智慧城市网

　　【中国安防展览网 企业关注】云计算自2005年提出之后，就开始逐步地改变我们的生活、学习、工作的方式。云计算使得公司能够在自己的物理硬件之外，通过远程服务器网络(俗称“云”)存储和处理数据以及其他的计算任务。
 

　　举个熟悉的例子，我们用云服务功能来备份智能手机中的数据，然后可以通过另一个联网设备，比如台式电脑，登陆账户连接到云，检索智能手机里的数据。信息不再受到智能手机或台式机的内部硬盘容量的限制。
 

　　简单来说，云计算是计算服务的集中化，以简单的形式利用共享数据中心基础设施和规模经济来降低成本。
 

　　近年来，云计算的整合和集中化性质被证明具有成本效益和灵活性，但物联网和移动计算的兴起给网络带宽带来了不小的压力。
 

　　特别是物联网的快速发展让我们进入了后云时代。在我们的日常生活中会产生大量的数据，其应用可能会要求极快的响应时间，数据的私密性等。
 

　　

　　如果把物联网产生的数据传输给云计算中心，将会加大网络负载，网路可能造成拥堵，并且会有一定的数据处理延时。同时，不是所有的智能设备都可以利用云计算来运行。因此，边缘计算应运而生。
 

　　有了云，为什么还要达到边缘？
 

　　在很多情况下，边缘计算和云计算是共生关系。有个形象的解释，把云计算和边缘计算比喻成章鱼的各器官，似乎更容易理解。作为自然界中智商高的无脊椎动物，章鱼拥有“概念思维”能力，与两个强大的记忆系统分不开。
 

　　一个是大脑记忆系统，大脑具有5亿个神经元，另一个是八个爪子上的吸盘。也就是说，章鱼的八条腿可以思考并解决问题。云计算就好比章鱼的大脑，边缘计算就类似于八爪鱼的那些小爪子，一个爪子就是一个小型的机房，靠近具体的实物。边缘计算更靠近设备端，更靠近用户。
 

　　随着物联网、虚拟现实、增强现实等技术的发展与应用，未来将会出现数据大爆炸的状况。完全依赖云计算来进行数据传输和处理，将会造成巨大的网络延迟。
 

　　搭配了分布式的边缘计算之后，通过智能路由等设备和技术，在不同设备之间传输数据可以有效减少网络流量，降低数据中心的负荷。例如，一列火车可能包含可以立即提供其发动机状态信息的传感器。在边缘计算中，传感器数据不需要传输到火车上或者云端的数据中心，来查看是否有什么东西影响了发动机的运转。

 

　　边缘计算将数据在边缘节点进行处理能够有效减少数据的传输和处理，但通过云计算的远程存储仍然至关重要。而边缘设备所涉及的另一项技术也很重要，它就是雾计算。边缘计算具体是指在网络的“边缘”处或附近进行的计算过程，而雾计算则是指边缘设备和云端之间的网络连接。换句话说，雾计算使得云更接近于网络的边缘。

 

　　还是火车的例子，传感器能够收集数据，但不能立即就数据采取行动。假设火车工程师想要了解火车车轮和刹车如何运行，他可以使用历史累计的传感器数据来预测零部件是否需要维修。
 

　　在这种情况中，数据处理使用边缘计算，但并不需要即时进行。而使用雾计算，短期分析可以在给定的时间点实现，并不需要完全返回到中央云。
 

　　边缘计算有多厉害？
 

　　知道了什么是边缘计算，那它究竟有哪些优势？
 

　　数据处理和分析更快速：

　　数据处理更接近数据来源，而不是在外部数据中心或云端进行，因此可以减少迟延时间。数据在整合、迁移等方面可以减少20倍的时间。例如在人脸识别领域，响应时间由900ms减少为169ms。
 

　　成本较低：

　　把部分计算任务从云端卸载到边缘之后，整个系统对能源的消耗减少了30%-40%。企业在本地设备的数据管理解决方案上的花费比在云和数据中心网络上的花费要少。
 

　　网络流量较少：

　　随着物联网设备数量的增加，数据生成继续以创纪录的速度增加。因此，网络带宽变得更加有限，让云端不堪重负，造成更大的数据瓶颈。
 

　　应用程序运行效率更快：

　　随着滞后减少，应用程序能够以更快的速度更地运行。
 

　　安全性更高：

　　由于边缘设备能够在收集和本地处理数据，数据不必传输到云端。因此，敏感信息不需要经由网络，这样要是云遭到网络攻击，影响也不会那么严重。
 

　　此外，边缘计算还能够让新兴联网设备和旧式设备之间实现互通。它将旧式系统使用的通信协议转换成现代联网设备能够理解的语言。这意味着传统工业设备可以无缝且地连接到现代的物联网平台。
 

　　边缘计算发展现状如何？
 

　　边缘计算市场仍然处于初期发展阶段。包括亚马逊、微软和谷歌在内的一些科技巨头都在探索“边缘计算”技术，这可能会引发下一场大规模的计算竞赛。
 

　　2017年，亚马逊携AWS Greengrass进军边缘计算领域。该服务将AWS扩展到设备上，这样它们就可以“在本地处理它们所生成的数据，同时仍然可以使用云来进行管理、数据分析和持久的存储”。

 

　　谷歌也不甘示弱，它在此前发布了两款新产品硬件芯片Edge TPU和软件堆栈Cloud IoT Edge，旨在帮助改善边缘联网设备的开发。
 

　　微软在这一领域也有一些大动作。该公司计划在未来4年在物联网领域投入50亿美元，其中包括边缘计算项目。微软发布了它的Azure IoT Edge解决方案，该方案“将云分析扩展到边缘设备”，支持离线使用。
 

　　阿里云在年初宣布2018年将战略投入边缘计算技术领域，并推出IoT边缘计算产品Link Edge，将阿里云在云计算、大数据、人工智能的优势拓宽到更靠近端的边缘计算上，打造云、边、端一体化的协同计算体系。

 

　　计划涉足边缘计算领域的并不只有这些巨头。随着联网设备越来越多地涌现，许多玩家都正在开发软件和技术来帮助边缘计算实现腾飞。惠普、华为、Scale Computing、英伟达、富士通和诺基亚、英特尔、IBM、思科等等都已在布局。
 

　　虽然亚马逊云服务AWS在公共云领域仍然占据主导地位，但谁将成为这个新兴的边缘计算领域的仍有待观察。
 

　　边缘计算面临哪些挑战？
 

　　编程可行性
 

　　在云计算平台编程是非常便捷的，因为云有特定的编译平台，大部分程序都可以在云上跑。但是边缘计算下的编程就会面临一个问题，平台异构问题，每一个网络的边缘都是不一样的，有可能是ios系统，也有可能是安卓或者linux等等，不同平台下的编程又是不同的。
 

　　技术碎片化
 

　　边缘侧技术体系的每个领域都有大量的技术选择，目前业界有超过6种以上的工业实时以太技术，超过40种工业总线，还有多种公私有云平台。技术碎片化给系统间的互联互通、数据价值的挖掘带来的巨大的挑战和成本。
 

　　数据抽象
 

　　在物联网环境中会有大量的数据生成，并且由于物联网网络的异构环境，生成的数据各种格式，把各种各样的数据格式化对边缘计算来说是一个挑战。同时，网络边缘的大部分事物只是周期性的收集数据，定期把收集到的数据发送给网关，而网关中的存储是有限的，他只能存储新的数据，因此边缘结点的数据会被经常刷新。