三分鐘看懂什麼是邊緣計算和雲計算

隨着科技的發展，社會的進步，各種尖端科技層出不窮，各種新概念和課題也是百花齊放，前幾年如雨後春筍般涌現出來的大數據、雲計算這些個高科技，左查右問，花了好大工夫好不容易纔算是一知半解，現今又冒出了一個邊緣計算，這東西到底是個什麼鬼？查了很多資料，感覺大家都說的模模糊糊，朦朦朧朧的，似霧裏看花般不太通透，最後花了不少時間總算是理解了個大概，於是總結一下，用一些淺顯易懂的語言和案例來解釋一下，希望能爲同道中人科普科普。

一、概念介紹

因爲剛接觸這個概念時，很多人都會有一個感覺，覺得這個邊緣計算和雲計算有些類似。所以，開始之前，先對二者的概念進行一個對比：

• 雲計算（cloud computing）是分佈式計算的一種，指的是通過網絡“雲”將巨大的數據計算處理程序分解成無數個小程序，然後，通過多部服務器組成的系統進行處理和分析這些小程序得到結果並返回給用戶。雲計算早期，簡單地說，就是簡單的分佈式計算，解決任務分發，並進行計算結果的合併。因而，雲計算又稱爲網格計算。通過這項技術，可以在很短的時間內（幾秒種）完成對數以萬計的數據的處理，從而達到強大的網絡服務【摘自百度百科】

• 邊緣計算指的是在靠近物或數據源頭的一側，採用網絡、計算、存儲、應用核心能力爲一體的開放平臺，就近提供最近端服務。其應用程序在邊緣側發起，產生更快的網絡服務響應，滿足行業在實時業務、應用智能、安全與隱私保護等方面的基本需求。邊緣計算處於物理實體和工業連接之間，或處於物理實體的頂端。而云端計算，仍然可以訪問邊緣計算的歷史數據【摘自百度百科】

所以，我們可以看出，邊緣計算的概念是建立在雲計算的基礎上的。這裏，我們給出邊緣結點的定義，邊緣結點指的就是在數據產生源頭和雲中心之間任一具有計算資源和網絡資源的結點。比如，手機就是人與雲中心之間的邊緣結點，網關是智能家居和雲中心之間的邊緣結點。在理想環境中，邊緣計算指的就是在數據產生源附近分析、處理數據，沒有數據的流轉，進而減少網絡流量和響應時間。

在傳統的雲計算技術架構中，主要採用全集中的方式進行雲計算中心的建設和運營，資源都集中在總部，或者全球分別部署幾個節點，客戶通過互聯網來使用雲計算資源。隨着雲計算技術的發展和應用的普及，人們漸漸發現，這種全部集中模式的雲計算未必是最優的解決方案，比如對於以下場景：

• 第一類是前端採集的數據量過大，如果按照傳統模式全部上傳的話，成本高、效率低，典型的就是影像數據的採集和處理；

• 第二類是需要即時交互的場景，如果數據全部上傳，在中央節點處理再下發，往往傳輸成本高、時延長，典型的就是無人駕駛場景；

• 第三類是對業務連續性要求比較高的業務，如果遇到網絡問題或者中央節點故障，即便是短時間的雲服務中斷都會帶來嚴重影響；

• 除此之外還有安全信任的問題。有些客戶不允許數據脫離自己的控制，更不能離開自己的系統，要讓這樣的系統上雲，集中式的雲計算中心就搞不定了；

那麼雲計算有沒有可能進一步演化，提高對需求和場景的適應力呢？在這樣的背景下，邊緣計算技術作爲雲計算技術的延伸和補充，進入了人們的視野。

二、邊緣計算

在開始正式科普之前，請大家首先在大腦裏勾畫一張圖，就是一張人類大腦神經網絡圖。如果你沒啥具體概念，那直接看下圖：

把雲計算看作是大腦，那麼邊緣計算就像是大腦輸出的神經觸角，這些觸角連接到各個終端運行各種動作。

如果還覺得抽象，那我們再打個不太精準的比方吧。

再用你的雲大腦想象出一隻章魚，就是那種路邊攤燒烤的那種章魚：

或者可愛一點的這樣的：

章魚有一個很厲害的地方，大家可能不太清楚，那就是作爲自然界中智商最高的無脊椎動物，章魚獨特地擁有“概念思維”能力。而這又與他兩個強大的記憶系統分不開：一個是大腦記憶系統，大腦具有5億個神經元，另一個是八個爪子上的吸盤。也就是說，章魚的八條腿可以思考並解決問題。

腦子真是個好東西，章魚就有好幾個！

話說回來，雲計算就像是天上的雲，看得見摸不着，像章魚的大腦，邊緣計算就類似於八爪魚的那些小爪子，一個爪子就是一個小型的機房，靠近具體的實物。邊緣計算更靠近設備端，更靠近用戶。

這麼說吧，雲計算是把握整體，那麼邊緣計算就更專注於局部。那麼邊緣計算的優勢就顯而易見：

• 近水樓臺先得月：邊緣計算分佈式以及靠近設備端的特性註定它實時處理的優勢，所以它能夠更好的支撐本地業務實時處理與執行。

• 簡單效率高：家門口的事情就不麻煩遠在天邊的雲計算了，邊緣計算直接對終端設備的數據進行過濾和分析，節能省時效率還高。

• 省心省力省流量：邊緣計算減緩數據爆炸和網絡流量的壓力，用過邊緣節點進行數據處理，減少從設備到雲端的數據流量。

• 更智能更節能：AI+邊緣計算組合的邊緣計算不止於計算，智能化特點明顯，另外雲計算+邊緣計算組合出擊，成本只有單獨使用雲計算的39%。

打一個不太合理的比方，設想一下，本來存錢取錢大家都要去銀行人工櫃檯處理，排隊人山人海，路上交通造成堵塞，還浪費時間和精力，現在家門口就有自助櫃員機，是不是再也不用取號排隊等叫號？

所以，我們可以用幾個非常典型的案例來體驗一下邊緣計算的優點：

• 在人臉識別領域，邊緣計算可以將響應時間由900ms減少爲169ms；
• 把部分計算任務從雲端卸載到邊緣之後，整個系統對能源的消耗能夠減少30%-40%；
• 系統數據在整合、遷移等方面耗時將會縮減到原來的1/20；

辣麼，既然邊緣計算這麼牛，就直接把雲計算幹掉吧！留它何用？

太天真了！你能把章魚的大腦切掉直接用八個爪子生活嗎？你怎麼不上天吶！

三、邊緣計算與雲計算的關係

雖然今後會將越來越多的基礎任務交給邊緣計算來完成，但是這隻能代表邊緣所在的裝置設備會越來越靈敏，但是不能直接說這些任務和雲毫無關係，他們是一種讓彼此更完美的存在。

邊緣計算和雲計算互相協同，它們是彼此優化補充的存在，共同使能行業數字化轉型。雲計算是一個統籌者，它負責長週期數據的大數據分析，能夠在週期性維護、業務決策等領域運行。邊緣計算着眼於實時、短週期數據的分析，更好地支撐本地業務及時處理執行。邊緣計算靠近設備端，也爲雲端數據採集做出貢獻，支撐雲端應用的大數據分析，雲計算也通過大數據分析輸出業務規則下發到邊緣處，以便執行和優化處理。

再打個比方吧，總公司在北京，分點在江蘇、廣東、山東各地，江蘇的實際工作任務由江蘇分部的主管執行，但是北京總公司會給出整體工作計劃，負責統籌各個區域的工作規劃。

所以不管是雲計算還是邊緣計算，不存在一方完全取代一方的狀況，只是各個擅長的領域各司其職，物盡其用罷了，在最合適的場景裏用最合適的運算，或者雙向出擊！

所謂萬物互聯，以時間爲橫座標延伸，最大的網絡就是物聯網。那麼邊緣計算就是靠近物聯網邊緣的計算、處理、優化和存儲。搭載物聯網的發展，邊緣計算的應用也十分廣泛，智慧城市、智慧家居、智慧醫院、在線直播，到智能泊車、自動駕駛、無人機、智能製造等各方面都有它的身影，制霸物聯網的時刻指日可待。

講真，這個時候瞭解雲計算、邊緣計算是有點晚了，畢竟很多行業大佬已經開始玩轉邊緣計算了。

四、邊緣計算的挑戰

當然萬物都有雙面性，邊緣計算的發展也存在不小的挑戰性。

• 跨界協作的挑戰：製造、能源、公共事業等行業要實現智能化，需要整合機械、電子、ICT等跨行業技術，邊緣計算首先要實現OT和IT領域的深度協作，並將行業專有技術與知識與ICT數字化技術相結合。

• 技術碎片化挑戰：邊緣側技術體系的每個領域都有大量的技術選擇：目前業界有超過6種以上的工業實時以太技術，超過40種工業總線，還有多種公私有云平臺。技術碎片化給系統間的互聯互通、數據價值的挖掘帶來的巨大的挑戰和成本。

• 技術不確定性挑戰：人工智能、區塊鏈等新技術在行業應用還是早期探索階段，存在不確定性風險。這些技術的早期應用者希望降低技術投資風險，獲得技術應用的商業回報。

• 當然還有其它的挑戰，畢竟新生技術的出現就註定了它將面臨諸多不確定因素的挑戰，邊緣計算產業聯盟（ECC）就這樣帶着美好的願景誕生了！

不僅是這樣的商業聯盟，其他企業也在爲邊緣計算的應用發展盡心盡力！

按照IDC的統計數據，到2020年將有超過500億的終端與設備聯網，未來超過50%的數據需要在網絡邊緣側分析、處理與儲存，邊緣計算所面對的市場規模非常巨大。

物聯網的存在就是不在創造新的生態，兩個毫無關係的人可以通過各種方式連接，但太平洋裏的章魚如何跟大西洋裏的章魚“對話”？再賜它們幾百億個神經元也做不到，但是邊緣計算可以啊！

五、送一個附加技能

所以，看到現在，都大概瞭解邊緣計算了嗎？下次有妹子問你什麼是雲計算，邊緣計算是什麼的時候，可千萬不要這樣回答：

下面這樣纔是正確的聊天方式：

畢竟，邊緣計算不能吃，但章魚可以吃啊！