隨著物聯(lián)網(wǎng)的爆炸式增長(zhǎng)，連接設(shè)備通過(guò)傳感器、攝像頭、加速器以及深度傳感器收集到的信息越來(lái)越多，包括了從制造業(yè)到汽車、衛(wèi)生技術(shù)、能源、公用事業(yè)和可穿戴技術(shù)等各個(gè)行業(yè)。在AI和5G融合的幫助下，收集的數(shù)據(jù)量只會(huì)不斷擴(kuò)大。據(jù)估計(jì)，一輛全自動(dòng)汽車將包含60多個(gè)微處理器和傳感器，每年可生成超過(guò)300TB的數(shù)據(jù)。更或者，在一小時(shí)的行程中，將會(huì)有多達(dá)25GB的信息通過(guò)連接的車輛(相當(dāng)于大約100小時(shí)的視頻)發(fā)送。

這些數(shù)據(jù)會(huì)面臨什么問(wèn)題?

有了這些海量數(shù)據(jù)，捕獲、聚合和分析數(shù)據(jù)就成了一個(gè)挑戰(zhàn)。并非所有數(shù)據(jù)都是有用的，但對(duì)時(shí)間敏感的數(shù)據(jù)，如自動(dòng)駕駛汽車、有害氣體監(jiān)測(cè)、醫(yī)療保健和安全設(shè)備等，都存在滯后的風(fēng)險(xiǎn)。數(shù)據(jù)到達(dá)云并返回到設(shè)備中的瞬間延遲(例如，能夠識(shí)別道路上行人的汽車或者發(fā)生故障的胰島素泵)都可能會(huì)是災(zāi)難性的或致命的。其他數(shù)據(jù)站點(diǎn)面臨的挑戰(zhàn)是在惡劣環(huán)境中使用物聯(lián)網(wǎng)，例如海上煉油廠、地下礦井或深水井，可能導(dǎo)致帶寬有限且可變延遲的鏈接不穩(wěn)定。

邊緣計(jì)算，一個(gè)根據(jù)行業(yè)和用例的不同有著許多定義的概念，在Linux基金會(huì)的領(lǐng)導(dǎo)下創(chuàng)建了開(kāi)放式邊緣計(jì)算術(shù)語(yǔ)表，用于開(kāi)發(fā)和改進(jìn)術(shù)語(yǔ)。

正如Linux基金會(huì)所解釋的那樣，邊緣計(jì)算是：

實(shí)際上，這意味著在當(dāng)今的集中式數(shù)據(jù)中心和現(xiàn)場(chǎng)越來(lái)越多的設(shè)備之間的路徑上分配新的資源和軟件棧，特別是(但不限于)，在最后一英里網(wǎng)絡(luò)附近，基礎(chǔ)設(shè)施和設(shè)備方面。“

邊緣計(jì)算將智能和處理功能放置在更接近數(shù)據(jù)源的位置，從而提高了對(duì)可操作的洞察力進(jìn)行實(shí)時(shí)分析的能力。與惡劣環(huán)境等場(chǎng)景一樣，減少發(fā)送到云和傳感器之間的數(shù)據(jù)量可以最大限度地減少延遲并減少時(shí)間、能量和帶寬支出。

最常見(jiàn)的邊緣計(jì)算用例有哪些?

IDC 2015年的一份報(bào)告預(yù)測(cè)，到2019年，物聯(lián)網(wǎng)中45%的數(shù)據(jù)將在網(wǎng)絡(luò)附近或邊緣進(jìn)行存儲(chǔ)、處理、分析和操作。

也許迄今為止實(shí)踐最多的是工業(yè)部門，它們將數(shù)據(jù)收集和處理工作納入邊緣，可以更好地促進(jìn)預(yù)測(cè)維護(hù)和降低能源成本。

城市正在通過(guò)智能城市計(jì)劃實(shí)現(xiàn)連接，重點(diǎn)關(guān)注交通模式、天氣以及公共設(shè)施的功能，如照明、停車收費(fèi)，智能交通燈、建筑物、運(yùn)輸和廢物收集。這些舉措涉及部署高帶寬和對(duì)延遲敏感的應(yīng)用程序，從多個(gè)來(lái)源獲取信息。生成的數(shù)據(jù)在存儲(chǔ)在遠(yuǎn)程的集中式數(shù)據(jù)中心中時(shí)是無(wú)用的，它必須更接近交互點(diǎn)，這是邊緣計(jì)算能夠?qū)崿F(xiàn)的。例如，如果智能城市交通控制中心檢測(cè)到交通擁堵或事故，就可以使用該信息立即將延誤通知本地公共汽車時(shí)刻表，同時(shí)向游客推薦替代交通。

雖然醫(yī)療保健在采用邊緣計(jì)算功能方面發(fā)展較慢，但假設(shè)如果醫(yī)院病房?jī)?nèi)有多達(dá)20臺(tái)機(jī)器，并且來(lái)自這20個(gè)設(shè)備的數(shù)據(jù)可以放在一個(gè)儀表盤(pán)中，并與電子健康記錄(EHR)中的患者歷史相結(jié)合，這樣的吸引力是非常大的，能夠提供更好的實(shí)時(shí)醫(yī)療保健服務(wù)。這樣帶來(lái)的好處是等待結(jié)果的時(shí)間減少，并且醫(yī)院的就診的人數(shù)也有可能減少。

這不是邊緣和云之間的競(jìng)爭(zhēng)

在物聯(lián)網(wǎng)中，邊緣計(jì)算并不意味著云的消亡。相反，在最新的體系結(jié)構(gòu)中，它是一個(gè)在邊緣網(wǎng)關(guān)和云后端之間轉(zhuǎn)換功能的場(chǎng)景。這很可能是一個(gè)聚合模型，包括邊緣的隔離，以及數(shù)據(jù)和“節(jié)點(diǎn)”在邊緣的選擇性聚合的能力。

云計(jì)算將始終占有一席之地。例如，雖然許多物聯(lián)網(wǎng)設(shè)備需要在邊緣進(jìn)行實(shí)時(shí)決策，但企業(yè)可能需要對(duì)流程改進(jìn)和模型開(kāi)發(fā)進(jìn)行歷史分析。當(dāng)多個(gè)邊緣設(shè)備的數(shù)據(jù)可以集中組合在一起時(shí)，這就達(dá)到了最佳效果。它可以促進(jìn)互聯(lián)關(guān)系，從歷史分析中獲得的洞察力可以被推回到邊緣，以便支持物聯(lián)網(wǎng)的邊緣設(shè)備不斷發(fā)展，以做出更好的實(shí)時(shí)決策。因此，計(jì)算模型就變成了邊緣計(jì)算和云計(jì)算的結(jié)合，其中物聯(lián)網(wǎng)設(shè)備在邊緣實(shí)時(shí)操作，在邊緣收集和處理原始數(shù)據(jù)，并將元數(shù)據(jù)共享到云以進(jìn)行全面的歷史分析和持續(xù)的過(guò)程改進(jìn)。

安全性將繼續(xù)面臨挑戰(zhàn)

有爭(zhēng)議的是，邊緣計(jì)算有一些與云計(jì)算不同的數(shù)據(jù)安全性，因?yàn)檫吘壴O(shè)備上的數(shù)據(jù)不會(huì)通過(guò)易于攔截的網(wǎng)絡(luò)傳輸。但是，企業(yè)數(shù)據(jù)中心受制于完善的安全防御和安全程序，而邊緣計(jì)算則不然。由于將設(shè)備連接到互聯(lián)網(wǎng)上，以前在安全性方面默默無(wú)聞的攻擊站點(diǎn)變得更大。每個(gè)連接的傳感器和執(zhí)行器都代表了惡意軟件DDoS攻擊的潛在危害點(diǎn)。 2016年底發(fā)生的Mirai僵尸網(wǎng)絡(luò)攻擊就證明了這一點(diǎn)，在一次大規(guī)模分布式拒絕服務(wù)(DDoS)攻擊中，Mirai僵尸網(wǎng)絡(luò)攻陷了數(shù)十萬(wàn)個(gè)物聯(lián)網(wǎng)設(shè)備。任何考慮邊緣計(jì)算機(jī)會(huì)的公司、城市或設(shè)備構(gòu)建商都需要牢記安全性。