云边端协同的遐想-CSDN博客

本文链接：https://blog.csdn.net/weixin_45817947/article/details/131526306

前言

去年打比赛，老师给我们的项目定了个名字，叫“基于xxx的xxx云边端协同管理系统”，之前就是照着念，完全不懂什么意思，最近接触云边端这个概念比较多，所以想借此深入了解，同时也表达我对于此的一些“遐想”。

有纰漏请指出，转载请说明。
学习交流请发邮件 1280253714@qq.com

我所理解的云

这是两年前我写在个人站（已经倒闭啰）的一篇文章：

自然界中的云是大量水滴漂浮在空中聚集而成的。
而对于计算机而言，大量的计算资源、存储资源等构成了云服务

在查看了一些资料之后，关于“云”的一些概念，像是大规模、分布式、虚拟化、安全、拓展性，阿里，腾讯，小米，华为等都在这方面进行宣传。但是对于未曾了解云的人，这些概念很难理解。不如我们从另外一个角度，从计算和存储的角度来理解云。

云存储对于本地算力低的设备

其实我们对云存储并不陌生，云存储离我们身边也很近，亚时我们用的邮箱、网盘、手机中的云空间其实是云存储的一个类型。我们所熟知的网站很多都是运行在大型服务器上面的，但是你可能不会想到，我们的电脑，其实也可以作为服务器运行网站，但是除了极客匠和研究人员之外没有人会这么做，为什么呢?

例如我们计算两个九位数，123456789*987654321，结果是1.22x10的17次方，很难想象这个数能在8位CPU中运算出来，但是如果我们给这个CPU (中央处理器)所处的嵌入式系统中添加一个蓝牙或者是 WiFi模块，我们就能够把这个数传输到算力更强的设备中计算出来，再将结果 (1B1 3114 FBFF 5385)仅仅是8个 byte (字节)的数据返回给这个8位CPU，显然这个通讯的过程比本地计算还要简便不少。

理论上我们甚至可以利用云计算，在一个不支持多线程工作的8位CPU中跑多线程。
这样，通过数据传输，我们就可以在8位CPU中利用32位甚至是64位 CPU的计算能力。

云存储对于本地存储空间少的设备

其实我们对云存储并不陌生，云存储离我们身边也很近，亚时我们用的邮箱、网盘、手机中的云空间其实是云存储的一个类型。我们所熟知的网站很多都是运行在大型服务器上面的，但是你可能不会想到，我们的电脑，其实也可以作为服务器运行网站，但是除了极客匠和研究人员之外没有人会这么做，为什么呢?

如果不考虑成本，想要网站运行在个人电脑上，就需要电脑保持开启和可通信的状态，而且如果运行的是大型网站，电脑的存储空间要足够大。
考虑成本，电脑中的各种接口、键盘、显示器对于一个服务器而言都是资源的浪费，而且电脑需要在更小的空间运行更大的数据，储存更多的内容，这样对芯片和存储器的要求就更高。

云与服务器
在还没有服务器的时代，设备间的通信需要两个设备保持开启状态，而且通信的过程中还不能断联。有了服务器，发送方可以先将数据发送到服务器，服务器再将数据发送到接收方，这样，远程通信，在线通信就有了更快的发展。此时服务器更多的是作为中转站的角色。

如今我们使用网络，比以往需要更高清的画质，更清晰的音质，如此，个人设备需要处理的信息流就更多，现在的手机大部分都是256GB的存储空间，甚至有512的，而笔者十几年前使用的诺基亚手机，存储空间只有少得可怜的几百M，那些几G存储空间的手机，价格贵得离谱。跨入智能手机时代，存储器空间以极高的速度膨胀着，但是笔者预测未来手机的存储空间，很难再突破512G了，原因是，手机存储器确实是以惊人的速度发展着，但是我们随手一拍的一张照片需要十几M的空间，供不应求。随着5G通信网络和云计算云存储的发展，除了操作系统所需的存储空间之外，我们会把更多的照片视频等存储在云空间中。

云存储
想象一下这样的场景，我们拍摄一段视频，用5G网络可以瞬间存储到服务器(云存储)中，在需要用到的时候，同样可以瞬间下载，作为缓存存储在手机中，这样一来我们就不再需要那么多的手机存储空间。
将一个非常庞大的数据库存储在手机中是极不现实的，但是通过云存储我们也可以像手机搜索本地存储空间那样访问这个数据库。这样通过4G、5G通信，我们可以在256G存储空间的手机利用庞大存储空间设备的存储能力。

其实云服务离我们特别近，读者也许接触过“小度”或者“天猫精灵”这类智能音箱。为了完成语音识别，指令分析、特色服务，需要性能比较强悍的芯片来完成这个任务，但是智能音箱售价100多元，这些功能不可能在本地完成，所以下面这些功能需要通过云服务来完成。而智能音箱完成的功能，只需要特定指令唤醒（小度小度、天猫精灵），数据上云，接收云服务器的数据和指令来执行任务。

我们所熟悉的“端”

端是离我们身边最近的设备，也是在云边端中作为底层的角色，在上面智能音箱的例子中，音箱就是端，它需要完成数据采集、数据上传、数据响应等功能。

以下是ChatGPT的对端设备的介绍

设备端是指物联网或边缘计算中的终端设备，它可以是传感器、智能手机、工控设备、无人机等各种连接到网络的设备。

功能：
1. 数据采集：设备端能够采集环境数据、传感器数据等各种原始数据。
2. 数据存储：设备端可以存储采集到的数据，便于后续处理和分析。
3. 数据计算：设备端可以进行一定程度的数据处理和分析，减少对云端计算资源的依赖。
4. 实时响应：设备端可以根据采集的数据做出实时的决策和响应。
5. 与其他设备通信：设备端可以与其他设备进行通信，实现设备之间的协作和互联。

局限性：
1. 计算能力有限：相比云端服务器，设备端通常具有较低的计算和存储能力，无法处理大规模、复杂的数据。
2. 能耗限制：设备端通常使用电池或低功耗供电，因此能耗是一个重要的限制因素。
3. 存储容量有限：设备端的存储容量通常较小，无法存储大量的数据。
4. 安全性风险：设备端可能存在安全性风险，因为它们可能容易受到物理攻击或恶意软件的入侵。

尽管设备端存在一些局限性，但它们在物联网和边缘计算中扮演着重要的角色，能够提供实时的数据采集和响应，减少数据传输和延迟，提高系统的效率和可靠性。

云+端的服务存在哪些问题

以下是ChatGPT的对传统的云+端的服务的介绍

云+端服务在提供便利和灵活性的同时，也存在一些问题，包括：

1. 延迟和网络依赖：云+端服务需要将数据从边缘设备传输到云端进行处理和存储，这会导致一定的延迟，并且对网络连接的稳定性有一定要求。

2. 数据安全和隐私：云+端服务需要将数据传输到云端进行处理和存储，这可能涉及数据安全和隐私的风险，特别是对于敏感信息和个人隐私数据。

3. 依赖云端基础设施：云+端服务依赖云端基础设施的可靠性和稳定性，如果云端服务出现故障或者网络中断，可能会导致服务不可用或者影响业务的正常运行。

4. 成本问题：云+端服务可能需要支付云端计算和存储资源的费用，特别是在大规模应用场景下，成本可能会成为一个考虑因素。

5. 难以管理和维护：云+端服务涉及到分布在各地的边缘设备和云端服务器的管理和维护，这可能需要投入一定的人力和资源。

6. 兼容性和标准化：云+端服务涉及到边缘设备、云端平台和各种接口的兼容性和标准化问题，这对于不同厂商和不同设备之间的协作和集成可能带来一定的挑战。

针对这些问题，可以采取一些解决方案，如减少数据传输量、加强数据安全措施、实现离线处理能力、提高云端基础设施的可靠性和弹性，以及加强标准化和协作等。同时，随着边缘计算和边缘AI技术的发展，一些问题也会得到缓解，提供更优质的云+端服务。

这里提到了传统云+端的服务存在的问题，笔者举个例子来分析：

现在的道路违章拍照，往往是摄像头采集路面信息，将图片上传到管理中心的云（服务器），服务器分析后，可能将违章信息显示在道路电子指示牌。这个过程存在着三个主要问题，一是端设备（摄像头、电子指示牌等）与服务器可能相隔过远，数据传输存在延迟；二是每一帧图像都需要在服务器完成分析，服务器所承担的运算压力大大增加；三是若服务器需要维护，此时系统将面临一个瘫痪的状态（这里不考虑备用服务器的情况）。

其他如智能楼宇、智慧农业等应用场景也存在类似的问题。

不为人熟知的边缘设备

以下是ChatGPT的对边缘设备的介绍

边缘设备是指位于网络边缘、靠近终端用户的计算设备。与传统的云计算模式相比，边缘设备更接近数据源和终端用户，具备一定的计算、存储和网络传输能力。边缘设备可以是智能手机、物联网设备、嵌入式系统等。

边缘设备的优势包括：

1. 低延迟：边缘设备可以将数据处理和决策推向离用户更近的地方，减少数据传输和处理的时间，从而实现低延迟的服务。

2. 数据隐私：边缘设备可以在本地处理和存储数据，减少数据传输到云端的需求，提升数据隐私和安全性。

3. 离线处理：边缘设备可以在无网络连接的情况下进行数据处理和决策，保证服务的连续性和可靠性。

4. 带宽优化：边缘设备可以在本地进行数据预处理、过滤和压缩，减少对网络带宽的需求，降低数据传输成本。

5. 弹性扩展：边缘设备可以根据需要实现分布式计算，将计算任务分发到多个边缘设备上，提升系统的可扩展性和性能。

边缘设备也存在一些挑战，如资源有限、功耗限制、管理复杂等。但随着边缘计算和边缘AI技术的不断发展，边缘设备将扮演越来越重要的角色，为用户提供更快速、安全和可靠的服务。

未来的云边端协同

边缘端兼顾算力规模和低时延，具有更快的决策速度和更高的能效比，如更智能的人机交互。当今部署在云端的一些模型，未来在强大算力的支持下，可以运行在边缘端。

以下是ChatGPT的对云边端协同的介绍

"云边端"是指云端和边缘计算的结合，将云计算的能力延伸到离用户和数据源更近的边缘设备。它主要有以下几个区别：

1. 数据处理位置：云计算将数据处理和存储集中在中央云服务器上，而边缘计算将部分数据处理和存储放在接近数据源的边缘设备上。

2. 延迟：云计算通常需要将数据传输到云服务器进行处理，而边缘计算将计算和存储推向边缘，可以减少数据传输的延迟。

3. 带宽需求：云计算需要较大的带宽来传输大量数据到云端，而边缘计算可以利用边缘设备本地的计算和存储资源，减少对带宽的需求。

4. 数据安全性：云计算将数据存储在云服务器上，可能存在数据隐私和安全性的风险。而边缘计算将数据处理在本地设备上，可以提供更高的数据安全性。

5. 网络可用性：云计算依赖于强大的网络连接，当网络不稳定或断开时，会影响到服务的可用性。而边缘计算将计算和存储功能移至设备本地，即使网络不可用，仍然可以进行一些基本的计算和存储操作。

云边端结合可以在数据处理、实时响应等方面提供更好的用户体验和更高的效率，尤其适用于物联网、智能制造、智慧城市等领域。

ChatGPT对于云边端协同的介绍，和对边缘设备的介绍，突出的重点相去不远。

那么可以这么理解，云边端协同就是在传统的云与端的结合上，加入了边缘设备，而正是由于边缘设备的加入，才使得延迟、带宽需求、离线运行、数据安全等问题得以解决。

前阵子苹果推出了Apple Vision Pro，不知读者有没有关注，笔者认为，这个设备就是云边端协同的代表之一，Apple Vision Pro内部含有多传感器（不止是传感器单个参数的分析，而是在某些方面融合了多模态感知），并且有M2和R2芯片的加持，才能在AR/VR/MR（虚拟增强现实）方面有如此好的效果。

边缘计算是未来的浪潮和趋势，未来云边端协同，将在工业互联网、智慧城市、车路协同、智慧农业、智能医疗等领域大放异彩；而在AI大模型、多模态感知、NLP（自然语言处理）等领域，可能因为有多传感器数据融合的边缘计算系统而更加精彩，科幻电影的场景可能就在不远的将来。