十年前云计算兴起，现在边缘计算崛起

近来有一个词“迅速走红”，大有十年前云计算兴起和发展的势头，它就是“边缘计算”。实际上和边缘计算相近的概念有很多，比如欧洲电信标准协会（ETSI）推动的MEC（移动边缘计算），主要面向电信运营商领域，去年ETSI把它扩展为多接入边缘计算（Multi-Access Edge Computing）；还有思科推出的“雾计算”，不难理解，云在高高的天上，而雾则接近地面；华为发起倡导的边缘计算产业联盟则面向行业市场，例如应用在制造、电力、交通等等行业领域。

虽然有不同的应用侧重，但他们的理念大体相同，总结起来说，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，就近提供智能互联服务，满足应用在业务实时、业务智能、数据聚合与互操作、安全与隐私保护等方面的关键需求。

也许有人问，边缘计算到底和云计算什么关系，它有哪些应用场景？今天我们就来做个“科普”。

边缘计算的技术特性

综合不同标准组织和产业联盟对边缘计算的定义，我们把它的技术特征总结为以下几个方面：

邻近性：由于边缘计算的部署非常靠近信息源，因此边缘计算特别适用于捕获和分析大数据中的关键信息，此外边缘计算还可以直接访问设备，因此容易直接衍生特定的商业应用。

低时延：由于移动边缘技术服务靠近终端设备或者直接在终端设备上运行，因此大大降低了延迟。这使得反馈更加迅速，同时也改善了用户体验，大大降低了网络在其他部分中可能发生的拥塞。

高带宽：由于边缘计算靠近信息源，可以在本地进行简单地数据处理，不必将所有数据或信息都上传至云端，这将使得网络传输压力下降，减少网络堵塞，网络速率也因此大大增加。

位置认知：当网络边缘是无线网络的一部分时，无论是WIFI还是蜂窝，本地服务都可以利用相对较少的信息来确定每个连接设备的具体位置。

分布性：边缘计算实际部署天然具备分布式特征。这要求边缘计算支持分布式计算与存储、实现分布式资源的动态调度与统一管理、支撑分布式智能、具备分布式安全等能力。

数据入口：边缘计算作为物理世界到数字世界的桥梁，是数据的第一入口，拥有大量、实时、完整的数据，可基于数据全生命周期进行管理与价值创造，将更好的支撑预测性维护、资产效率与管理等创新应用；同时，作为数据第一入口，边缘计算也面临数据实时性、确定性、多样性等挑战。

边缘计算与云计算的关系

也许有人产生疑问，边缘难道是要替代云计算？其实并不是，至少从目前来看，两者是协同的关系。

图片来源：边缘计算产业联盟

边缘计算和云计算的关系可以比喻为集团公司的地方办事处与集团总公司的关系。云计算把握整体，聚焦非实时、长周期数据的大数据分析，能够在周期性维护、业务决策支撑等领域发挥特长；边缘计算则专注于局部，聚焦实时、短周期数据的分析，能更好地支撑本地业务的实时智能化处理与执行。

因此，边缘计算与云计算互相协同，两者存在紧密的互动协同关系。边缘计算既靠近执行单元，更是云端所需高价值数据的采集单元，可以更好地支撑云端应用的大数据分析；反之，云计算通过大数据分析优化输出的业务规则也可以下发到边缘侧，边缘计算基于新的业务规则进行业务执行的优化处理。

边缘计算应用场景

边缘计算在电信运营商和行业领域都有极大的市场应用，边缘计算是5G的重要组成部分，也是推动行业数字化转型的重要技术。一些典型的应用场景包括：

例如针对运营商领域的移动视频QoS优化：目前LTE蜂窝网络所承载的视频内容和管道之间缺乏交互，用户体验很难达到最佳。一方面，由于无线侧信道和空口资源变化较快，难以动态调整应用层（HTTP/DASH）参数以适配无线信道的变化。同样，传统的TCP拥塞控制策略是针对有线环境设计的，也不能准确适应无线信道的变化。另一方面，eNB对应用层内容不可知，无法为不同类型的业务动态进行无线资源的调度，也不能为同一类型业务的不同用户提供差异化的QoS。

边缘计算平台可以通过北向接口获取OTT视频业务的应用层及TCP层信息，也可以通过南向接口获取RAN侧无线信道等信息（RNIS、Location Service等），进一步通过双向跨层优化来提升用户的感知体验，从而实现运营商管道的智能化。

在行业应用市场包括：

预测性维护：通过本地的边缘计算融合网关可以提供数据分析能力，第一时间发现设备潜在故障。同时提供本地存活，一旦与云端联接故障，数据可以本地保存，联接恢复后，本地收敛数据自动同步到云端，确保云端可以对每部电梯形成完整视图。

智能制造：边缘计算在工业系统中的具体表现形式是工业CPS系统，该系统在底层通过工业服务适配器，将现场设备封装成web服务；在基础设施层，通过工业无线和工业SDN网络将现场设备以扁平互联的方式联接到工业数据平台中；在数据平台中，根据产线的工艺和工序模型，通过服务组合对现场设备进行动态管理和组合，并与MES等系统对接。整个工业CPS系统能够支撑快速部署、设备替换和计划调整等应用的快速开发和上线。

此外，边缘计算的应用还包括车联网/自动驾驶、AR/VR、视频监控与智能分析、智慧水务等等领域。

边缘计算在智能运输车队的应用：实时调控车内湿度、温度与排气扇等

边缘计算案例

亚马逊公开发布了其边缘计算/IoT重要软件Amazon Greengrass，正说明了其正在向边缘计算领域迈进。它是一个为互联设备执行本地计算、消息收发和数据缓存的软件。借助AWS Greengrass，互联设备可以运行AWS Lambda函数、同步设备数据以及与其他设备安全通信–甚至无需连接互联网。AWS Greengrass可将AWS无缝扩展至设备，以便在本地操作其生成的数据，同时仍可将云用于管理、分析和持久存储。

中国移动和中国联通分别进行了相关测试，例如中国移动在上海的F1赛事赛场使用了MEC设备进行部署，为观众提供创新型沉浸式赛车体验的移动增值服务。对于现场观众而言，不仅看到的是飞驰而过的赛车，还可以在终端设备上多角度观看赛道上赛车运行的实时视频，甚至驾驶舱里驾驶员的表情动作。这样身临其境的体验得益于边缘计算的部署，根据实测数据，在现场实时直播的时间时延低达500毫秒，观众在智能手机、平板电脑等移动终端上，通过APP应用，可多角度、近乎零延迟的观看赛事，获得前所未有的逼真体验。如果用现在传统的直播方式，将服务器放在互联网上，然后再通过网络长距离地传输到现场，延时大概将近50秒，所以边缘计算在这种场景下的应用，对用户的体验而言是一种非常大的改善。

此外，英特尔、华为、中兴、诺基亚等公司都在相关行业领域对边缘计算进行了落地。毫无疑问，边缘计算正在发挥越来越大的价值和魅力。