者之間的關系，可以用我們身體的神經(jīng)系統(tǒng)來解釋。

云計算能夠處理大量信息，并可以存儲短長期的數(shù)據(jù)，這一點非常類似于我們的大腦。大腦是中樞神經(jīng)中最大和最復雜的結構，也是最高部位，是調節(jié)機體功能的器官，也是意識、精神、語言、學習、記憶和智能等高級神經(jīng)活動的物質基礎。人類大腦的灰質層，富含著數(shù)以億計的神經(jīng)細胞，構成了智能的基礎。而具有灰質層的并不只有大腦，人類的脊髓也含有灰質層，并具有簡單中樞神經(jīng)系統(tǒng)，能夠負責來自四肢和軀干的反射動作，及傳送腦與外周之間的神經(jīng)信息。我們在初中的生物中都學習到了膝跳反應，這就是脊髓反應能力的證據(jù)。

邊緣計算對于云計算，就好比脊髓對于大腦，邊緣計算反應速度快，無需云計算支持，但低智能程度較低，不能夠適應復雜信息的處理。而云計算負責需要大規(guī)模數(shù)據(jù)和復雜計算的數(shù)據(jù)分析工作，以及完成整體的協(xié)調和控制。

具體來說，將原有的云計算模型的部分計算任務遷移到網(wǎng)絡邊緣設備來；網(wǎng)絡邊緣設備（比如路由器、移動網(wǎng)絡基站等），在數(shù)據(jù)源附近執(zhí)行數(shù)據(jù)處理和數(shù)據(jù)分析任務。這樣一來，就降低了云計算中心的計算負載，減輕海量數(shù)據(jù)了對于網(wǎng)絡帶寬的壓力，提高了數(shù)據(jù)處理的效率。

這里將邊緣計算模型的好處，總結為四個方面：

延遲低。數(shù)據(jù)只需要從產(chǎn)生設備傳輸?shù)竭吘壴O備，傳輸距離短，數(shù)據(jù)不需要通過其他網(wǎng)絡，網(wǎng)絡延遲低。

節(jié)約了主干網(wǎng)帶寬。緩解大量數(shù)據(jù)傳輸所造成的網(wǎng)絡擁堵想象。尤其像一些銀行的專有網(wǎng)絡，本身帶寬非常有限，只能用于傳輸關鍵性的數(shù)據(jù)。

計算可用性好。數(shù)據(jù)在網(wǎng)絡中的路徑長度顯著變短，因網(wǎng)絡波動引起的計算服務不可用情況將有所減少。

隱私性更好。由于邊緣設備距離用戶近，用戶的隱私數(shù)據(jù)不再需要上傳到云，因此，在邊緣計算場景下，用戶的隱私也可以得到更好的保護。

中心云的成本更低。

我們再來看看云的成本，當一個公司需要支持幾十萬用戶的時候，并沒有什么感覺。當他們要支撐上千萬乃至上億用戶的時候，我們就會發(fā)現(xiàn)，一個幾十萬用戶的系統(tǒng)架構和一個支撐上千萬用戶的架構，在成本上來說，完全不是一個數(shù)量級的。

在這個圖中，我們可以看到，當需要處理的數(shù)據(jù)或是用戶請求的規(guī)模越來越大時，我們的成本是呈現(xiàn)快速上升的曲線，而不是一個線性上升的成本關系。我們可以來算一下，根據(jù)行業(yè)內的經(jīng)驗，可以估計如下的投入：

幾十萬用戶的公司，只需要處理百級 TPS 的量，只需要 10 臺左右的服務器；

上百萬用戶的公司，只需要處理千級 TPS 的量，需要有 50 臺左右的服務器；

上千萬用戶的公司，需要處理萬級到十萬級 TPS 的量，需要 700 臺左右的服務器；

上億用戶的公司，其需要處理百萬級 TPS 的量，需要上萬臺的服務器。

可以看到，十萬用戶到上億用戶，也就多了 100 倍，為什么服務器需要 1000 倍？這完全不是呈線性的關系。

這時因為，當架構變復雜了后，你就要做很多非功能的東西了，比如，緩存、隊列、服務發(fā)現(xiàn)、網(wǎng)關、自動化運維、監(jiān)控等。

那么，我們不妨開個腦洞。如果我們能夠把那上億的用戶拆成 100 個百萬級的用戶，那么只需要 5000 多臺機器（100 個 50 臺服務器的數(shù)據(jù)中心）。

我們還是同樣服務了這么多的用戶，但我們的成本下降得很快。只不過，我們需要運維 100 個小數(shù)據(jù)中心。不過，相信我，運維 100 個 50 臺服務器的小數(shù)據(jù)中心的難度應該遠遠低于運維一個 10000 臺服務器的數(shù)據(jù)中心。

好了，問題來了，什么樣的業(yè)務可以這么做？我覺得有地域性的業(yè)務是可以這么做的，比如：外賣、叫車、共享單車之類的。

然而，100 個 50 臺服務器的小數(shù)據(jù)中心也會帶來一些復雜的問題，因為當你的公司有 100 萬用戶的時候的業(yè)務形態(tài)和有 1 億用戶的業(yè)務形態(tài)是完全不一樣的，1 億用戶的業(yè)務形態(tài)可能會復雜得多得多。也就是說，我們不可能在一個小數(shù)據(jù)中心只有 50 臺服務器，因為那是百萬用戶的業(yè)務形態(tài)，只有幾十個服務。當公司成長到上億用戶的規(guī)模時，可能會有上百個服務，50 臺服務器是不夠部署的。

所以，上面那種多個數(shù)據(jù)中心的理想只存在于理論上，而實際上不會發(fā)生。但是，我們依然可以沿著這條路思考下去。我們不難發(fā)現(xiàn)，我們完全可以用邊緣節(jié)點處理高峰流量，這樣，我們的數(shù)據(jù)中心就不需要花那么大的成本來建設了。于是，還是到了邊緣計算。

邊緣計算的業(yè)務場景

通過上面的案例分析，我覺得邊緣計算一定會成為一個必然產(chǎn)物，其會作為以數(shù)據(jù)中心為主的云計算的一個非常好的補充。這個補充在我看來，其主要是做下面一些事情。

處理一些實時響應的業(yè)務。它和用戶靠得很近，所以可以實時響應用戶的一些本地請求，比如，某公司的人臉門禁系統(tǒng)、共享單車的開鎖。

處理一些簡單的業(yè)務邏輯。比如像秒殺、搶紅包這樣的業(yè)務場景。

收集并結構化數(shù)據(jù)。比如，把視頻中的車牌信息摳出來，轉成文字，傳回數(shù)據(jù)中心。

實時設備監(jiān)控。主要是線下設備的數(shù)據(jù)采集和監(jiān)控。

P2P 的一些去中心化的應用。比如：邊緣結點作為一個服務發(fā)現(xiàn)的服務器，可以讓本地設備之間進行 P2P 通訊。

云資源調度。邊緣結點非常適合用來做云端服務的調度。比如，允許用戶使用不同生產(chǎn)商的云存儲服務，使用不同生產(chǎn)商但是功能相同的 API 服務（比如支付 API 相關）。因為是流量接入方，所以可以調度流量。

云資源聚合。比如，我們可以把語音轉文字的 API 和語義識別的 API 相結合，聚合出來一個識別語音語義的 API，從而簡化開發(fā)人員的開發(fā)成本。

……

邊緣計算的幾點思考

早已有之，新葫裝舊酒，炒炒新概念：以前的 CS，后來的 BS，再后來的云和 APP，就是某種意義的邊緣計算。服務端和終端各自承擔一部分算力。過去的 CDN，現(xiàn)在的 VCDN 服務也是一種中心云計算能力下層到邊緣節(jié)點能力的一種體現(xiàn)。這幾年普遍存在的在家用路由器運行容器搭梯子翻墻，也算明顯的云邊協(xié)同。離開了網(wǎng)絡離開了應用提供商，現(xiàn)在的電腦手機幾乎沒啥用，其實 PC，手機，智能路由，小米的智能家電就是邊緣設備。只不過現(xiàn)在的邊緣計算更多的是云計算出現(xiàn)后的概念，是相對于中心云的一種概念，云+邊+端的概念，中心云有 Openstack，Kubernets 或自研平臺，邊緣云也采用專有邊緣設備和邊緣開源平臺。中心云原生能力往邊緣的下沉。

異構計算迎來大發(fā)展：FPGA 相對 ASIC 具有靈活編程的特點，相對于 CPU 以流水線運算周期為運算時間單位，F(xiàn)PGA 以時鐘頻率為運算時間單位 FPGA 有低時延專業(yè)性方向性強的特點，符合邊緣計算的需求而大量應用在邊緣迎來大發(fā)展。以 GPU，ARM，TPU 等大量應用在邊緣在邊緣計算上也會迎來大發(fā)展。

serverless 會大量應用在邊緣。

國內廠商中，阿里，華為會在邊緣計算上勝出。

阿里的芯片設計的積累和優(yōu)勢，docker 的合作，以及在容器領域的開源項目之多，公有云市場優(yōu)勢，邊緣計算和公有云聯(lián)系緊密。

華為芯片設計的積累和優(yōu)勢，中國第一的研發(fā)能力和積累，最多標準，協(xié)議制定者。

邊緣設備更多的服務 toB 業(yè)務

視頻監(jiān)控

智能制造，公共場所（辦公，商場，交通，城市）

AI（圖像視頻識別，自動駕駛）

個人繼續(xù)用手機為智能終端連接到中心云和邊緣云服務

邊緣設備小型化和成本是主要考慮對象，所以以機架，服務器形式只能用在重資產(chǎn)的地方，以集成進 5G 基站，路由器，小型定制設備（類似工控機）的輕資產(chǎn)數(shù)量居多。

小結

從云計算的發(fā)展趨勢上來看，數(shù)據(jù)量的不斷增大迫使邊緣計算成為一個必然。大數(shù)據(jù)中心的成本問題，也需要通過邊緣計算來降低。同時隨著業(yè)務應用場景越來越多，對是性能的要求也越來越高，云計算的“云、邊、端”架構（即中心云、邊緣云、終端三部分）最終將會成為趨勢。

參考資料：

[1]：《左耳聽風》

[2]：《物聯(lián)網(wǎng)開發(fā)實戰(zhàn)》

[2]：https://zhuanlan.zhihu.com/p/59899560

云計算 網(wǎng)絡

版權聲明：本文內容由網(wǎng)絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內刪除侵權內容。