2019年4月16日的Oracle Code開發(fā)者大會(huì)上，工業(yè)物聯(lián)網(wǎng)領(lǐng)域的創(chuàng)業(yè)公司米尺網(wǎng)絡(luò)創(chuàng)始人邱勇剛，作為Oracle在IoT領(lǐng)域的優(yōu)秀合作伙伴，受邀發(fā)表了一場《邊緣計(jì)算引領(lǐng)IoT未來》的演講，在現(xiàn)場引起了巨大反響。會(huì)后邱勇剛表示，其實(shí)他只是分享了幾個(gè)“邊緣計(jì)算+IOT”的真實(shí)案例，告訴大家期間碰過的壁，踩過的坑而已，現(xiàn)場反應(yīng)是出乎他的意料的，“這只能說明目前這樣的真實(shí)案例太少了?！蹦敲?，邱勇剛分享了哪些案例呢？

5個(gè)邊緣計(jì)算+IoT的案例

案例一某知名連鎖酒店的消防設(shè)備報(bào)警

在該案例中，消防設(shè)備聯(lián)網(wǎng)后，可以將消防栓的水壓，設(shè)備的運(yùn)行情況，以及是否有設(shè)備故障等信息，直接反饋給管理人員，這個(gè)依賴的就是邊緣端（米尺自主開發(fā)的智能LoRa網(wǎng)關(guān)）的計(jì)算能力。當(dāng)然，云端依然有它的作用，設(shè)備端的數(shù)據(jù)也會(huì)同時(shí)上傳到云端，通過長期的積累，做事件的算法優(yōu)化，從而更加精準(zhǔn)地去預(yù)測(cè)、預(yù)警消防事件的發(fā)生，以更加快速地做出應(yīng)急響應(yīng)。

案例二某知名連鎖快餐店的照明設(shè)備管理

招牌燈，一個(gè)我日常生活中極其常見的設(shè)施?；旧弦归g營業(yè)的商業(yè)機(jī)構(gòu)都會(huì)用到，以往都是手動(dòng)控制，天黑了就打開，天亮了就關(guān)掉，但是人總有忘記的時(shí)候，尤其是一些24小時(shí)營業(yè)的商業(yè)機(jī)構(gòu)，可能天亮了忘記關(guān)掉，多開一天，就會(huì)浪費(fèi)掉幾度電。在這個(gè)案例中，米尺的客戶就是這樣一個(gè)連鎖快餐店。

首先，米尺通過經(jīng)緯度算出每一個(gè)店的地理位置，就可以知道它的日出日落時(shí)間，然后再接入天氣數(shù)據(jù)，比如是陰天、晴天、起霧等等，再加裝光感傳感器來判斷光照的亮度，同時(shí)再打通排班時(shí)間表，就可以實(shí)現(xiàn)在合適的時(shí)間，自動(dòng)開關(guān)。控制端的所有操作，無需通過云端，而是依靠邊緣端（招牌燈自行決策）的決策。

案例三某博物館內(nèi)的新風(fēng)及環(huán)境管理

大家都知道很多文物對(duì)溫濕度非常敏感，所以博物館里新風(fēng)系統(tǒng)是必不可少的。但是要根據(jù)博物館里面的空氣環(huán)境，實(shí)時(shí)地去控制新風(fēng)設(shè)備的開關(guān)，邊緣計(jì)算是最佳的技術(shù)。在本案例中，本地決策自然是由米尺的LoRa來完成。

案例四某車廠空壓機(jī)的故障預(yù)測(cè)

圖中所示是一臺(tái)空壓機(jī)的震動(dòng)傳感器，它每秒鐘都在產(chǎn)生數(shù)據(jù)，并且數(shù)據(jù)相當(dāng)復(fù)雜，有位移，有震動(dòng)，有速度，有溫度等等。如果把所有數(shù)據(jù)都傳到云端的話，云端也無法承受如此大的數(shù)據(jù)量。所以就要把很多垃圾數(shù)據(jù)在設(shè)備端處理掉，并且對(duì)有價(jià)值的數(shù)據(jù)進(jìn)行基本的頻譜分析，然后再把分析過的數(shù)據(jù)傳到網(wǎng)關(guān)端，網(wǎng)關(guān)再對(duì)這組數(shù)據(jù)做更進(jìn)一步的分析，做出一些實(shí)時(shí)的判斷。當(dāng)這些分析、判斷的數(shù)據(jù)量足夠多的時(shí)候，再在云端在做大規(guī)模的風(fēng)險(xiǎn)判斷。目前已經(jīng)做到在一個(gè)小的一個(gè)閉環(huán)里頭，提前十天對(duì)空壓機(jī)的停機(jī)故障做出預(yù)測(cè)。

案例五某煙草企業(yè)的數(shù)據(jù)安全

物聯(lián)網(wǎng)安全是一個(gè)長久的話題，尤其是2016年的Mirai病毒事件后，大家對(duì)物聯(lián)網(wǎng)安全的關(guān)注進(jìn)一步提升。那么邊緣計(jì)算能夠如何加固物聯(lián)網(wǎng)設(shè)備、系統(tǒng)和數(shù)據(jù)的安全呢？在此案例中，非常規(guī)的數(shù)據(jù)包攔截就可以通過設(shè)備端的計(jì)算來完成；網(wǎng)關(guān)端會(huì)設(shè)定接入設(shè)備的黑白名單，以防止“非法”設(shè)備的接入。

邊緣計(jì)算在IoT系統(tǒng)中的位置及存在價(jià)值

縱觀以上5個(gè)案例，邊緣計(jì)算在IoT中的位置可以歸結(jié)為：

該圖簡單明了的指出了邊緣計(jì)算技術(shù)在IoT系統(tǒng)架構(gòu)中的位置：

1、傳感器/設(shè)備端；

2、數(shù)據(jù)采集終端；

3、基站。

那么邊緣計(jì)算又是因?yàn)槭裁丛虻靡栽贗oT系統(tǒng)的多個(gè)環(huán)節(jié)中存在呢？“這一點(diǎn)和IoT數(shù)據(jù)的三個(gè)特性有密不可分的關(guān)系”，邱勇剛?cè)缡钦f。

第一個(gè)特性就是海量數(shù)據(jù)。物聯(lián)網(wǎng)設(shè)備已多達(dá)百億量級(jí)，這些設(shè)備每時(shí)每刻都在發(fā)送數(shù)據(jù)。某咨詢機(jī)構(gòu)預(yù)測(cè)到2020年物聯(lián)網(wǎng)的數(shù)據(jù)量將達(dá)到4.4億zb。

第二特性是數(shù)據(jù)的異構(gòu)性。數(shù)據(jù)產(chǎn)生自數(shù)十百萬種的傳感器和設(shè)備，不同終端和不同采集維度的數(shù)據(jù)結(jié)構(gòu)和協(xié)議都不盡相同，所以異構(gòu)是物聯(lián)網(wǎng)數(shù)據(jù)的天然特性。

第三個(gè)特性是數(shù)據(jù)時(shí)序性。所有IoT的數(shù)據(jù)都是基于時(shí)間概念的，即時(shí)序數(shù)據(jù)，脫離時(shí)間談IoT數(shù)據(jù)與計(jì)算都是沒有意義的。

物聯(lián)網(wǎng)的這三大明顯特征，導(dǎo)致物聯(lián)網(wǎng)的三大現(xiàn)實(shí)問題：

第一個(gè)實(shí)時(shí)性。實(shí)際的控制決策都在現(xiàn)場執(zhí)行，但是響應(yīng)未必能夠?qū)崟r(shí)。

第二個(gè)安全性。IoT數(shù)據(jù)跟企業(yè)的商業(yè)機(jī)密有關(guān)時(shí)，怎么保障數(shù)據(jù)安全？

第三個(gè)網(wǎng)絡(luò)堵塞，以及隨之而來的可靠性問題，比如會(huì)不會(huì)在傳輸過程中丟包？

另外，成本問題，也非常重要。想象一下500億個(gè)設(shè)備聯(lián)網(wǎng)，數(shù)據(jù)流量成本、存儲(chǔ)成本，得要多大投入？

正是有了這些問題，我們今天探討邊緣計(jì)算+物聯(lián)網(wǎng)才有了基礎(chǔ)。

首先，邊緣計(jì)算是什么？大部分的決策都在離“執(zhí)行現(xiàn)場”最近的地方進(jìn)行，而不是都放在“大腦（云端）”上。這種決策方式首先可以解決物聯(lián)網(wǎng)應(yīng)用中最重要的實(shí)時(shí)響應(yīng)問題；然后因?yàn)闆Q策和執(zhí)行都在現(xiàn)場，減少了指令從設(shè)備到云端的上傳/下達(dá)過程，更能保障安全，同時(shí)也規(guī)避了可能因網(wǎng)絡(luò)堵塞造成的響應(yīng)不及時(shí)問題。最后，因?yàn)楝F(xiàn)場決策可以省去一部分?jǐn)?shù)據(jù)的傳輸和存儲(chǔ)，可以較大幅度地降低物聯(lián)網(wǎng)系統(tǒng)的使用成本。

當(dāng)然，邊緣計(jì)算也是不能脫離云計(jì)算的。“一切脫離云計(jì)算來談物聯(lián)網(wǎng)計(jì)算的都不是真正的邊緣計(jì)算。”關(guān)于云計(jì)算和邊緣計(jì)算的關(guān)系，總結(jié)如下：

第一，邊緣計(jì)算一定和云有聯(lián)系。云端可以做算法，進(jìn)行遠(yuǎn)程、隨時(shí)因需的更新，新的算法下載到邊緣處做控制，這是與傳統(tǒng)工業(yè)控制的巨大差異，也是質(zhì)的變化。

第二，云端做算法、邊緣做控制的特性，意味著控制和外部會(huì)有互動(dòng)。比如天氣數(shù)據(jù)、地理位置的變化即可作為空調(diào)變頻控制的判斷依據(jù)。與外部因素的互動(dòng)使智能化程度更高。

第三，云計(jì)算和邊緣計(jì)算的結(jié)合可以更快部署、實(shí)施應(yīng)用，帶來顯而易見的成本下降，才使應(yīng)用的大規(guī)模落地成為可能性。

“總之，邊緣計(jì)算讓很多物聯(lián)網(wǎng)應(yīng)用具備了‘小智能’的能力，而物聯(lián)網(wǎng)的‘大智能’，一定是和這樣一個(gè)個(gè)的、碎片化的小智能同步發(fā)生并發(fā)展的”，“所以不存在先有大腦，還是先有手足，只談手足，或者只談大腦的物聯(lián)網(wǎng)都是偽命題。”