一、背景
随着網際網路的發展，我們進入了大資料時代，這個時代也是移動網際網路的時代，而且這個時代，大量的線下服務走到線上，随之而來的，比如外賣、叫車……于是，有各種各樣的 App 和裝置在收集你的行為和資料。更加海量的資料源源不斷的産生，并上傳到雲平台。
這就給雲提出了很大的挑戰。一方面是極大地消耗有限的網絡帶寬資源；另一方面對于大資料處理的實時需求越來越成為剛需了，因為，如果不能實時處理、實時響應，那麼怎麼能跟得上這個快速的時代呢。這就好像一個人臉識别的功能。如果蘋果手機的人臉識别需要到伺服器上算，然後把結果傳回，那麼使用者的體驗就很糟糕了。這就是為什麼蘋果在手機裡直接植入了神經網絡的晶片，而我們知道網絡的不确定因素很多，有可能導緻不可控的延時。
而且資料通常與實體實體關系密切。比如家庭監控攝像頭中，家庭成員的肖像等視訊資訊是非常敏感的；而在工業場景中，很多資料是機密的。如果這些資訊全部上傳到雲，會給使用者帶來很大的安全風險。
是以，現在行業内已經開始嘗試将雲的部分計算服務，下沉到靠近資料發生地的“邊緣節點”上進行，這就是邊緣計算的由來。
二、什麼是邊緣計算？
維基百科的定義：
邊緣運算（英語：Edge computing），又譯為邊緣計算，是一種分布式運算的架構，将應用程式、資料資料與服務的運算，由網絡中心節點，移往網絡邏輯上的邊緣節點來處理[1]。邊緣運算将原本完全由中心節點處理大型服務加以分解，切割成更小與更容易管理的部分，分散到邊緣節點去處理。邊緣節點更接近于使用者終端裝置，可以加快資料的處理與發送速度，減少延遲。在這種架構下，資料的分析與知識的産生，更接近于資料資料的來源，是以更适合處理大資料。
通俗地說：邊緣計算本質上是一種服務，就類似于雲計算、大資料服務，但這種服務非常靠近使用者；為什麼要這麼近？目的是為了讓使用者感覺到刷什麼内容都特别快。
三、邊緣計算的好處
怎麼了解這種技術架構上的進化呢？你可以想一想，人體是如何處理各種感覺資訊的，是不是所有的資訊都需要大腦來處理呢？
大家都熟悉雲計算，它有着許多的特點：有着龐大的計算能力，海量存儲能力，通過不同的軟體工具，可以建構多種應用，我們在使用的許多 APP ，本質上都是依賴各種各樣的雲計算技術，比如視訊直播，電子商務。邊緣計算脫胎于雲計算，靠近裝置側，具備快速反應能力，但不能應付大量計算及存儲的場景。這兩者之間的關系，可以用我們身體的神經系統來解釋。
雲計算能夠處理大量資訊，并可以存儲短長期的資料，這一點非常類似于我們的大腦。大腦是中樞神經中最大和最複雜的結構，也是最高部位，是調節機體功能的器官，也是意識、精神、語言、學習、記憶和智能等進階神經活動的物質基礎。人類大腦的灰質層，富含着數以億計的神經細胞，構成了智能的基礎。而具有灰質層的并不隻有大腦，人類的脊髓也含有灰質層，并具有簡單中樞神經系統，能夠負責來自四肢和軀幹的反射動作，及傳送腦與外周之間的神經資訊。我們在國中的生物中都學習到了膝跳反應，這就是脊髓反應能力的證據。
邊緣計算對于雲計算，就好比脊髓對于大腦，邊緣計算反應速度快，無需雲計算支援，但低智能程度較低，不能夠适應複雜資訊的處理。而雲計算負責需要大規模資料和複雜計算的資料分析工作，以及完成整體的協調和控制。
具體來說，将原有的雲計算模型的部分計算任務遷移到網絡邊緣裝置來；網絡邊緣裝置（比如路由器、移動網絡基站等），在資料源附近執行資料處理和資料分析任務。這樣一來，就降低了雲計算中心的計算負載，減輕海量資料了對于網絡帶寬的壓力，提高了資料處理的效率。
這裡将邊緣計算模型的好處，總結為四個方面：
- 延遲低。資料隻需要從産生裝置傳輸到邊緣裝置，傳輸距離短，資料不需要通過其他網絡，網絡延遲低。
- 節約了主幹網帶寬。緩解大量資料傳輸所造成的網絡擁堵想象。尤其像一些銀行的專有網絡，本身帶寬非常有限，隻能用于傳輸關鍵性的資料。
- 計算可用性好。資料在網絡中的路徑長度顯著變短，因網絡波動引起的計算服務不可用情況将有所減少。
- 隐私性更好。由于邊緣裝置距離使用者近，使用者的隐私資料不再需要上傳到雲，是以，在邊緣計算場景下，使用者的隐私也可以得到更好的保護。
- 中心雲的成本更低。
我們再來看看雲的成本，當一個公司需要支援幾十萬使用者的時候，并沒有什麼感覺。當他們要支撐上千萬乃至上億使用者的時候，我們就會發現，一個幾十萬使用者的系統架構和一個支撐上千萬使用者的架構，在成本上來說，完全不是一個數量級的。
在這個圖中，我們可以看到，當需要處理的資料或是使用者請求的規模越來越大時，我們的成本是呈現快速上升的曲線，而不是一個線性上升的成本關系。我們可以來算一下，根據行業内的經驗，可以估計如下的投入：
- 幾十萬使用者的公司，隻需要處理百級 TPS 的量，隻需要 10 台左右的伺服器；
- 上百萬使用者的公司，隻需要處理千級 TPS 的量，需要有 50 台左右的伺服器；
- 上千萬使用者的公司，需要處理萬級到十萬級 TPS 的量，需要 700 台左右的伺服器；
- 上億使用者的公司，其需要處理百萬級 TPS 的量，需要上萬台的伺服器。
可以看到，十萬使用者到上億使用者，也就多了 100 倍，為什麼伺服器需要 1000 倍？這完全不是呈線性的關系。
這時因為，當架構變複雜了後，你就要做很多非功能的東西了，比如，緩存、隊列、服務發現、網關、自動化運維、監控等。
那麼，我們不妨開個腦洞。如果我們能夠把那上億的使用者拆成 100 個百萬級的使用者，那麼隻需要 5000 多台機器（100 個 50 台伺服器的資料中心）。
我們還是同樣服務了這麼多的使用者，但我們的成本下降得很快。隻不過，我們需要運維 100 個小資料中心。不過，相信我，運維 100 個 50 台伺服器的小資料中心的難度應該遠遠低于運維一個 10000 台伺服器的資料中心。
好了，問題來了，什麼樣的業務可以這麼做？我覺得有地域性的業務是可以這麼做的，比如：外賣、叫車、共享單車之類的。
然而，100 個 50 台伺服器的小資料中心也會帶來一些複雜的問題，因為當你的公司有 100 萬使用者的時候的業務形态和有 1 億使用者的業務形态是完全不一樣的，1 億使用者的業務形态可能會複雜得多得多。也就是說，我們不可能在一個小資料中心隻有 50 台伺服器，因為那是百萬使用者的業務形态，隻有幾十個服務。當公司成長到上億使用者的規模時，可能會有上百個服務，50 台伺服器是不夠部署的。
是以，上面那種多個資料中心的理想隻存在于理論上，而實際上不會發生。但是，我們依然可以沿着這條路思考下去。我們不難發現，我們完全可以用邊緣節點處理高峰流量，這樣，我們的資料中心就不需要花那麼大的成本來建設了。于是，還是到了邊緣計算。
四、邊緣計算的業務場景
通過上面的案例分析，我覺得邊緣計算一定會成為一個必然産物，其會作為以資料中心為主的雲計算的一個非常好的補充。這個補充在我看來，其主要是做下面一些事情。
- 處理一些實時響應的業務。它和使用者靠得很近，是以可以實時響應使用者的一些本地請求，比如，某公司的人臉門禁系統、共享單車的開鎖。
- 處理一些簡單的業務邏輯。比如像秒殺、搶紅包這樣的業務場景。
- 收集并結構化資料。比如，把視訊中的車牌資訊摳出來，轉成文字，傳回資料中心。
- 實時裝置監控。主要是線下裝置的資料采集和監控。
- P2P 的一些去中心化的應用。比如：邊緣結點作為一個服務發現的伺服器，可以讓本地裝置之間進行 P2P 通訊。
- 雲資源排程。邊緣結點非常适合用來做雲端服務的排程。比如，允許使用者使用不同生産商的雲存儲服務，使用不同生産商但是功能相同的 API 服務（比如支付 API 相關）。因為是流量接入方，是以可以排程流量。
- 雲資源聚合。比如，我們可以把語音轉文字的 API 和語義識别的 API 相結合，聚合出來一個識别語音語義的 API，進而簡化開發人員的開發成本。
- ……
五、邊緣計算的幾點思考
- 早已有之，新葫裝舊酒，炒炒新概念：以前的 CS，後來的 BS，再後來的雲和 APP，就是某種意義的邊緣計算。服務端和終端各自承擔一部分算力。過去的 CDN，現在的 VCDN 服務也是一種中心雲計算能力下層到邊緣節點能力的一種展現。這幾年普遍存在的在家用路由器運作容器搭梯子翻牆，也算明顯的雲邊協同。離開了網絡離開了應用提供商，現在的電腦手機幾乎沒啥用，其實 PC，手機，智能路由，小米的智能家電就是邊緣裝置。隻不過現在的邊緣計算更多的是雲計算出現後的概念，是相對于中心雲的一種概念，雲+邊+端的概念，中心雲有 Openstack，Kubernets 或自研平台，邊緣雲也采用專有邊緣裝置和邊緣開源平台。中心雲原生能力往邊緣的下沉。
- 異構計算迎來大發展：FPGA 相對 ASIC 具有靈活程式設計的特點，相對于 CPU 以流水線運算周期為運算時間機關，FPGA 以時鐘頻率為運算時間機關 FPGA 有低延遲時間專業性方向性強的特點，符合邊緣計算的需求而大量應用在邊緣迎來大發展。以 GPU，ARM，TPU 等大量應用在邊緣在邊緣計算上也會迎來大發展。
- serverless 會大量應用在邊緣。
- 國内廠商中，阿裡，華為會在邊緣計算上勝出。
- 阿裡的晶片設計的積累和優勢，docker 的合作，以及在容器領域的開源項目之多，公有雲市場優勢，邊緣計算和公有雲聯系緊密。
- 華為晶片設計的積累和優勢，中國第一的研發能力和積累，最多标準，協定制定者。
- 邊緣裝置更多的服務 toB 業務
- 視訊監控
- 智能制造，公共場所（辦公，商場，交通，城市）
- AI（圖像視訊識别，自動駕駛）
- 個人繼續用手機為智能終端連接配接到中心雲和邊緣雲服務
- 邊緣裝置小型化和成本是主要考慮對象，是以以機架，伺服器形式隻能用在重資産的地方，以內建進 5G 基站，路由器，小型定制裝置（類似工控機）的輕資産數量居多。
六、小結
從雲計算的發展趨勢上來看，資料量的不斷增大迫使邊緣計算成為一個必然。大資料中心的成本問題，也需要通過邊緣計算來降低。同時随着業務應用場景越來越多，對是性能的要求也越來越高，雲計算的“雲、邊、端”架構（即中心雲、邊緣雲、終端三部分）最終将會成為趨勢。
參考資料：
- [1]：《左耳聽風》
- [2]：《物聯網開發實戰》
- [2]： https://zhuanlan.zhihu.com/p/59899560