2.1　邊緣云計算的起源

第1章已介紹過，從整體的IT 格局來看，信息化系統大致經歷了三個大平臺，從大型機時代到開放式系統和x86的興起，最后走到CAMS（云計算、大數據、移動互聯、社交網絡）。在這個過程中，企業產生的數據量在不斷增加，同時應用場景要求的時延則越來越低。在數字化轉型上，最初從聚焦企業的ERP 系統，轉換到直接幫助生產的邊緣系統，信息量規模不斷增大，要求處理后數據的返回時延越來越低。原來的信息化系統主要滿足ERP 等傳統業務的需求，但是現在信息化更多的是要滲透到具體的生產中，不再是一個原來的輔助系統。

在以前，邊緣側對待數據無非做這4件事情：數據采集、簡單的數據格式化、數據壓縮、數據傳輸。以一個邊緣側的應用為例，用戶在購物時，需要在終端購物APP 中輸入商品信息，即為最初的數據采集。隨后，APP 將按照購物軟件的要求對采集到的數據進行格式化處理，轉換成符合應用的數據格式。當與商家進行交流時，如果涉及圖片等數據量較大的信息，APP 將會對內容進行壓縮，最后將處理好的數據傳輸到商家服務器端。這是在沒有邊緣計算時的一個典型邊緣側應用，在面向個人用戶時，對數據傳輸的準確性和網絡時延要求不高，即使在傳輸過程中出現少量的丟包或者時延高了零點幾秒，對用戶的應用影響也不大，是盡力而為的應用。但是在邊緣計算時代，如遠程醫療手術場景下，些許的時延將造成很嚴重的后果。

邊緣計算是在實際應用場景驅動下發展起來的。隨著多種業務應用的發展，對時延性能的要求越來越高。如果將所有的計算均集中到云數據中心處理，將導致非常高的時延，為了應對業務發展的需求，需要將云數據中心要處理的業務下沉至網絡邊緣，這促進了邊緣計算的發展，即IT 基礎設施的合久必分。邊緣能力的增強，使得原來的數據采集、格式化、壓縮、傳輸4項基本要求在性能上得到了提升。

在講邊緣計算起源之前，我們先對邊緣計算、霧計算、云計算的關系進行澄清。邊緣云計算是邊緣計算和云計算的結合。霧計算可被認為是云計算的子集，其初衷是為了將計算能力下沉至網絡邊緣，在靠近數據源頭的位置進行部分數據處理，實現處理時延的降低、減少發送到云端的數據量等。而邊緣計算在眾多IoT 垂直領域，如工業、智慧城市、石油、天然氣等，通常被認為是一種成熟的技術，主要用于提供控制功能。目前，對于邊緣計算和霧計算的概念區分日漸模糊。邊緣計算可以看作霧計算的一個子集，其與霧計算最本質的區別在于邊緣計算更貼近數據源頭，在承擔應用功能方面相對簡單。圖2-1表示了邊緣計算、霧計算和云計算之間的關系，可以看出它們在功能上的重疊。

邊緣計算通常使用嵌入式設備，主要用于少量的設備感知和服務感知，但無法感知到整個域的設備狀態，也沒有物聯網的垂直感知和整合，而安全范圍與數據分析范圍僅限于單個設備。霧計算的計算和感知范圍較邊緣計算的范圍要廣。霧計算使用嵌入式設備，同時也使用物理機和虛擬機承載用于實時控制的軟PLC（可編程邏輯控制器）。霧節點能夠為應用程序提供虛擬化環境，支持豐富的虛擬化，在邊緣提供數據分析和故障檢測服務。霧計算將云計算連續擴展到霧級別，擁有完整的網絡，可感知整個霧域，控制域中的所有設備，支持連接多個物聯網垂直域，能夠從邊緣的多個設備收集、處理數據，并進行進一步的分析、異常檢測和系統優化，甚至進行機器學習。

當前，邊緣云計算正在重新定義邊緣計算的范疇，包含了一些霧計算的功能，如互操作性、本地安全等。邊緣計算與霧計算的邊界正趨向融合。在后續章節中，本書將邊緣計算和霧計算統稱為邊緣云計算，或邊緣云。

“中心云”采用集中式部署的方式，通過云數據中心對數據進行集中處理。隨著應用場景及技術的發展，計算開始呈現分散化處理的趨勢。以前，CPU 等計算單元價格相對較貴，生產中產生的數據量相對較少。此時，數據能夠圍著計算跑，可以把所有的數據集中到云數據中心進行計算，而且在這種情況下性價比最高。隨著邊緣側計算能力的提升，產生的數據越來越多。在互聯網特別是移動互聯網、大數據、人工智能時代，數據量非常大，數據傳輸的成本非常高，遠大于將計算部署在本地的成本。此時，需要計算圍著數據跑，將計算能力部署在數據源側，降低成本。除傳統的CPU 外，又有了GPU芯片，可以進行人工智能的訓練；還有智能網卡，在網卡上可以疊加計算能力，處理更多網絡數據；還有智能存儲設備，在存儲器上增加芯片，進行加密算法處理等。這一切核心都是讓數據不再跑“冤枉”路，而把計算能力靠近數據進行本地化處理，形成了計算的分散化部署，促進了邊緣計算的發展。

隨著物聯網發展和5G 的到來，需要對原本在云數據中心進行計算的集中式數據處理方式進行重新審視。在傳統云數據中心部署有計算、存儲資源，所有的數據均在云數據中心處理。這種集中處理的模式，雖然可以在一定程度上創造規模經濟效益，但是在萬物互聯的時代，也會出現一些難以解決的問題。

首先，云計算面臨低時延處理瓶頸。5G 提升了網絡的大帶寬、泛連接、低時延特性，面向個人用戶及行業用戶催生了一系列的創新應用，如AR/VR、互動直播、自動駕駛、智能制造等。這些應用的使用，除需要滿足計算能力之外，對網絡時延也提出了極高的要求。AR/VR 的網絡時延通常需要低于15ms，以實現對視頻的實時渲染；互動直播的時延通常需要低于10ms，以實現對視頻的轉碼；自動駕駛的時延通常需要低于1ms，以實現AI 推理；智能制造應用的時延通常需要低于1ms，以進行基于AI 的精準控制。當前的云數據中心，由于計算資源部署位置遠離數據源，在時延上不能滿足應用需求，因此時延問題是邊緣云計算要解決的首要問題。

其次，云計算面臨數據處理的網絡壓力。隨著工業互聯網、智慧城市、能源互聯網等傳感器應用的快速發展，網絡邊緣側存在著數以億計的海量互聯設備。通過對各種類型數據的采集，將產生無比巨大的數據，數據增長呈現爆發式趨勢。傳統線性增長的云計算模式無法跟上爆發式增長的數據計算要求。部署在網絡邊緣側的傳感器設備，如工業互聯網、智慧城市等，將產生大量生產環節的關鍵性實時數據。大量數據的集中處理，對網絡帶寬提出了較高的要求。如果將數據傳輸回云數據中心，將對網絡產生巨大壓力。

另外，云計算面臨安全隱私方面的問題。隨著社交、購物、視頻等應用的開展，越來越多的用戶信息被傳輸到云數據中心進行處理。用戶平面臨著越來越嚴重的隱私泄露等問題。例如家庭攝像頭應用，用于家庭監控等目的，在監控過程中，產生了大量視頻數據，增加了泄露隱私數據的風險，同時也出現了關于攝像頭入侵、視頻泄露的案例。如果在邊緣側對數據進行類似云計算的安全加密等隱私保護處理，將大大增強對用戶隱私安全的保護。促進邊緣側的計算，以協調、整體考慮的云計算范式進行。邊緣云計算就是為解決上述問題而生的。