谈边缘计算(8.29)

最近在谈到物联网云平台等概念的时候，老会听到边缘计算这个词，因此也上网查了下资料对边缘计算这个概念进行学习。什么是边缘计算？简单来说就是指 靠近物或数据源头的网络边缘侧，融合了网络，计算，存储，应用能力的分布式平台，就近提供智能服务 。如果用更通用的术语来表示即：邻近计算或者接近计算(Proximity Computing)。

边缘计算可以理解为云计算的一个逆操作，对于云计算我们强调的是计算和存储等能力从边缘端或桌面端超云端迁移和集中的过程，而对于边缘计算刚好是这种计算和存储能力重新下沉到边缘端的过程。

再来回顾下云计算为何发展迅猛或成为可能？里面有一个关键就是网络带宽不再是瓶颈，但是到物联网平台的时候可以看到，对于物联网相关的应用场景，需要的是更加低的延迟，更加快速的响应，频度更高的数据采集，如果这些都上传到云端经过计算后再将指令下发下来，完全无法满足低延迟和快速响应的要求。

同时所有的操作都要和云端操作，导致的就是一谈互联网络环境出现不通，那么在边缘端就会出现断路并无法正常工作，这本身也是一个巨大的风险。

那边缘计算不是又回归到传统IT应用和建设模式上了吗？

注意，在 边缘计算的定义里面有一个关键，就是靠近数据源的边缘地带，而这个边缘地带本身就是一个小的局域网，具备独立自治特征，而不是单指边缘端一个孤立的设备或服务器 。

如果拿一个分布式协同的组织来说

传统方式就是全国各地10个分公司，各干各的相互之间进行协同。到了云计算模式下则所有分公司的人员都集中化到了集团侧，分公司只留一个人采集数据并下发决策等。而到了边缘计算更多的是各个分公司各自形成一个3-5个人的敏捷协作团队，这个团队完全具备独立自治的能力。采集到的数据可以自己进行分析后快速的做出相关的决策和行动计划。

那么这个时候集团侧大脑的作用在哪里呢？注意集团侧中心仍然会起到关键性的作用，即 对于大的决策规则，决策原则，分析模型和方法等仍然是集团侧（云端中心）给出 。各个边缘端只是按这个模型进行分析和决策即可。

这个时候实时采集的各种详尽数据并不需要全部汇报和上传到集团，而是本地处理，加工，汇总，并根据模型进行分析和决策即可。但是对于集团侧的决策模型本身也需要进行持续优化改进，因此对应汇总后的一些粗粒度数据仍然存在延时，定期上传的可能。

简单来说就是边缘端并不需要实时的和中心脑库进行协同，但是仍然受中心脑库控制。

1. 并不需要实时的和中心脑库进行协同 - 需要边缘端具备完全的独立自治能力。边缘端核心网关。

2. 仍然受中心脑库控制- 需要有核心的规则和决策传达机制。涉及到AI+规则引擎。

这也是我们会谈到对于AI+边缘计算会成为物联网云平台发展的一个重要方向。这种模式在 低流量消耗，低延迟，低成本，高效率，智能化，独立自治各方面都具备很大的优势 。同时本身又和云端保存连接能力，防止了传统模式下的信息孤岛模式。

拿无人驾驶来举例，对于无人驾驶场景，需要实时采集大量的道路周边，车辆和行人等数据，并及时作出快速的驾驶决策。如果这些大量数据都上传到云端再进行决策，那么在时效性上完全无法满足要求。同时实时采集的大量数据本身也包含很多无用数据，这些都上传云端本身也极大耗费带宽资源。

在前面博客文章谈智慧家庭的时候，也谈到对于边缘计算通用适合智慧家庭的例子，比如你刚到家，应该根据采集到的各种实际数据，如何对家庭里面已有的各种智能设备进行联动，保存到一种最佳状态，这些也不适合全部都上传到云端再进行决策，这样的话整个协同链路太长，肯定带来长延迟和响应慢的问题。而原来谈到的智慧家庭网关本身就兼备了这种简单的联动计算和执行能力，如果再上升到边缘计算网关，那么需要进一步扩展其计算能力和本地化存储能力。这个边缘计算网关本身也可以理解为智慧家庭里面的一个计算，存储，协同能力的智能主机，完全具备独立自治能力但是又在云端管控范围内。

注意，在边缘计算应用中，有几个关键点说明如下：

1. 边缘端必须基于本地实时采集的数据+云端提前下发的决策规则或引擎，就能给完成最终的决策 ，而不需要去关联和参考其它边缘端或云端的大量数据。否则无法进行边缘计算。

2. 边缘端不是孤岛，虽然独立自治但是仍然存在两个关键交互 。一个是边缘端整理汇总后的一些粗粒度，有价值的数据信息仍然需要定时上传云端。其次就是云端决策规则再做出优化和调整后需要重新下发。

最后再回顾下边缘计算，你会发现和企业阿米巴运营管理模式很类似，既有中央集中化管控，但是各个阿米巴组织又高度自治，形成一个完整的联动体系。