智慧城市网

 

　　2016年，华为与中科院沈阳自动化研究所、信通院、英特尔、ARM、软通动力联合发起边缘计算产业联盟(ECC)，旨在推动OT和ICT产业开放协作，助力端到端产业协同合作。
 

　　到2019年，华为又在1月份的第二届欧洲边缘计算论坛上，与超过16家合作伙伴联合建立欧洲边缘计算产业联盟(ECCE)，希望能够支持欧洲及世界各地的大中小型企业采用边缘计算技术。
 

　　还有业内的“章鱼”比喻，以及其这几年在安防、制造、物联网等领域铺开的解决方案，华为用各方面的行动证明其在边缘计算这件事上的坚定态度。而这种战略，当然不是*。
 

　　一、为什么要把计算转移到边缘
 

　　首先要考虑的现实问题：为什么科技企业都争先在边缘计算抢赛道？主要是因为物联网带来的海量数据。换句话说，随着物联网设备总量的增加，对物联网设备的依赖，对处理速度的需要，云的采用程度的增加和网络压力的增加，导致我们迫切需要在数据源头一侧，更快处理更多数据。

 

　　二、边缘计算、雾计算、移动边缘计算……
 

　　除去边缘计算，我们还听说过雾计算、移动边缘计算，如何区分它们之间的异同呢？
 

　　图片来源：IntelligentThings

 

　　移动边缘计算(MEC)：
 

　　在移动网边缘提供IT服务环境和云计算能力，这是欧洲电信标准化协会ETSI对MEC的标准定义。把边缘计算整合到移动网络架构，利用无线接入网络就近提供移动终端所需服务和云端计算功能，从而创造出一个具备高性能、低延迟与高带宽的电信级服务环境，这就是广泛意义上移动边缘计算的概念及意义。
 

　　图：MEC基本架构 来源：广证恒生

 

　　尤其在5G时代，增强现实、视频加速、车联网等等，都将是MEC可以提供服务的场景。运营商和ICT解决方案供应商，将是应用移动边缘计算的主要力量。
 

　　移动云计算(MCC)：
 

　　如果将移动边缘计算(MEC)比喻为往边缘放台服务器的话，往其他任何部分放台服务器，就是移动云计算(MCC)。这是因为受到能量、存储、计算资源等的限制，在移动设备以外的地方进行资源部署，要比在本地执行更加灵活。
 

　　也就是说，MCC负责提供必要的计算资源，支撑这些靠近终端用户的移动应用程序在远程执行。而这些轻量级的云服务器，通常被称为“小云片”(cloudlet)。
 

　　雾计算(Fog computing)：
 

　　雾计算由思科提出，通过在终端和数据中心之间增加一些带有存储器的小服务器、路由器或其他网络组件，形成一个具备数据处理和存储能力的中间层，既可以覆盖在边缘网络，也可以拓展到核心网。雾计算可以理解为本地化的云计算，具备分散性，能够降低时延、提升效率、节省能耗。
 

　　因为雾计算需要依赖具备计算能力的网络设备，以思科为代表的网络设备商更加倾向这一领域。
 

　　边缘计算：
 

　　边缘计算指的是接近于事物、数据和行动源头处的计算。进行边缘计算的载体，可以是具有专项处理能力的物联网终端，具有一定运算能力的网关或路由器，或者是具有较强运算能力的部署于场景一侧的服务器。
 

　　与雾计算将边缘计算活动转移到连接LAN或LAN硬件本身的处理器相比，边缘计算处理能力更靠近数据源，更有利于实时分析。
 

　　小结：云计算是集中化的，离设备终端和用户太远，边缘计算、雾计算、移动边缘计算这些技术形式则将其中距离缩小，以便进行实时计算。所以即便不同厂商选择了不同的名称词汇，有不同的侧重点，但它们的本质始终保持一致，即更快更地执行通常在云中执行的计算任务。
 

　　三、边缘计算的应用场景
 

　　我们可以想象，无论物联网场景多么碎片化，边缘侧都越来越需要数据处理与分析能力，方便在物联网部署中形成更简单的架构和更灵敏的系统。
 

　　工业互联网
 

　　场景特点及难点：
 

　　1. 工业现场十分复杂。各种“哑设备”，各种通信协议，导致在实现网络通信协议的相互转换、互联互通，以及异构网络部署与配置、网络管理与维护等方面存在巨大挑战。
 

　　2. 实时性与可靠性要求十分严格。在某些场景下，时延要求甚至在10ms以内。
 

　　推广边缘计算的两种思路：
 

　　1. 将传统的集中式数据中心演化成小的数据中心部署在网络边缘侧，为工业用户提供按需的计算能力，打造边缘云。
 

　　2. 通过对工业现场设备的升级改造，打造具有计算能力、可为第三方服务应用提供开放接口的边缘设备。
 

　　自动驾驶
 

　　场景特点及难点：
 

　　1. 环境复杂且不断变化，对时延和可靠性要求极高；

　　2. 为了保持车与车之间和车与路边单元间的通信，数据处理和存储量极大。
 

　　推广边缘计算的主要思路：在基站、路边单元等靠近车辆的边缘通信设备上部署边缘计算，来完成本地端的数据处理、加密和决策。
 

　　推广边缘计算的关注要点：
 

　　1. 考虑移动特点，降低车辆与路边设备频繁信息交互的不稳定性；

　　2. 降低移动边缘计算带来的设备前端与后端的功耗；

　　3. 尽量减少基础设施的部署费用。
 

　　智慧城市
 

　　场景特点及难点：传感器众多，场景丰富，数据量巨大。
 

　　推广边缘计算的思路：
 

　　无论是一栋楼的联网电梯，一个路口的安防摄像头，还是一整条街的智慧路灯，都可以接入边缘计算技术。加强端侧智能，接入边缘网关，构建云边端协同，边缘市场能做的实在有很多。
 

　　小结：无论是在哪个场景，边缘计算所面临的挑战难点基本类似，比如要加强技术演进，要落地更多实际应用，以及推动有关的标准制定，更多的安全保障等等。