边缘计算：点亮万物智联新时代

Mary

　　

　　图：现时无人机在操控时仅能一对一操作，但应用边缘计算构造的无人机有望实现一对多操作

　　随着物联网技术的快速发展，生活正在悄然改变。小到智能插座和智能开关，大到智能电视和智能冰箱，智能家居产品不断涌现，让我们即使身处千里之外，也可通过网络将家中一切打理得井井有条。如今，除了智能家居，物联网正在快速渗透到各个领域，越来越多的设备、车辆、终端等皆可纳入资讯网络之中，开启「万物互联（IOE，即Internet of Everything）」的新时代。

　　然而，随着网络边缘设备数量的骤然增加，这类设备所产生的数据资讯已达到皆位元组（ZB）级别，且对数据的即时性以及安全要求非常高。在这种边缘式大数据处理时代下，传统的云计算（Cloud Computing）模式已无法满足需求，万物互联边缘计算（Edge Computing）模式应运而生，物联网将由「万物互联」走向「万物智联」。/杨熔玮、汪 漪、齐竹云

　　边缘计算产生的动机

　　现有的基於云端计算模型的数据处理都是集中式的，即对伺服器采用集中式管理，允许人们廉价地共用昂贵伺服器资源。用户为了使用云端计算的资源，数据需要先被传输到距离用户很远的数据中心进行集中处理。但是，在万物互联的背景下，很多设备无法接入云端，云端计算的中心化能力也受到限制，主要是基於以下两个原因：

　　1、带宽限制，日益增多的终端设备源源不断地产生巨大的数据量，从终端设备到数据中心的传输带宽有限，而且传输带宽的成本往往也难以接受。

　　2、延迟较高，大多智能设备需要数据处理具有即时性和密集型计算，比如无人机、机器人等等，受限於网络传输延迟而无法享受云计算的强大计算资源。此外，这些设备还面临一个共同的问题，电池续航时间短。

　　因此，为了降低时延和带宽限制，人们考虑在云计算模型下，充分利用更靠近用户或数据源头的结点的计算和存储能力，对边缘数据就近处理，即产生了边缘计算模型。

　　边缘计算的定义

　　边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务。通俗地说，边缘计算是去中心化或分布式的计算模型，原始数据不再需要传到远程的云端进行处理，而是通过靠近数据源头的网络边缘设备所提供的计算和存储资源即可完成。

　　是不是有点抽象？我们来借用章鱼打一个比方。章鱼的神经元只有40%在大脑，剩下的60%分配在各个腕足里。也就是说，章鱼并不仅仅依靠大脑，而是用「腿（腕足）」就可以思考并就地解决问题的。例如，当发布「攻击」命令後，「腕足」就会自主判断完成去哪儿捕猎。如果，我们将云端的核心管理平台看作章鱼的大脑，网络边缘设备就类似於它的那些腕足。边缘计算的核心思想是，网络边缘的设备可以就近分析和处理采集到的数据，而不需要将所有数据上传到远端的核心管理平台。

　　与云计算模型相比，边缘计算模型会带来哪些优点呢？

　　1、提升服务回应能力

　　由於数据大多是在边缘结点进行处理和分析，而不是在远程的数据中心或云端进行，减少了传输时间，有效地降低了延迟，可以更好地支撑本地业务的即时智能化处理与执行。

　　2、减少网络带宽，降低能耗

　　一方面，由於数据不再需要传送到遥远的云端，减少了终端设备和数据中心之间的数据传输量；另一方面，当有些数据需要传送回云端时，边缘计算可对这些数据做压缩处理，提取到有效资讯後再传送给云端。这样做可以减少网络带宽，极大地缓解了网络压力，从而降低能耗，并可以避免核心网络的拥塞。

　　3、提高数据的安全性和可靠性

　　在传统的云计算模型中，用户的一切数据都需要上传到数据中心。这些数据可能包括了用户大量的隐私数据，比如银行卡资讯、私人照片以及用户行为习惯等等，很可能在上传到数据中心的过程中遭到泄漏。在边缘计算模型中，可以将这样的隐私数据在边缘结点进行分析，不用当心数据泄漏，提高数据的安全性。

　　此外，边缘结点分担了数据中心的计算任务，可降低出现单点故障的可能，提高数据的可靠性。边缘计算模型是基於分布式的，亦可通过编码等方式，提高数据的安全性和可靠性。

　　由上可知，边缘计算有诸多优点，那麽我们该如何将它应用於我们的生活当中呢？接下来，介绍基於边缘计算模型的三种应用场景：

　　1、城市安全视频监控

　　在边缘计算的应用中，视频监控摄像头作为物联网前端设备最具有代表性。视频监控摄像头的大量部署，受成本的限制，摄像头内置的计算能力也非常有限，无法独自实现智能化分析。而通过云计算进行智能分析又具有延时性，无法保证即时报警。

　　因此，可通过构建基於边缘计算的新型监控应用的软硬件服务平台，可以提高对摄像头所采集的数据的智能处理能力，进而完善城市应急指挥系统，可对危害公共安全的突发事件做出快速预警和处置。

　　2、无人机智能搜救

　　如今，无人机的应用越来越广泛。在自然灾害发生时，比如地震或山体滑坡时，可将之用於现场侦测和搜救。但现有的无人机都是一对一操作，若等待它们将各自的数据统一传回数据中心再作出回应，将极大地限制了多个无人机执行任务时的协作能力。何况，无人机电池续航有限，传统的集中式处理也会降低其执行任务的效率。

　　因此，可考虑基於边缘计算构造针对多无人机执行任务的服务平台，可实现智能自主的多无人机控制技术，无人机间可自由交换资讯、绘制现场情况的3D图像等。这样，在受电池续航的限制下，可有效地提高搜救力度和效率。

　　3、可穿戴设备

　　小米手环、Apple Watch、智能鞋垫等等，伴随着可穿戴设备的兴起，以这些设备作为资讯入口的远程医疗行业风头正劲。因为这些数据多涉及用户隐私及行为，边缘计算的应用可以保护数据的私密性。边缘计算的即时性在此也可以发挥作用，比如，若给老人佩戴智能手环，当老人摔倒或发生不测时，可以及时发出警报并作出回应，为挽救老人的生命提供宝贵的时间。此外，部分可穿戴设备具备计算和存储能力，还可以连入网络中，它们可以作为边缘计算的结点提供服务。

　　边缘计算的挑战

　　尽管业界普遍对边缘计算在消费物联网、工业互联网等领域发挥重大作用寄予了厚望，在现有的云计算模型中部署边缘计算，技术理论尚未成熟，还面临以下挑战：

　　可编程性：由於边缘结点大多是异构，不同的结点的运行环境有所不同。若要在边缘进行分布式计算并与云端协调任务，会使得应用编程及其复杂，最好可以有一套针对边缘计算模型的新型编程方式。

　　服务品质（QoS）：当把计算由云端放到边缘结点实现时，如何保证服务品质有待解决。这需要云端在和边缘结点协同合作时，云端可预估的边缘计算结点在各个时间的计算能力。否则，当某个结点任务超载时，会影响连接到它的其他边缘设备。

　　安全性：安全横跨云计算和边缘计算，需要即时端到端的防护。由於更贴近终端设备，网络边缘的访问控制与威胁防护的广度和难度因此大幅提升。此外，关键数据的完整性、保密性，大量生产或人身隐私数据的保护也是安全领域需要重点关注的内容。

　　【华发网根据大公报采编】