一、背景

        随着互联网的发展，我们进入了大数据时代，这个时代也是移动互联网的时代，而且这个时代，大量的线下服务走到线上，随之而来的，比如外卖、叫车……于是，有各种各样的 App 和设备在收集你的行为和数据。更加海量的数据源源不断的产生，并上传到云平台。

        这就给云提出了很大的挑战。一方面是极大地消耗有限的网络带宽资源；另一方面对于大数据处理的实时需求越来越成为刚需了，因为，如果不能实时处理、实时响应，那么怎么能跟得上这个快速的时代呢。这就好像一个人脸识别的功能。如果苹果手机的人脸识别需要到服务器上算，然后把结果返回，那么用户的体验就很糟糕了。这就是为什么苹果在手机里直接植入了神经网络的芯片，而我们知道网络的不确定因素很多，有可能导致不可控的延时。

        而且数据通常与物理实体关系密切。比如家庭监控摄像头中，家庭成员的肖像等视频信息是非常敏感的；而在工业场景中，很多数据是机密的。如果这些信息全部上传到云，会给用户带来很大的安全风险。

        所以，现在行业内已经开始尝试将云的部分计算服务，下沉到靠近数据发生地的“边缘节点”上进行，这就是边缘计算的由来。

二、什么是边缘计算？

        维基百科的定义：

        边缘运算（英语：Edge computing），又译为边缘计算，是一种分布式运算的架构，将应用程序、数据资料与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点来处理[1]。边缘运算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。边缘节点更接近于用户终端设备，可以加快资料的处理与发送速度，减少延迟。在这种架构下，资料的分析与知识的产生，更接近于数据资料的来源，因此更适合处理大数据。

        通俗地说：边缘计算本质上是一种服务，就类似于云计算、大数据服务，但这种服务非常靠近用户；为什么要这么近？目的是为了让用户感觉到刷什么内容都特别快。

三、边缘计算的好处

        怎么理解这种技术架构上的进化呢？你可以想一想，人体是如何处理各种感知信息的，是不是所有的信息都需要大脑来处理呢？

        大家都熟悉云计算，它有着许多的特点：有着庞大的计算能力，海量存储能力，通过不同的软件工具，可以构建多种应用，我们在使用的许多 APP ，本质上都是依赖各种各样的云计算技术，比如视频直播，电子商务。边缘计算脱胎于云计算，靠近设备侧，具备快速反应能力，但不能应付大量计算及存储的场景。这两者之间的关系，可以用我们身体的神经系统来解释。

        云计算能够处理大量信息，并可以存储短长期的数据，这一点非常类似于我们的大脑。大脑是中枢神经中最大和最复杂的结构，也是最高部位，是调节机体功能的器官，也是意识、精神、语言、学习、记忆和智能等高级神经活动的物质基础。人类大脑的灰质层，富含着数以亿计的神经细胞，构成了智能的基础。而具有灰质层的并不只有大脑，人类的脊髓也含有灰质层，并具有简单中枢神经系统，能够负责来自四肢和躯干的反射动作，及传送脑与外周之间的神经信息。我们在初中的生物中都学习到了膝跳反应，这就是脊髓反应能力的证据。

        边缘计算对于云计算，就好比脊髓对于大脑，边缘计算反应速度快，无需云计算支持，但低智能程度较低，不能够适应复杂信息的处理。而云计算负责需要大规模数据和复杂计算的数据分析工作，以及完成整体的协调和控制。

        在这里插入图片描述具体来说，将原有的云计算模型的部分计算任务迁移到网络边缘设备来；网络边缘设备（比如路由器、移动网络基站等），在数据源附近执行数据处理和数据分析任务。这样一来，就降低了云计算中心的计算负载，减轻海量数据了对于网络带宽的压力，提高了数据处理的效率。

        这里将边缘计算模型的好处，总结为四个方面：

        ● 延迟低。数据只需要从产生设备传输到边缘设备，传输距离短，数据不需要通过其他网络，网络延迟低。

        ● 节约了主干网带宽。缓解大量数据传输所造成的网络拥堵想象。尤其像一些银行的专有网络，本身带宽非常有限，只能用于传输关键性的数据。

        ● 计算可用性好。数据在网络中的路径长度显著变短，因网络波动引起的计算服务不可用情况将有所减少。

        ● 隐私性更好。由于边缘设备距离用户近，用户的隐私数据不再需要上传到云，因此，在边缘计算场景下，用户的隐私也可以得到更好的保护。

        ● 中心云的成本更低。

        在这个图中，我们可以看到，当需要处理的数据或是用户请求的规模越来越大时，我们的成本是呈现快速上升的曲线，而不是一个线性上升的成本关系。我们可以来算一下，根据行业内的经验，可以估计如下的投入：

        ● 几十万用户的公司，只需要处理百级 TPS 的量，只需要 10 台左右的服务器；

        ● 上百万用户的公司，只需要处理千级 TPS 的量，需要有 50 台左右的服务器；

        ● 上千万用户的公司，需要处理万级到十万级 TPS 的量，需要 700 台左右的服务器；

        ● 上亿用户的公司，其需要处理百万级 TPS 的量，需要上万台的服务器。

        可以看到，十万用户到上亿用户，也就多了 100 倍，为什么服务器需要 1000 倍？这完全不是呈线性的关系。

        这时因为，当架构变复杂了后，你就要做很多非功能的东西了，比如，缓存、队列、服务发现、网关、自动化运维、监控等。

        那么，我们不妨开个脑洞。如果我们能够把那上亿的用户拆成 100 个百万级的用户，那么只需要 5000 多台机器（100 个 50 台服务器的数据中心）。我们还是同样服务了这么多的用户，但我们的成本下降得很快。只不过，我们需要运维 100 个小数据中心。不过，相信我，运维 100 个 50 台服务器的小数据中心的难度应该远远低于运维一个 10000 台服务器的数据中心。

        好了，问题来了，什么样的业务可以这么做？我觉得有地域性的业务是可以这么做的，比如：外卖、叫车、共享单车之类的。

        然而，100 个 50 台服务器的小数据中心也会带来一些复杂的问题，因为当你的公司有 100 万用户的时候的业务形态和有 1 亿用户的业务形态是完全不一样的，1 亿用户的业务形态可能会复杂得多得多。也就是说，我们不可能在一个小数据中心只有 50 台服务器，因为那是百万用户的业务形态，只有几十个服务。当公司成长到上亿用户的规模时，可能会有上百个服务，50 台服务器是不够部署的。

        所以，上面那种多个数据中心的理想只存在于理论上，而实际上不会发生。但是，我们依然可以沿着这条路思考下去。我们不难发现，我们完全可以用边缘节点处理高峰流量，这样，我们的数据中心就不需要花那么大的成本来建设了。于是，到了边缘计算。

四、边缘计算的业务场景

        通过上面的案例分析，我觉得边缘计算一定会成为一个必然产物，其会作为以数据中心为主的云计算的一个非常好的补充。这个补充在我看来，其主要是做下面一些事情。

        ● 处理一些实时响应的业务。它和用户靠得很近，所以可以实时响应用户的一些本地请求，比如，某公司的人脸门禁系统、共享单车的开锁。

        ● 处理一些简单的业务逻辑。比如像秒杀、抢红包这样的业务场景。

        ● 收集并结构化数据。比如，把视频中的车牌信息抠出来，转成文字，传回数据中心。

        ● 实时设备监控。主要是线下设备的数据采集和监控。

        ● P2P 的一些去中心化的应用。比如：边缘结点作为一个服务发现的服务器，可以让本地设备之间进行 P2P 通讯。

        ● 云资源调度。边缘结点非常适合用来做云端服务的调度。比如，允许用户使用不同生产商的云存储服务，使用不同生产商但是功能相同的 API 服务（比如支付 API 相关）。因为是流量接入方，所以可以调度流量。

        ● 云资源聚合。比如，我们可以把语音转文字的 API 和语义识别的 API 相结合，聚合出来一个识别语音语义的 API，从而简化开发人员的开发成本。

        ● ……

五、边缘计算的几点思考

        ● 早已有之，新葫装旧酒，炒炒新概念：以前的 CS，后来的 BS，再后来的云和 APP，就是某种意义的边缘计算。服务端和终端各自承担一部分算力。过去的 CDN，现在的 VCDN 服务也是一种中心云计算能力下层到边缘节点能力的一种体现。这几年普遍存在的在家用路由器运行容器搭梯子翻墙，也算明显的云边协同。离开了网络离开了应用提供商，现在的电脑手机几乎没啥用，其实 PC，手机，智能路由，小米的智能家电就是边缘设备。只不过现在的边缘计算更多的是云计算出现后的概念，是相对于中心云的一种概念，云+边+端的概念，中心云有 Openstack，Kubernets 或自研平台，边缘云也采用专有边缘设备和边缘开源平台。中心云原生能力往边缘的下沉。

        ● 异构计算迎来大发展：FPGA 相对 ASIC 具有灵活编程的特点，相对于 CPU 以流水线运算周期为运算时间单位，FPGA 以时钟频率为运算时间单位 FPGA 有低时延专业性方向性强的特点，符合边缘计算的需求而大量应用在边缘迎来大发展。以 GPU，ARM，TPU 等大量应用在边缘在边缘计算上也会迎来大发展。

        ● serverless 会大量应用在边缘。

        ● 国内厂商中，阿里，华为会在边缘计算上胜出。

        ● 阿里的芯片设计的积累和优势，docker 的合作，以及在容器领域的开源项目之多，公有云市场优势，边缘计算和公有云联系紧密。

        ● 华为芯片设计的积累和优势，中国第一的研发能力和积累，最多标准，协议制定者。

        ● 边缘设备更多的服务 toB 业务

        ● 视频监控

        ● 智能制造，公共场所（办公，商场，交通，城市）

        ● AI（图像视频识别，自动驾驶）

        ● 个人继续用手机为智能终端连接到中心云和边缘云服务

        ● 边缘设备小型化和成本是主要考虑对象，所以以机架，服务器形式只能用在重资产的地方，以集成进 5G 基站，路由器，小型定制设备（类似工控机）的轻资产数量居多。

六、小结

        从云计算的发展趋势上来看，数据量的不断增大迫使边缘计算成为一个必然。大数据中心的成本问题，也需要通过边缘计算来降低。同时随着业务应用场景越来越多，对是性能的要求也越来越高，云计算的“云、边、端”架构（即中心云、边缘云、终端三部分）最终将会成为趋势。

参考资料

        ● [1]：《左耳听风》

        ● [2]：《物联网开发实战》

        ● [3]：https://zhuanlan.zhihu.com/p/59899560