漫谈边缘计算

背景

什么是边缘计算？

边缘计算的好处

边缘计算的业务场景

边缘计算的几点思考

小结

背景

什么是边缘计算？

边缘计算的好处

边缘计算的业务场景

边缘计算的几点思考

小结

背景

随着互联网的发展，我们进入了大数据时代，这个时代也是移动互联网的时代，而且这个时代，大量的线下服务走到线上，随之而来的，比如外卖、叫车……于是，有各种各样的 App 和设备在收集你的行为和数据。更加海量的数据源源不断的产生，并上传到云平台。

这就给云提出了很大的挑战。一方面是极大地消耗有限的网络带宽资源；另一方面对于大数据处理的实时需求越来越成为刚需了，因为，如果不能实时处理、实时响应，那么怎么能跟得上这个快速的时代呢。这就好像一个人脸识别的功能。如果苹果手机的人脸识别需要到服务器上算，然后把结果返回，那么用户的体验就很糟糕了。这就是为什么苹果在手机里直接植入了神经网络的芯片，而我们知道网络的不确定因素很多，有可能导致不可控的延时。

而且数据通常与物理实体关系密切。比如家庭监控摄像头中，家庭成员的肖像等视频信息是非常敏感的；而在工业场景中，很多数据是机密的。如果这些信息全部上传到云，会给用户带来很大的安全风险。

所以，现在行业内已经开始尝试将云的部分计算服务，下沉到靠近数据发生地的“边缘节点”上进行，这就是边缘计算的由来。

什么是边缘计算？

维基百科的定义：

边缘运算（英语：Edge computing），又译为边缘计算，是一种分布式运算的架构，将应用程序、数据资料与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点来处理[1]。边缘运算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。边缘节点更接近于用户终端设备，可以加快资料的处理与发送速度，减少延迟。在这种架构下，资料的分析与知识的产生，更接近于数据资料的来源，因此更适合处理大数据。

通俗地说：边缘计算本质上是一种服务，就类似于云计算、大数据服务，但这种服务非常靠近用户；为什么要这么近？目的是为了让用户感觉到刷什么内容都特别快。

边缘计算的好处

怎么理解这种技术架构上的进化呢？你可以想一想，人体是如何处理各种感知信息的，是不是所有的信息都需要大脑来处理呢？

大家都熟悉云计算，它有着许多的特点：有着庞大的计算能力，海量存储能力，通过不同的软件工具，可以构建多种应用，我们在使用的许多 APP ，本质上都是依赖各种各样的云计算技术，比如视频直播，电子商务。边缘计算脱胎于云计算，靠近设备侧，具备快速反应能力，但不能应付大量计算及存储的场景。这两者之间的关系，可以用我们身体的神经系统来解释。

云计算能够处理大量信息，并可以存储短长期的数据，这一点非常类似于我们的大脑。大脑是中枢神经中最大和最复杂的结构，也是最高部位，是调节机体功能的器官，也是意识、精神、语言、学习、记忆和智能等高级神经活动的物质基础。人类大脑的灰质层，富含着数以亿计的神经细胞，构成了智能的基础。而具有灰质层的并不只有大脑，人类的脊髓也含有灰质层，并具有简单中枢神经系统，能够负责来自四肢和躯干的反射动作，及传送脑与外周之间的神经信息。我们在初中的生物中都学习到了膝跳反应，这就是脊髓反应能力的证据。

边缘计算对于云计算，就好比脊髓对于大脑，边缘计算反应速度快，无需云计算支持，但低智能程度较低，不能够适应复杂信息的处理。而云计算负责需要大规模数据和复杂计算的数据分析工作，以及完成整体的协调和控制。

具体来说，将原有的云计算模型的部分计算任务迁移到网络边缘设备来；网络边缘设备（比如路由器、移动网络基站等），在数据源附近执行数据处理和数据分析任务。这样一来，就降低了云计算中心的计算负载，减轻海量数据了对于网络带宽的压力，提高了数据处理的效率。

这里将边缘计算模型的好处，总结为四个方面：

延迟低。数据只需要从产生设备传输到边缘设备，传输距离短，数据不需要通过其他网络，网络延迟低。

节约了主干网带宽。缓解大量数据传输所造成的网络拥堵想象。尤其像一些银行的专有网络，本身带宽非常有限，只能用于传输关键性的数据。

计算可用性好。数据在网络中的路径长度显著变短，因网络波动引起的计算服务不可用情况将有所减少。

隐私性更好。由于边缘设备距离用户近，用户的隐私数据不再需要上传到云，因此，在边缘计算场景下，用户的隐私也可以得到更好的保护。

中心云的成本更低。

我们再来看看云的成本，当一个公司需要支持几十万用户的时候，并没有什么感觉。当他们要支撑上千万乃至上亿用户的时候，我们就会发现，一个几十万用户的系统架构和一个支撑上千万用户的架构，在成本上来说，完全不是一个数量级的。

在这个图中，我们可以看到，当需要处理的数据或是用户请求的规模越来越大时，我们的成本是呈现快速上升的曲线，而不是一个线性上升的成本关系。我们可以来算一下，根据行业内的经验，可以估计如下的投入：

几十万用户的公司，只需要处理百级 TPS 的量，只需要 10 台左右的服务器；

上百万用户的公司，只需要处理千级 TPS 的量，需要有 50 台左右的服务器；

上千万用户的公司，需要处理万级到十万级 TPS 的量，需要 700 台左右的服务器；

上亿用户的公司，其需要处理百万级 TPS 的量，需要上万台的服务器。

可以看到，十万用户到上亿用户，也就多了 100 倍，为什么服务器需要 1000 倍？这完全不是呈线性的关系。

这时因为，当架构变复杂了后，你就要做很多非功能的东西了，比如，缓存、队列、服务发现、网关、自动化运维、监控等。

那么，我们不妨开个脑洞。如果我们能够把那上亿的用户拆成 100 个百万级的用户，那么只需要 5000 多台机器（100 个 50 台服务器的数据中心）。

我们还是同样服务了这么多的用户，但我们的成本下降得很快。只不过，我们需要运维 100 个小数据中心。不过，相信我，运维 100 个 50 台服务器的小数据中心的难度应该远远低于运维一个 10000 台服务器的数据中心。

好了，问题来了，什么样的业务可以这么做？我觉得有地域性的业务是可以这么做的，比如：外卖、叫车、共享单车之类的。

然而，100 个 50 台服务器的小数据中心也会带来一些复杂的问题，因为当你的公司有 100 万用户的时候的业务形态和有 1 亿用户的业务形态是完全不一样的，1 亿用户的业务形态可能会复杂得多得多。也就是说，我们不可能在一个小数据中心只有 50 台服务器，因为那是百万用户的业务形态，只有几十个服务。当公司成长到上亿用户的规模时，可能会有上百个服务，50 台服务器是不够部署的。

所以，上面那种多个数据中心的理想只存在于理论上，而实际上不会发生。但是，我们依然可以沿着这条路思考下去。我们不难发现，我们完全可以用边缘节点处理高峰流量，这样，我们的数据中心就不需要花那么大的成本来建设了。于是，还是到了边缘计算。

边缘计算的业务场景

通过上面的案例分析，我觉得边缘计算一定会成为一个必然产物，其会作为以数据中心为主的云计算的一个非常好的补充。这个补充在我看来，其主要是做下面一些事情。

处理一些实时响应的业务。它和用户靠得很近，所以可以实时响应用户的一些本地请求，比如，某公司的人脸门禁系统、共享单车的开锁。

处理一些简单的业务逻辑。比如像秒杀、抢红包这样的业务场景。

收集并结构化数据。比如，把视频中的车牌信息抠出来，转成文字，传回数据中心。

实时设备监控。主要是线下设备的数据采集和监控。

P2P 的一些去中心化的应用。比如：边缘结点作为一个服务发现的服务器，可以让本地设备之间进行 P2P 通讯。

云资源调度。边缘结点非常适合用来做云端服务的调度。比如，允许用户使用不同生产商的云存储服务，使用不同生产商但是功能相同的 API 服务（比如支付 API 相关）。因为是流量接入方，所以可以调度流量。

云资源聚合。比如，我们可以把语音转文字的 API 和语义识别的 API 相结合，聚合出来一个识别语音语义的 API，从而简化开发人员的开发成本。

……

边缘计算的几点思考

早已有之，新葫装旧酒，炒炒新概念：以前的 CS，后来的 BS，再后来的云和 APP，就是某种意义的边缘计算。服务端和终端各自承担一部分算力。过去的 CDN，现在的 VCDN 服务也是一种中心云计算能力下层到边缘节点能力的一种体现。这几年普遍存在的在家用路由器运行容器搭梯子翻墙，也算明显的云边协同。离开了网络离开了应用提供商，现在的电脑手机几乎没啥用，其实 PC，手机，智能路由，小米的智能家电就是边缘设备。只不过现在的边缘计算更多的是云计算出现后的概念，是相对于中心云的一种概念，云+边+端的概念，中心云有 Openstack，Kubernets 或自研平台，边缘云也采用专有边缘设备和边缘开源平台。中心云原生能力往边缘的下沉。

异构计算迎来大发展：FPGA 相对 ASIC 具有灵活编程的特点，相对于 CPU 以流水线运算周期为运算时间单位，FPGA 以时钟频率为运算时间单位 FPGA 有低时延专业性方向性强的特点，符合边缘计算的需求而大量应用在边缘迎来大发展。以 GPU，ARM，TPU 等大量应用在边缘在边缘计算上也会迎来大发展。

serverless 会大量应用在边缘。

国内厂商中，阿里，华为会在边缘计算上胜出。

阿里的芯片设计的积累和优势，docker 的合作，以及在容器领域的开源项目之多，公有云市场优势，边缘计算和公有云联系紧密。

华为芯片设计的积累和优势，中国第一的研发能力和积累，最多标准，协议制定者。

边缘设备更多的服务 toB 业务

视频监控

智能制造，公共场所（办公，商场，交通，城市）

AI（图像视频识别，自动驾驶）

个人继续用手机为智能终端连接到中心云和边缘云服务

边缘设备小型化和成本是主要考虑对象，所以以机架，服务器形式只能用在重资产的地方，以集成进 5G 基站，路由器，小型定制设备（类似工控机）的轻资产数量居多。

小结

从云计算的发展趋势上来看，数据量的不断增大迫使边缘计算成为一个必然。大数据中心的成本问题，也需要通过边缘计算来降低。同时随着业务应用场景越来越多，对是性能的要求也越来越高，云计算的“云、边、端”架构（即中心云、边缘云、终端三部分）最终将会成为趋势。

参考资料：

[1]：《左耳听风》

[2]：《物联网开发实战》

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

云计算 网络

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。