邊緣計(jì)算是對云計(jì)算的有效補(bǔ)充
 

實(shí)時(shí)或更快速的數(shù)據(jù)處理和分析。數(shù)據(jù)處理更接近數(shù)據(jù)來源，而不是在外部數(shù)據(jù)中心或云端進(jìn)行，因此可以減少延遲時(shí)間。例如，自動駕駛汽車創(chuàng)造了大量的實(shí)時(shí)數(shù)據(jù)，其中大部分?jǐn)?shù)據(jù)需要與鄰近的汽車共享，數(shù)據(jù)上傳到云端進(jìn)行計(jì)算，再下放到終端設(shè)備，數(shù)據(jù)傳輸?shù)难舆t時(shí)間是不能被接受的。利用邊緣計(jì)算設(shè)備，就能夠確保信息進(jìn)行快速處理并作出正確的反應(yīng)，同時(shí)把信息快速傳遞到其它車輛。
 

較低的成本。企業(yè)在本地設(shè)備的數(shù)據(jù)管理解決方案上的花費(fèi)比在云端和數(shù)據(jù)中心網(wǎng)絡(luò)上的花費(fèi)要少。
 

網(wǎng)絡(luò)流量較少。隨著聯(lián)網(wǎng)設(shè)備的增多，將會產(chǎn)生大量的實(shí)時(shí)數(shù)據(jù)，據(jù)IDC預(yù)測，到2020年，全球數(shù)據(jù)總量將大于40ZB，大量的數(shù)據(jù)要上傳到云端進(jìn)行計(jì)算，網(wǎng)絡(luò)傳輸壓力會越來越大，而邊緣計(jì)算的過程中，與云端服務(wù)器的數(shù)據(jù)交換并不多，只需要將少量的有效信息上傳到云端，因此不需要占用太多網(wǎng)絡(luò)帶寬。
 

更高的應(yīng)用程序運(yùn)行效率。隨著滯后減少，應(yīng)用程序能夠以更快的速度更高效的運(yùn)行。
 

可離線運(yùn)行并支持?jǐn)帱c(diǎn)續(xù)傳。減少對云端的依賴也意味著某些設(shè)備可以穩(wěn)定地在信號較弱，甚至沒有網(wǎng)絡(luò)服務(wù)的地區(qū)離線運(yùn)行;當(dāng)需要上傳數(shù)據(jù)時(shí)，只需要將設(shè)備移動到有信號覆蓋的區(qū)域，就可以將數(shù)據(jù)上傳到云端。例如在海洋中的石油鉆井平臺，正在空中飛行的飛機(jī)等場景，都是嚴(yán)重缺乏網(wǎng)絡(luò)服務(wù)地特定地區(qū)。
 

安全性和合規(guī)性。2018年5月歐盟通過《通用數(shù)據(jù)保護(hù)條例》(GDPR)，稱為史上最嚴(yán)格地?cái)?shù)據(jù)保護(hù)法律。由于數(shù)據(jù)地收集和計(jì)算都在本地進(jìn)行，敏感信息可以不經(jīng)過網(wǎng)絡(luò)傳輸?shù)皆贫?，能夠有效地避免傳輸過程中地?cái)?shù)據(jù)泄漏，同時(shí)云端遭到攻擊，一部分信息也會收到相應(yīng)的保護(hù)。
 

邊緣計(jì)算要依托云計(jì)算發(fā)展
 

物聯(lián)網(wǎng)中的設(shè)備產(chǎn)生大量的數(shù)據(jù)，數(shù)據(jù)都上傳到云端進(jìn)行處理，會對云端造成巨大的壓力，所以要分開處理。這時(shí)候，分布在各個節(jié)點(diǎn)的邊緣計(jì)算將負(fù)責(zé)自己范圍內(nèi)的數(shù)據(jù)計(jì)算和存儲工作。而對于應(yīng)用場景來說，這還遠(yuǎn)遠(yuǎn)不夠。
 

以自動駕駛為例，未來的計(jì)算模式是邊緣計(jì)算與云計(jì)算結(jié)合，邊緣側(cè)的自動駕駛專用芯片會感知傳感器數(shù)據(jù)并立刻處理、做決策;同時(shí)，這些處理之后的數(shù)據(jù)，也會在云端匯聚，進(jìn)行大數(shù)據(jù)分析、模型搭建和編輯，同時(shí)做大規(guī)模的仿真，進(jìn)行深度分析和機(jī)器學(xué)習(xí)，并對邊緣側(cè)設(shè)備進(jìn)行更新和升級，使邊緣側(cè)設(shè)備更智能。算法+芯片+云計(jì)算，構(gòu)成了未來自動駕駛的三大核心支點(diǎn)。
 

再以物聯(lián)網(wǎng)為例，阿里云發(fā)布的邊緣計(jì)算產(chǎn)品Link Edge。確實(shí)通過賦予家庭網(wǎng)關(guān)計(jì)算能力，即便是在斷網(wǎng)的狀態(tài)下，諸如生物識別門鎖、機(jī)器人等都能正常運(yùn)作。但是，如果加上云計(jì)算，基于云端的大數(shù)據(jù)分析和判斷，在聯(lián)動的前提下，整個家庭場景的智能設(shè)備將變得更為個性化和智能化，譬如關(guān)上門的時(shí)候，掃地機(jī)器人就開始運(yùn)作等等。
 

由此可以看出邊緣側(cè)設(shè)備在大數(shù)據(jù)處理，大數(shù)據(jù)存儲，應(yīng)用程序開發(fā)、機(jī)器學(xué)習(xí)和人工智能等方面的處理能力無法與云端相比。同時(shí)，在云端的應(yīng)用設(shè)計(jì)、開發(fā)、測試、部署、管理等功能是開發(fā)邊緣應(yīng)用的關(guān)鍵。
 

云計(jì)算無法被邊緣計(jì)算替代，二者相互補(bǔ)充協(xié)同
 

結(jié)合上面的例子可以看出，提供邊緣計(jì)算能力的設(shè)備主要在前端，負(fù)責(zé)數(shù)據(jù)的實(shí)時(shí)采集、計(jì)算和處理。但是，大多數(shù)的數(shù)據(jù)并不是一次性數(shù)據(jù)，那些經(jīng)過處理的數(shù)據(jù)需要在系統(tǒng)中進(jìn)行留存，用以做算法訓(xùn)練、數(shù)據(jù)驗(yàn)證等用途。這時(shí)候就需要一個大容量的“容器”，而這個是邊緣計(jì)算所沒有的。在這個“容器”中，這些數(shù)據(jù)將被存儲，用于大數(shù)據(jù)挖掘、算法訓(xùn)練、用戶個性化功能塑造等等，這些都是非實(shí)時(shí)需求，在完成這些操作之后將數(shù)據(jù)傳輸給終端設(shè)備，從而進(jìn)一步提升服務(wù)質(zhì)量。這個“容器”就是云計(jì)算，云計(jì)算做大數(shù)據(jù)分析挖掘、數(shù)據(jù)共享，同時(shí)進(jìn)行算法模型的訓(xùn)練和升級，升級后的算法推送到前端，使前端設(shè)備更新和升級，完成自主學(xué)習(xí)閉環(huán)。同時(shí)，這些數(shù)據(jù)也有備份的需要，當(dāng)邊緣計(jì)算過程中出現(xiàn)意外情況，存儲在云端的數(shù)據(jù)也不會丟失。
 

從整體來看，邊緣計(jì)算并不能代替云計(jì)算，也離不開云計(jì)算。未來，云計(jì)算將與邊緣計(jì)算形成一種互補(bǔ)、協(xié)同的關(guān)系，邊緣計(jì)算需要與云計(jì)算通過緊密協(xié)同才能更好的滿足各種應(yīng)用場景的需求。邊緣計(jì)算將主要負(fù)責(zé)那些實(shí)時(shí)、短周期數(shù)據(jù)的處理，負(fù)責(zé)本地業(yè)務(wù)的實(shí)時(shí)處理與執(zhí)行，為云端提供高價(jià)值的數(shù)據(jù);云計(jì)算通過大數(shù)據(jù)分析，負(fù)責(zé)非實(shí)時(shí)、長周期數(shù)據(jù)的處理，優(yōu)化輸出的業(yè)務(wù)規(guī)則或模型，下放到邊緣側(cè)，使邊緣計(jì)算更加滿足本地的需求，同時(shí)完成應(yīng)用的全生命周期管理。
 

如何實(shí)現(xiàn)協(xié)同依然存在較多困難點(diǎn)
 

云計(jì)算與邊緣計(jì)算在磨合中逐步走向協(xié)同發(fā)展，但是在當(dāng)前的形勢下，云計(jì)算與邊緣計(jì)算協(xié)同還面臨諸多挑戰(zhàn)。
 

連接協(xié)同。網(wǎng)絡(luò)是系統(tǒng)互聯(lián)與數(shù)據(jù)聚合傳輸?shù)幕?。伴隨聯(lián)接設(shè)備數(shù)量的劇增，網(wǎng)絡(luò)運(yùn)維管理、靈活擴(kuò)展和可靠性保障面臨巨大挑戰(zhàn)。同時(shí)，工業(yè)現(xiàn)場長期以來存在大量異構(gòu)的總線聯(lián)接，多種制式的工業(yè)以太網(wǎng)并存，如何兼容多種聯(lián)接并且確保聯(lián)接的實(shí)時(shí)可靠是必須要解決的現(xiàn)實(shí)問題。
 

數(shù)據(jù)協(xié)同。統(tǒng)一數(shù)據(jù)聯(lián)接和數(shù)據(jù)聚合是業(yè)務(wù)智能的基礎(chǔ)，面對當(dāng)前工業(yè)現(xiàn)場存在的多樣化與異構(gòu)的技術(shù)和標(biāo)準(zhǔn)，離不開跨廠商、跨領(lǐng)域的數(shù)據(jù)集成與互操作。
 

任務(wù)協(xié)同。任務(wù)的下達(dá)和反饋是實(shí)現(xiàn)引用場景功能的重要溝通手段，云端面對海量的邊緣側(cè)設(shè)備和復(fù)雜的應(yīng)用環(huán)境，如何能夠?qū)⑷蝿?wù)準(zhǔn)確完整的下達(dá)到邊緣側(cè);邊緣側(cè)設(shè)備通過邊緣計(jì)算后，如何將有效信息整合到任務(wù)中進(jìn)行反饋都是考驗(yàn)云邊協(xié)同能力的重要指標(biāo)。
 

管理協(xié)同。云邊協(xié)同的管理協(xié)同包含兩方面的內(nèi)容：一是云端如何對海量和異構(gòu)的邊緣側(cè)設(shè)備的接入進(jìn)行統(tǒng)一和有效的管理;二是如何對邊緣側(cè)設(shè)備和云端的應(yīng)用開發(fā)管理、生命周期管理、業(yè)務(wù)管理進(jìn)行協(xié)同，保證邊緣側(cè)設(shè)備和運(yùn)算能夠共同完成應(yīng)用場景的管理工作。
 

安全協(xié)同。安全橫跨云計(jì)算和邊緣計(jì)算，需要實(shí)施端到端防護(hù)。網(wǎng)絡(luò)邊緣側(cè)由于更貼近萬物互聯(lián)的設(shè)備，訪問控制與威脅防護(hù)的廣度和難度因此大幅提升。邊緣側(cè)的設(shè)備和產(chǎn)生的數(shù)據(jù)接入到云端的安全和隱私如何保證，云端如何抵御來自邊緣側(cè)的攻擊，云端下放到邊緣側(cè)的數(shù)據(jù)如何保證安全，這些都是安全領(lǐng)域需要關(guān)注的重點(diǎn)內(nèi)容。大部分應(yīng)用場景中，邊緣計(jì)算和云計(jì)算分屬不同的提供者，如何兼顧和協(xié)調(diào)邊緣側(cè)和云端的安全和隱私，同樣是云邊協(xié)同中的安全重點(diǎn)。
 

多方協(xié)同。邊緣計(jì)算和云計(jì)算協(xié)同應(yīng)用場景越來越多，越來越復(fù)雜，比如在車聯(lián)網(wǎng)應(yīng)用中，存在多種傳感器和采集器之間的協(xié)同、汽車之間的協(xié)同、汽車端與云端協(xié)同等環(huán)境將會越來越復(fù)雜。如何在同一應(yīng)用場景中實(shí)現(xiàn)云邊協(xié)同、邊邊協(xié)同、多邊協(xié)同等多方協(xié)同方案，也成為越來越需要著重考慮的問題;如何在統(tǒng)一不同應(yīng)用場景中的云邊協(xié)同、邊邊協(xié)同、多邊協(xié)同也是另一個重要的方面。同時(shí)，在運(yùn)營商層面，邊緣云與核心云、邊緣云與邊緣云之間如何協(xié)同也是運(yùn)營商關(guān)注的重點(diǎn)。