到底什么是邊緣計(jì)算？

點(diǎn)擊上方“程序員大白”，選擇“星標(biāo)”公眾號
重磅干貨，第一時(shí)間送達(dá)

近日，江行智能宣布完成3000萬元A輪融資，由松禾資本領(lǐng)投，紅杉資本、BV百度風(fēng)投跟投，青桐資本擔(dān)任財(cái)務(wù)顧問。江行智能曾于18年7月獲紅杉資本數(shù)千萬天使輪融資。

這是一家邊緣計(jì)算技術(shù)與服務(wù)提供商，通過對海量物聯(lián)網(wǎng)設(shè)備和數(shù)據(jù)進(jìn)行管理、分析處理，幫助企業(yè)提升效率、降低風(fēng)險(xiǎn)。目前其核心落地場景主要在電力、新能源、工業(yè)流水線監(jiān)控、運(yùn)營商等領(lǐng)域。

那么究竟什么是邊緣計(jì)算，他與云計(jì)算又有著什么樣的區(qū)別與聯(lián)系，工業(yè)4.0、工業(yè)互聯(lián)網(wǎng)、工業(yè)物聯(lián)網(wǎng)（IoT），這三個(gè)名詞不到十年完全顛覆了整個(gè)制造業(yè)，促使著我們邁向智能制造，工業(yè)4.0、工業(yè)互聯(lián)網(wǎng)已經(jīng)很熟悉了，云計(jì)算和邊緣計(jì)算正在塑造物聯(lián)網(wǎng)（IoT）的未來。這種組合為物聯(lián)網(wǎng)網(wǎng)絡(luò)中連接的設(shè)備帶來了穩(wěn)定性，并通過處理更接近源的數(shù)據(jù)來解決延遲問題。

2020年全球物聯(lián)網(wǎng)設(shè)備數(shù)量將達(dá)到200~500億個(gè)，數(shù)據(jù)量迅猛增長；同時(shí)隨著AI等智能化應(yīng)用落地，需要的計(jì)算資源也大大增加。

驟增的數(shù)據(jù)量和計(jì)算量帶來的問題是：傳輸帶寬壓力大，云端計(jì)算和存儲壓力大，實(shí)時(shí)性低。這使得現(xiàn)有的“云+端”模式，將越來越難以支撐眾多應(yīng)用場景。

“邊緣計(jì)算”這一種新興的計(jì)算模型即在此背景下產(chǎn)生，相當(dāng)于在靠近“設(shè)備終端”一側(cè)，加了一道數(shù)據(jù)處理“中間站”，集“網(wǎng)絡(luò)、計(jì)算、存儲、應(yīng)用”核心能力為一體，先進(jìn)行一次數(shù)據(jù)處理，然后只需將少量的處理結(jié)果數(shù)據(jù)傳輸?shù)皆贫思纯伞?/p>

邊緣計(jì)算通過在網(wǎng)絡(luò)邊緣進(jìn)行智能處理，帶來的好處是：降低云端網(wǎng)絡(luò)核心節(jié)點(diǎn)的壓力；近端側(cè)的數(shù)據(jù)處理使實(shí)時(shí)性大大提高；數(shù)據(jù)傳輸量的減少使帶寬成本大大降低；通過數(shù)據(jù)本地化存儲，可以滿足安全性和隱私性需求。

舉例來說，在AGV領(lǐng)域，由于機(jī)器人本體實(shí)時(shí)處理地圖與避障問題，其反應(yīng)速度會稍有延遲，這時(shí)靠近端的邊緣計(jì)算就會稍顯不足，有些企業(yè)會選擇將數(shù)據(jù)上傳至云端進(jìn)行計(jì)算。同理機(jī)器視覺也是如此。

在邊緣計(jì)算環(huán)境中安裝和連接的智能設(shè)備能夠處理關(guān)鍵任務(wù)數(shù)據(jù)并實(shí)時(shí)響應(yīng)，而不是通過網(wǎng)絡(luò)將所有數(shù)據(jù)發(fā)送到云并等待云響應(yīng)。設(shè)備本身就像一個(gè)迷你數(shù)據(jù)中心，由于基本分析正在設(shè)備上進(jìn)行，因此延遲幾乎為零。利用這種新增功能，數(shù)據(jù)處理變得分散，網(wǎng)絡(luò)流量大大減少。云可以在以后收集這些數(shù)據(jù)進(jìn)行第二輪評估，處理和深入分析。

利用邊緣計(jì)算為物聯(lián)網(wǎng)設(shè)備帶來諸多好處，例如接近零延遲，較小的網(wǎng)絡(luò)負(fù)載，增加的彈性，減少的數(shù)據(jù)暴露以及較低的數(shù)據(jù)管理成本。讓我們逐一看看這些：

近零延遲：

接近零延遲是邊緣計(jì)算的最大優(yōu)勢。數(shù)據(jù)收集，處理和采取行動之間的時(shí)間間隔幾乎是實(shí)時(shí)的。這是在關(guān)鍵任務(wù)情況下物聯(lián)網(wǎng)設(shè)備的重要要求。最好的例子是自動駕駛，而AGV也是屬于自動駕駛的室內(nèi)精簡版本。

較小的網(wǎng)絡(luò)負(fù)載：

互聯(lián)網(wǎng)高速公路上的大量數(shù)據(jù)，可能導(dǎo)致網(wǎng)絡(luò)擁堵增加，尤其是在連接較弱的地區(qū)。使用邊緣計(jì)算，大部分流量負(fù)載將通過在源處理數(shù)據(jù)而不是通過網(wǎng)絡(luò)發(fā)送所有數(shù)據(jù)，網(wǎng)絡(luò)擁堵明顯改善。

增強(qiáng)彈性：

借助邊緣計(jì)算提供的分散式架構(gòu)，網(wǎng)絡(luò)中的其他連接設(shè)備變得更具彈性。將此與云上的單個(gè)虛擬機(jī)故障進(jìn)行比較，這將影響連接到網(wǎng)絡(luò)的數(shù)千甚至數(shù)百萬個(gè)IoT設(shè)備。即使其中一個(gè)設(shè)備發(fā)生故障，它也不會影響其他設(shè)備，并且它們?nèi)匀槐３只顒雍瓦\(yùn)行狀態(tài)。

減少數(shù)據(jù)暴露：

邊緣計(jì)算減少了它通過網(wǎng)絡(luò)發(fā)送的數(shù)據(jù)量。這樣做還有助于減少傳輸中的數(shù)據(jù)泄露。在某些情況下，智能設(shè)備收集的敏感和關(guān)鍵數(shù)據(jù)根本不需要傳輸。比如說很多大型電商、物流企業(yè)就不希望自己的數(shù)據(jù)上傳至公有云，尤其是在德日系的一些大企業(yè)，他們對于智能化的每一步都非常謹(jǐn)慎。

較低的數(shù)據(jù)管理成本：

使用邊緣計(jì)算可以顯著降低云上的存儲成本，因?yàn)槲覀儾⑽磳⑺袃?nèi)容存儲在云上。由于數(shù)量相對較少，這也有助于有效地管理數(shù)據(jù)。只有需要更深入分析的匯總數(shù)據(jù)才會發(fā)送到云端，隨后會對其進(jìn)行分析和推斷。

推薦閱讀
13個(gè)你一定要知道的PyTorch特性
解讀：為什么要做特征歸一化/標(biāo)準(zhǔn)化？
一文搞懂 PyTorch 內(nèi)部機(jī)制
張一鳴：每個(gè)逆襲的年輕人，都具備的底層能力

關(guān)于程序員大白

程序員大白是一群哈工大，東北大學(xué)，西湖大學(xué)和上海交通大學(xué)的碩士博士運(yùn)營維護(hù)的號，大家樂于分享高質(zhì)量文章，喜歡總結(jié)知識，歡迎關(guān)注[程序員大白]，大家一起學(xué)習(xí)進(jìn)步！