导读:边缘计算概念刚出来的时候,很多人的第一反应是“这是哪个行业组织或者公司为了拉动市场需求而创造出来的新词汇吧?”
边缘计算究竟是什么?为什么会有边缘计算?它是一个全新的概念吗?谁在担任边缘计算的角色?最近的畅销书《工业物联网:平台架构、关键技术与应用实践》对这些问题进行了详细解答,下面让我们通过这本书的内容来详细看一看。
作者:胡典钢
来源:大数据DT(ID:hzdashuju)
关于边缘计算,边缘计算产业联盟对其定义为:
在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的分布式开放平台,就近提供边缘智能服务,满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。
OpenStack基金会对边缘计算的定义是:
为应用开发者和服务提供商在网络的边缘侧提供云服务和IT环境服务。边缘计算的目标是在靠近数据输入或用户的地方提供计算、存储和网络带宽。
云计算近几年得到普及,云计算的价值和商业模式也逐步被公众接受。边缘计算是相对云计算而言的,它将云计算的计算、存储、和网络能力下沉到靠近数据源头的地方。
虽然有些领域把边缘计算称为分布式云计算或第四代数据中心,但工业领域的人并不认同这种叫法。对工业领域而言,边缘计算的应用是自然而然的事情,很多工业现场应用系统天生就涉及数据即时处理,只是以前受限于硬件的处理能力,他们反对将边缘计算定义成一个纯互联网词汇和概念。
什么是靠近数据源头呢?这个范围就比较宽泛了,比如在工厂车间现场靠近传感器数据采集的地方,利用工业网关或工控机就近提供数据分析处理能力,这属于边缘计算;整个工厂的数据上传到云平台之前,数据在工厂内本地服务器上被预处理,该本地服务器属于边缘计算。
为了获得高性能低延迟的服务,例如为支撑无人驾驶、虚拟现实和远程医疗等应用场景,移动运营商纷纷部署多接入边缘计算(Multi-Access Edge Computing,MEC),MEC以边缘云的形式,下沉到靠近用户的基站侧,以达到缩短时延的效果,亦属于边缘计算。
Gartner2019年新兴技术成熟度报告指出[1],边缘分析(Edge Analysis)和边缘人工智能(Edge AI)处于期望增长阶段,边缘分析和边缘人工智能将越来越多地被用于对时延敏感(例如自动驾驶)、易受到网络中断影响(例如远程监测、面部识别、自然语言处理)或数据密集型(例如视频分析)的应用中。
01 为什么提出边缘计算
从边缘计算的定义看出,边缘计算主要为解决实时性、网络可靠性、数据安全性等问题,如图1所示。
物联网时代的到来,数字化和智能化的浪潮开始席卷各行各业,包括制造、能源电力、交通、物流、农业、医疗和政府公共事业,越来越多的终端与设备联网,随着联网设备数量的巨增,将给云端带来网络带宽压力。
如果将设备数据全部传入云端处理,不仅成本巨大,还将花费更多的时间,由于网络不稳定时,系统可用性变差,因此未来将会有相当比例的数据直接在网络边缘侧进行分析、处理,这正是边缘计算的实践场景。
如果把大脑比作云端,那么边缘计算就是神经末梢,自行对前端的刺激进行处理并将处理后的特征信息反馈给大脑。
▲图1 边缘计算的特点