隨著萬物聯網的趨勢不斷加深,智能手機、智能眼鏡等端設備的數量不斷增加,使數據的增長速度遠遠超過了網絡帶寬的增速;同時,增強現實、無人駕駛等眾多新應用的出現對延遲提出了更高的要求。邊緣計算將網絡邊緣上的計算、網絡與存儲資源組成統一的平臺為用戶提供服務,使數據在源頭附近就能得到及時有效的處理。這種模式不同于云計算要將所有數據傳輸到數據中心,繞過了網絡帶寬與延遲的瓶頸,引起了廣泛的關注。
如何理解邊緣計算
近年來,大數據、云計算、智能技術的快速發展,給互聯網產業帶來了深刻的變革,也對計算模式提出了新的要求。大數據時代下每天產生的數據量急增,而物聯網等應用背景下的數據在地理上分散,并且對響應時間和安全性提出了更高的要求。云計算雖然為大數據處理提供了的計算平臺,但是目前網絡帶寬的增長速度遠遠趕不上數據的增長速度,網絡帶寬成本的下降速度要比CPU、內存這些硬件資源成本的下降速度慢很多,同時復雜的網絡環境讓網絡延遲很難有突破性提升。因此傳統云計算模式需要解決帶寬和延遲這兩大瓶頸。在這種應用背景下,邊緣計算應運而生,并在近兩年得到了研究者的廣泛關注。
邊緣計算中的邊緣指的是網絡邊緣上的計算和存儲資源,這里的網絡邊緣與數據中心相對,無論是從地理距離還是網絡距離上來看都更貼近用戶。邊緣計算則是利用這些資源在網絡邊緣為用戶提供服務的技術,使應用可以在數據源附近處理數據。如果從仿生的角度來理解邊緣計算,我們可以做這樣的類比:云計算相當于人的大腦,邊緣計算相當于人的神經末端。當針刺到手時總是下意識的收手,然后大腦才會意識到針刺到了手,因為將手收回的過程是由神經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速度,避免受到更大的傷害,同時讓大腦專注于處理智慧。未來是萬物聯網的時代,思科預計2020年將有500億的設備接入互聯網,我們不可能讓云計算成為每個設備的“大腦”,而邊緣計算就是讓設備擁有自己的“大腦”。
為了大家更方便的理解,我們可以聯想一下世界上非常神奇的一種生物——章魚,作為無脊椎動物中智商高的一種動物,章魚擁有巨量的神經元,但有60%分布在章魚的八,條腿(腕足)上,腦部卻僅有40%。逃跑、捕獵時異常迅速,八條腿明明白白,從不纏繞打結,這得益于章魚類似分布式計算的“多個小腦+一個大腦”。
邊緣計算的優點
說到邊緣計算,我們不得不提到的就是云計算。云計算服務是一種集中式服務,所有數據都通過網絡傳輸到云計算中心進行處理。資源的高度集中與整合使得云計算具有很高的通用性,然而,面對物聯網設備和數據的爆發式增長,基于云計算模型的聚合性服務逐漸顯露出了其在實時性、網絡制約、資源開銷和隱私保護上的不足。
相比于云計算,邊緣計算可以更好地支持移動計算與物聯網應用,具有以下明顯的優點:
1、緩解網絡帶寬與數據中心壓力。思科在2015-2020年云指數中指出,隨著物聯網的發展,2020年的設備將會產生600ZB的數據,但其中只有10%是關鍵數據,其余90%都是臨時數據無需長期存儲。邊緣計算可以充分利用這個特點,在網絡邊緣處理大量臨時數據,從而減輕網絡帶寬與數據中心的壓力。
2、增強響應的實時性。萬物互聯場景下應用對于實時性的要求*。傳統云計算模型下,應用將數據傳送到云計算中心,再請求數據處理結果,增大了系統延遲。以無人駕駛汽車應用為例,高速行駛的汽車需要毫秒級的反應時間,一旦由于網絡問題而加大系統延遲,將會造成嚴重后果。而邊緣計算在靠近數據生產者處做數據處理,不需要通過網絡請求云計算中心的響應,大大減少了系統延遲,千兆無線技術的普及為網絡傳輸速度提供了保證,這些都使邊緣服務比云服務有更強的響應能力。
3、保護隱私數據,提升數據安全性。物聯網應用中數據的安全性一直是關鍵問題,調查顯示約有78%的用戶擔心他們的物聯網數據在未*的情況下被第三方使用。云計算模式下所有的數據與應用都在數據中心,用戶很難對數據的訪問與使用進行細粒度的控制。隨著智能家居的普及,許多家庭在屋內安裝網絡攝像頭,如果直接將視頻數據上傳至云數據中心,視頻數據的傳輸不僅會占用帶寬資源,還增加了泄露用戶隱私數據的風險。為此,針對現有云計算模型的數據安全問題,邊緣計算模型為這類敏感數據提供了較好的隱私保護機制,一方面,用戶的源數據在上傳至云數據中心之前,首先利用近數據端的邊緣結點直接對數據源進行處理,以實現對一些敏感數據的保護與隔離;另一方面,邊緣節點與云數據之間建立功能接口,即邊緣節點僅接收來自云計算中心的請求,并將處理的結果反饋給云計算中心。這種方法可以顯著地降低隱私泄露的風險。
然而,邊緣計算并不能替代云計算,而是對云計算的補充,很多需要全局數據支持的服務依然離不開云計算。例如電子商務應用,用戶對自己購物車的操作都可以在邊緣節點上進行,以達到快的響應時間,而商品推薦等服務則更適合在云中進行,因為它需要全局數據的支持。
邊緣計算的應用
目前邊緣計算應用非常廣泛,特別適合具有低時延、高帶寬、高可靠、海量連接、異構匯聚和本地安全隱私保護等特殊業務要求的應用場景。
1、智慧城市
智慧城市是利用*的信息技術,實現城市智慧式的管理和運行。2016年阿里云提出了“城市大腦”的概念,實質是利用城市的數據資源來更好地管理城市。然而,智慧城市的建設所依賴的數據具有來源多樣化和異構性的特點,同時涉及城市居民隱私和安全的問題,因此應用邊緣計算模型,將數據在網絡邊緣處理是一個很好的解決方案。
邊緣計算在智慧城市的建設中有豐富的應用場景。在城市路面檢測中,在道路兩側路燈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,當路燈發生故障時能夠及時反饋至維護人員。在智能交通中,邊緣服務器上通過運行智能交通控制系統來實時獲取和分析數據,根據實時路況來控制交通信息燈,以減輕路面車輛擁堵等。在無人駕駛中,如果將傳感器數據上傳到云計算中心將會增加實時處理難度,并且受到網絡制約,因此無人駕駛主要依賴車內計算單元來識別交通信號和障礙物,并且規劃路徑。EdgeOSc是一種基于邊緣計算的面向智慧城市的系統級操作系統,它分為3個部分,底層的數據感知層、中間的網絡互聯層和頂層數據應用管理層。該操作系統可以有效管理智慧城市中的多來源數據,提高了數據共享的范圍和深度,以實現智慧城市中數據價值。
2、智能制造
智能制造是邊緣計算在物聯網中非常典型的應用領域,借助于邊緣計算將促進IT和OT系統的深度融合。工業機器人是實現智能制造的基礎,近幾年工業機器人在中國市場呈現蓬勃發展的趨勢。據統計,2016年中國市場工業機器人消費總量達87000臺,接近世界銷量的近三分之一。工業機器人的應用領域主要集中在汽車制造、3C行業、物流、金屬加工、塑料和化工等行業,通過機器人完成搬運和上下料、裝配和拆卸、焊接等工作環境惡劣、自動化/執行精度和安全程度要求非常高的工作場景。工業機器人需要具備應對復雜的現場環境并結合當前工作流程進行綜合分析和判斷的能力,以及與其他機器人協作完成復雜工作任務的能力。這些都需要機器人配備智能控制器以執行復雜的計算任務,而對于工廠環境使用幾十、上百臺機器人的應用場景,如果每臺機器人都配備復雜的智能控制器,這將增加機器人的成本。但是如果采用邊緣技術,把工業機器人的智能控制器功能集中部署在生產車間的邊緣節點,在保證時延的情況下還能實現集中控制,完成機器人之間的聯動協同,可以大大降低工業機器人的開發、部署和維護成本。
3、智能家居
在當前的智能家居中,智能家電設備基本上都是由智能單品構成的,比如密碼鎖、智能照明、智能空調、安防監控、智能衛浴、室內環境監控、家庭影院多媒體系統等,這些智能家電設備需要依賴于云平臺才能實現手機端在外網的遠程控制。這種基于云平臺的智能家居在網絡出現故障時將無法進行控制,特別是多個智能單品聯動的場景將無法對多個設備進行協調。智能家電設備都是通過Wi-Fi模塊連接到云/數據中心,用戶對存放在云/數據中心的家庭數據也存在泄漏的擔憂,另外大量的監控視頻數據也會消耗智能家居設備到云/數據中心之間的通信帶寬。采用邊緣計算技術,可以把家庭視頻數據存放在本地邊緣計算網關設備上,確保用戶的隱私不被泄漏;多個智能單品之間的聯動也可以通過本地邊緣計算進行近實時的協調;邊緣計算節點還能實現定期與云計算同步更新控制和設備狀態信息。