3.7邊緣計算

邊緣計算（Edge Computing）是一種在物理上靠近數(shù)據(jù)生成的位置處理數(shù)據(jù)的方法，這種技術使得聯(lián)網(wǎng)設備能夠處理在“邊緣”形成的數(shù)據(jù)，這里的“邊緣”是指位于設備內(nèi)部或者與設備本身要近得多的地方。

未來，將有數(shù)十億臺設備連接到互聯(lián)網(wǎng)，更快、更可靠的數(shù)據(jù)處理將變得至關重要。近年來，云計算的整合和集中化性質(zhì)被證明具有成本效益和靈活性，但物聯(lián)網(wǎng)和移動計算的興起給網(wǎng)絡帶寬帶來了不小的壓力。最終，并不是所有的智能設備都需要利用云計算來運行。在某些情況下，這種數(shù)據(jù)的往返傳輸，也應該能夠一一避免。由此，邊緣計算應運而生。圖3-24所示為物聯(lián)網(wǎng)、邊緣計算和云計算之間的聯(lián)系。

圖3-24物聯(lián)網(wǎng)、邊緣計算和云計算之間的聯(lián)系

預計到2022年，全球邊緣計算市場規(guī)模將達到67.2億美元。雖然這是一個新興領域，但在云計算覆益的一些領域，邊緣計算的運行效率可能要更高。邊緣計算使得數(shù)據(jù)能修在最近端（如電動機、泵、發(fā)電機或其他設備傳感器）進行處理，減少在云端之間來回傳輸數(shù)據(jù)的需要。

邊緣計算被描述為“微型數(shù)據(jù)中心的網(wǎng)狀網(wǎng)絡，在本地處理或存儲關鍵數(shù)據(jù)，并將所有接收到的數(shù)據(jù)推送到中央數(shù)據(jù)中心或云存儲庫，其覆蓋范圍不到10㎡”。

例如，一輛無人駕駛汽車可能包合可以立即提供其發(fā)動機狀態(tài)信息的傳感器。在邊緣計算中，傳感器數(shù)據(jù)不需要傳輸?shù)狡嚿匣蛘咴贫说臄?shù)據(jù)中心，來查看是否有什么東西影響了發(fā)動機的運轉(zhuǎn)。
本地化數(shù)據(jù)處理和存儲對計算網(wǎng)絡的壓力更小。當發(fā)送到云端的數(shù)據(jù)變少時，發(fā)生延遲的可能性，以及云端與物聯(lián)網(wǎng)設備之間的交互導致的數(shù)據(jù)處理延遲就會降低。
這也讓基于邊緣計算技術的硬件承擔了更多的任務，它們包含用于收集數(shù)據(jù)的傳感器和用于處理聯(lián)網(wǎng)設備中的數(shù)據(jù)的CPU或GPU。
隨著邊緣計算的興起，理解邊緣設備所涉及的另一項技術也很重要，它就是霧計算（Fog Computing）。邊緣計算具體是指在網(wǎng)絡的“邊緣”或附近進行的計算過程，而霧計算則是指邊緣設備和云端之間的網(wǎng)絡連接。
換句話說，霧計算使得云更接近于網(wǎng)絡的邊緣，因此，根據(jù)OpenFog的說法，“霧計算總是使用邊緣計算，而不是邊緣計算總是使用霧計算。”
回到無人輔助駕駛場景：傳感器能夠收集數(shù)據(jù)，但不能立即對數(shù)據(jù)采取行動。例如，如果一名車輛工程師想要了解汽車車軸和剎車系統(tǒng)是如何運行的，他可以使用歷史累計的傳感器數(shù)據(jù)來預測零部件是否需要進行維修或替換。在這種情況中，數(shù)據(jù)處理使用邊緣計算，但它并不總是即時進行的（與確定引擎狀態(tài)不同）。而使用霧計算，短期分析可以在給定的時間點實現(xiàn)，而不需要完全返回中央云。
圖3-25所示為云計算、霧計算與邊緣計算。
關于邊緣計算的討論通常會忽略有多少類型的“邊緣”計算，而邊緣計算的基本驅(qū)動因素和許多類型的邊緣計算需要被重點關注。
由于邊緣計算指的是接近于事物、數(shù)據(jù)和行動源的計算，所以，可以把這種類型的數(shù)據(jù)處理使用更通用的術語來表示：鄰近計算或者接近計算（ProximityComputing）。當我們對周圍所發(fā)生的事件需要及時做出響應，以獲得良好的用戶體驗時，由于有許多此類事件，因此，需要將這類復雜的系統(tǒng)編排為感知、處理和行動（SensingProcessingActing，SPA）。SPA的成本是本地與遠程處理成本、網(wǎng)絡連接成本及遠程系統(tǒng)管理成本的函數(shù)。

圖3-25云計算、霧計算與邊緣計算

當涉及最佳鄰近計算時，有很多類型的邊緣（Edges）要考慮。主要有3種類型：個人邊緣（PersonalEdge）、業(yè)務邊緣（Business Edge）及云邊緣（Cloudy Edge）。這3種邊緣將SPA部署到不同環(huán)境中來處理一系列不同的問題，以實現(xiàn)最佳的自動響應。