5G的大潮正在涌来,数百倍于4G的传输速度,正在酝酿着颠覆的起手势,过往受制于网络传输速度的技术限制而仅存概念创新阶段抑或是掣肘于瓶颈技术而无法实现的智能终端产品正借由这股东风争先落地。

根据IDC的数据统计,至2020年全球将有超过500亿的终端和设备联网,由于个人、企业乃至于各个行业在这一轮变革中因为物联化智能终端产品的应用,将导致网络边缘侧的数据量几乎每天都在破纪录地增长。

集中式的云计算技术架构正在日益受到挑战,云中心虽然具备强大地算力资源去处理海量的数据,但网络带宽无论怎样拓展都存在阶段性的边界值,带宽资源的既定性与日益倍增地边缘侧海量数据的传输需求始终是一个不断消长的矛盾体,另一方面云计算对于数据地处理也需要一定地时间,由此而生的时延性问题也是诸多应用场景所不能接受的。

换句话说,云计算是未来包括5G时代应用更加广泛、贡献更加突出的一种解决方案,但是,它解决不了所有的问题,尤其是伴随着巨量终端的联网带来的边缘侧数据的爆发式增长,使得数据在边缘侧的分析处理和存储的需求尤为明显,云计算需要一个可以帮他解决这个问题的伙伴,共同为5G时代的万物互联做好基础准备。

一、国王的烦恼、章鱼与边缘计算

让我们来看看几个实际地落地应用场景可能遇到的问题:

随着智能家居系统的普及,围绕家庭日常生活的数据将被系统实时采集和监测,如何保证这些数据的隐私性和安全性?在无人驾驶的场景中,车载传感器获取的大量环境数据流,如果全部上传再由中央节点处理下发,造成的延时反馈将如何解决?对于某些企业来说,提供连续的业务服务至关重要,如果遭遇网络问题或者恶意攻击造成的故障,即使时间再短也可能造成非常严重的损失,这将如何避免?

可能边缘计算是一位可以解决这些问题的小伙子,如何理解边缘计算,从一个故事开始:

其实这很像一个国家的行政体系,假设王国A是一个幅员辽阔的国家,拥有广袤的土地和众多的子民,起初王国A的国王成立了一个强大的中央集权体制,为了配合这个体制的运营,国王将全国优秀的人才选拔出来网罗至首都并成立一个可以处理全国大小事务的行政机构——中央事务局,于是国王规定全国无论大小事务必须呈报至该机构,通过中央事务局进行决策、审判和处理,处理结果再通过行政体系下发执行。

渐渐地,国王发现民怨四起,百姓抱怨一起纠纷短则数周,长达数月才能得到官府的裁决,处理事务的官员解释道:事务从地方呈报上来的路程很久要花一些时间,事务官处理事情也需要一些时间,处理结果传达至地方有又需要花一点时间,距离首都近的地方还好,距离首都较远的地方,因为路程的原因,收到并返回处理结果的时间要很久。而且各地事情不断呈报上来,机构虽然拥有众多的事务官可面对全国的事务量依然力不从心。

国王召集大臣,商量此事应如何解决,最后一位大臣提出了一个解决方案:将国家划分为一个个较小的行政区域,每个行政区域设立一个事务处理机构——地方事务局,所有该行政区的大小事务只需呈报至该机构进行处理即可,于是所有大小事务都可以得到就近解决,百姓的诉求很快就得到了处理结果,而地方事务局仅将处理结果和自己无权限决策的事务上报中央事务局即可。这样百姓的事务处理诉求就可以就近得到地方事务局的即时响应,疏导并分摊了中央事务局的处理量。某种程度上来说,这个故事就是边缘计算的运行原理。

很多人用章鱼来做比较,无脊椎动物中章鱼的智商最高,巨量的神经元中60%分布于八条腿上、40%分布于脑部,行动时动作之灵巧很大程度在于腕足之间的高度配合,而这种敏捷性来源于这种神经元的慷慨分布,使得各个腕足拥有一定程度的环境感知和处理能力,而不必经由触角将感知信息传送至脑部再进行处理反馈,这样对于章鱼来说,每个腕足都相当于一个拥有算力资源的边缘节点用于处理该腕足所感知的环境信息,而它的大脑则对八个腕足进行整体协调。而这种脑群系统类似于分布式计算,而边缘计算就是一种分布式计算。

从上面的例子我们可以总结出边缘计算的一个最重要的特性,一种靠近末端数据源的计算节点,可在末端即时的完成数据的分析、处理和控制反馈,智能化地处理本地业务而无需经由云端网络进行决策反馈,大大提高了边缘侧地自主事务处理能力,实现即时化、智能化。

那么我们来了解一下官方定义根据边缘计算产业联盟白皮书的定义,边缘计算是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台,就近提供边缘智能服务,满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

二、边缘计算的基本属性 1. 第一入口

由定义我们得知,边缘计算是本身就部署于数据源的网络边缘测,是数据上传地第一个关口结点,某种程度上可以看作为分布于现实世界的物理终端通向虚拟数字世界的介质或者桥梁,是物理世界终端数据源的第一入口。

2. 联结性

联接是边缘计算的基础。特定应用场景下,保证各种物理终端之间的互联互通并进一步实现联动操作是边缘计算的应用基础。

物理世界的联接对象本身就是丰富多样地,存在于不同的异构环境中,这些异构环境对应存在着不同的网络接口、网络协议、网络部署与配置等,并产生完全不同的数据格式,而这些天然差异化地数据标准和源头都是需要边缘计算实现广泛地兼容,实现数据接收感知后地归一化处理,从而实现广泛地联接。

3. 约束性

每一个行业都有自己的生产体系,结合不同的客户群体对接不同的用户需求都有自己特定应用场景,终端和场景的差异本就是天然存在,换句话说,边缘计算作为一种解决方案是普世适用可赋能于各行,但落地于不同的行业特性和应用场景是在客观上是需要边缘计算必须根据不同的条件和运行环境进行针对性的适配,以满足各项现实性的约束条件,支持多样化的行业应用场景。

4. 分布性

边缘计算的实际部署天然具备分布式的特点,这就要求边缘计算支持分布式计算与存储,并且能支持分布式资源的动态调度与统一管理。

5. 融合性

OT与ICT的融合是行业数字化转型的重要基础,边缘计算是多领域融合发展的重要途径,需要支持包括联接、数据、管理、控制、应用等方面的协同。

三、边缘计算的“CROSS”价值 1. Connection(联接的海量与异构)

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,生成的数据是各种格式的,把各种各样的数据格式化对边缘计算来说是一个挑战,如何化解和整合物理终端的差异,实现异构状态下的数据整合和共通,是一切的开始。

5G时代下万物互联,作为组成这张大网的联接结点从数量层面是海量的,从种类层面是多样的,不同的物理终端对应不同的应用场景。

2. Real-time(业务实时性)

在即时性要求较高的行业领域,譬如无人驾驶、VR/AR以及工业系统的控制、执行等,如果所有的数据经由云端进行处理分析并下发,很难满足这些场景的实时性要求,而边缘计算使得数据能够在最近地边缘结点进行处理,减少与云端之间的数据传输需要。边缘计算可在本地处理和存储关键数据,本地化数据处理和存储对于计算网络的压力较小,推送到云的数据量减少时延迟的可能性就会降低。

例如“城市大脑”中利用摄像头等传感器以及物联网设备进行城市的监管和治理,在大量摄像头接入网络时,由于每个摄像头都在进行着高码率的实时直播,不适合全部即时上传至中心云,最好的解决方案就是在各个街道部署边缘计算结点,自行完成对实时原始数据的处理和结构化运算。

3. Optimization(数据的优化)

工业应用场景与物联网末端存在多样化地海量异构数据,这就必须通过数据优化手段完成这些数据地聚合、数据地统一呈现于开放,从而进一步服务于边缘应用。

4. Smart(应用的智能性)

边缘计算可以在边缘侧通过引入数据分析和业务自动化处理能力从而智能化的处理本地业务逻辑,极大地提升了系统地反应效率,降低成本,尤其在预测性维护等应用方面成效显著。例如电梯的预测性维护,通过电梯故障的自检和预警,大大减少人力的巡检成本。

5. Security(安全与隐私保护)

由于网络边缘侧更贴近于万物互联的终端设备,边缘计算接收着源源不断地第一手数据流,大量的生产数据和个人隐私信息都将汇入边缘结点,保证这些数据信息的安全则是边缘计算首先要解决的问题。

而这种安全性地除了上述所说的敏感信息的关键数据安全还包括终端设备安全、网络安全、数据安全与应用安全等。

而这种安全性地边缘计算可在本地处理和存储关键数据,数据不必存储至云端,因此敏感信息不需要经由网络,进一步确保数据的安全性和隐私性,降低被恶意攻击的影响程度。

比如,苹果春季发布会宣布进军流媒体之后强调所有的个性化推荐都会在本机运算完成,而不会上传至苹果服务器,这就是边缘计算在安全与隐私保护方面的有效应用。

四、边云协同

边缘计算与云计算在实际地场景中应作为互相补充的解决方案,二者各有所长,不存在替代关系。云计算擅长进行全局性、非即时、长周期地大数据处理能力,能够在宏观层面进行长周期地调度和维护,对于系统层面整体业务决策提供强大地支撑作用。边缘计算适合于局部地、实时地、短周期地数据分析和处理,能够非常好地支撑本地业务地智能决策化。

5G时代下地万物互联,实际地应用场景更多地需要边缘计算于云计算进行紧密协同,也基于此才能使得组合后地“边云协同”整体价值远远大于边缘计算和云计算在场景中独自落后地局部价值。边缘计算因为其部署于末端地执行单元,这些执行单元恰恰是云端所需要地高价值地数据采集单元,由执行单元产生地数据则是云端进行大数据分析应用地基础。而云计算通过大数据优化输出地业务规则也可以下发到边缘侧,边缘计算基于新地业务规则进行业务执行地优化处理。

让我们来看看在工业场景中,“边云协同”所释放地数据价值。工业生产过程中高频数据采集,往往会对网络传输、平台存储与计算处理等方面带来性能和成本上的巨大压力,在边缘层进行数据的预处理和缓存,正成为主要平台企业的共同做法。

一是在边缘层进行数据预处理,剔除冗余数据,减轻平台负载压力。

二是利用边缘缓存保留工业现场全量数据,并通过缓存设备直接导入数据中心,降低网络使用成本。

在工业场景中,通过将计算能力下放到更为靠近物或数据源头的网络边缘侧,一方面利用边缘层直接运行实时分析算法,二是通过边缘与云协同,实现模型不断成长和优化,从而让边缘分析技术增强平台实时分析能力。

边缘计算产业联盟(ECC)与工业互联网产业联盟(AII)计划联合发布《边云协同白皮书》中将边云协同地主要应用场景分为六种,包括物联网边缘计算、工业边缘计算、智慧家庭边缘计算、广域接入网络边缘计算、边缘云、多接入边缘计算,它们又分别对应了六大边云协同主场景:物联网边云协同、工业边云协同、智慧家庭边云协同、广域接入网络边云协同、边缘云边云协同、MEC边云协同,以及十四种边云协同子场景。

当然,边云协同的能力与内涵落地到各应用场景时其具体能力与关注点又会有所不同,因为每种边缘计算业务形态对于与云计算协同的业务需求不尽相同。比如在IoT系统控制子场景下,更多关注时延的敏感性和确定性以及数据的隐私性,映射到对于边缘协同的关注点上,就会涉及资源协同、业务管理协同、应用管理协同和服务协同。

结语

5G将使得物联网更加泛化,在汽车领域,物联网与汽车网络相结合,形成解放人类双手的自动化驾驶;在家居领域,物联网使各类家居智能化,为人们生活提供便利;在工业领域,物联网广泛应用于工业控制系统中,为生产流程提高效率。

随着技术的进步和人们消费水平的提高,物联网的“泛化”有望呈现进一步扩张的态势,从而产生更多的应用领域,而匹配物联网大发展的边缘计算将更多地被应用。

推荐内容