随着万物互联时代的到来，网络边缘设备产生的数据量飞速增长，带来了更高的数据传输带宽需求，同时，新型应用也对数据处理的实时性以及数据存储也提出了更高的要求。传统的云计算模型不能满足现有的性能需求，因此，边缘计算模型应运而生。本文从边缘计算的产生背景入手，然后介绍了什么是边缘计算以及基本边缘计算模型架构，通过一些案例来介绍边缘计算的相关实际应用。
为什么需要边缘计算?
云中心具有强大的处理性能，能够处理海量的数据，自提出以来就在不断改变我们的生活、工作、学习的方式。但云计算模型的系统性能瓶颈在于网络带宽的有限性，传送海量数据需要一定的时间，云中心处理数据也需要一定的时间，这就会加大请求响应时间，用户体验差。传统云计算在以下方面存在问题：
网络带宽：据IDC统计，到2020年我国数据储存量达到约39ZB，其中约30%的数据来自于物联网设备的接入。网络带宽正在逐渐成为云计算的一大瓶颈。此外，未经处理的数据中可能包含大量的静态画面、空闲状态等冗余数据，也极大的降低了网络带宽的利用率。
实时性：海量的数据为云端分析的准确性提供了保障，但传统模式下云端也必须与物联网设备联机数据和控制通路来处理数据和实时交互，因此云计算平台的计算性能也正逐渐达到瓶颈，无法满足新兴万物互联应用对延迟时间的要求，从而降低整个系统的可用性。
隐私保护：云计算平台将医疗设备、网络摄像头等物联网设备采集到的个人和家庭用户的隐私数据传输到数据中心集中保存，传输、存储和使用路径过长，不但涉嫌将大量云端应用无关的用户隐私数据泄露给第三方，还存在安全威胁、数据丢失等其他隐私风险。
能耗：云数据中心的能耗问题已经成为数据中心管理规划的核心问题，将部分任务从云端迁移到设备端，可以大大降低云计算数据中心的计算负载，进而达到降低能耗的目的。
因此，在物联网和云计算的推动下，考虑到大多数物联网设备具有有限的计算和能量资源，我们假设了一种处理问题的新模型——边缘计算，即在网络的边缘产生、处理、分析数据。在边缘结点处理这些数据将会带来极小的响应时间、减轻网络负载、保证用户数据的私密性。
图1 边缘计算需求
什么是边缘计算?
边缘计算是指在网络边缘节点来处理、分析数据。而网络边缘节点指的是在数据产生源头和云计算中心之间具有计算资源和网络资源的节点，比如手机就是人与云计算中心之间的边缘节点，而网关则是智能家居和云计算中心之间的边缘节点。
边缘计算的构成包括两大部分：
一是资源的边缘化，具体包括计算、存储、缓存、带宽、服务等资源的边缘化分布，把原本集中式的资源纵深延展，靠近需求侧，提供高可靠、高效率、低时延的用户体验;
二是资源的全局化，即边缘作为一个资源池，而不是中心提供所有的资源，边缘计算融合集中式的计算模型(例如：云计算、超算)，通过中心和边缘之间的协同，达到优势互补、协调统一的目的。
边缘计算不是为了取代云计算，而是对云计算的补充和延伸，为移动计算、物联网提供更好的计算平台。边缘计算模型架构简图如下所示：
图2 边缘计算基本模型架构[1]
该架构模型包括了三个部分：
1)前端：终端设备(例如：传感器)部署在边缘计算结构的前端。
2)近端：在边缘计算中，大多数数据计算和存储将迁移到这种近端环境。近端通常由个人电脑、智能路由器、无线基站等设备构成，这些设备往往能够提供计算或者存储数据的能力，从而对采集到的数据进行进一步的分析处理。
3)远端：远端环境中的云服务器可以提供更多的计算能力和更多的数据存储。
云计算需要把数据进行远距离传输，这需要消耗大量的资源，而边缘计算则没有数据传输这样的资源消耗，直接把计算任务拦截到本地，是一种优化的计算模型。图3表示基于双向计算流的边缘计算模型，网络边缘设备不仅从云中心请求相关服务，同时可以执行部分计算任务，包括设备管理、数据分析、隐私保护等。从而，边缘计算可以满足敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求。
图3 边缘计算架构[2]
边缘计算可以用在哪里?
1)云计算任务迁移：把云中心的计算任务卸载到边缘节点这个过程叫做云计算任务迁移。数据的生产和消费往往都是发生在边缘节点，因此边缘节点也需要像云中心一样，承担一定的计算任务。例如针对在线购物应用，利用边缘计算可以对购物车视图实时更新，而不必将视图更新操作发送至云端。
2)视频分析：在本地对视频进行简单处理，智能算法选择性存储视频数据，实现更小空间存储更大价值的数据。例如公安机关在追捕逃犯的过程中，能够分布式查询节点内信息，最快的找到目标，进行抓捕。
3)智能交通：有关居民的出行问题一直是亟待解决的重要社会问题之一。智能交通系统利用边缘计算技术来实时决策更优路线，并可根据路面实况来指示智能交通信号灯变化，从而减轻路面的拥堵情况。同时，一些智能停车场还能够采集周围环境信息，从而发布给附近用户现有的车位信息等，并给出相应的指示。
4)协同边缘：利用多个边缘节点协同合作，创建一个虚拟的共享数据视图，利用一个预定义的公共服务接口来将这些数据进行整合。同时，利用该接口编写的应用程序能够为用户提供更复杂的服务。我们以流感病情为例阐述什么是协同边缘。医院能够总结有关的流感病情信息以及提供病人的统计数据。药房根据医院提供的统计信息，备好库存，以便最快遏制流感，同时检索物流公司、制药公司的相关运输价格、制药成本价格等，以便获得更大利润。保险公司可以及时报销流感病人的有关开销，如果患者愿意分享，还可以进一步提供个性化的保险政策。政府也能够根据流感严重程度，发布流感预警信息。从而多数参与者能够通过该协同边缘提高服务效率并进行获益。
图4 协同边缘案例
总结
边缘计算有着广泛的应用前景。自提出以来不过短短几年，就获得了爆发式的增长，本文作者相信，边缘计算凭借其低时延、高性能、隐私保护性强的特点，一定能够推动各行业的进一步发展， 但目前边缘计算还处于发展阶段，落地设备较少，如何努力攻克现有难题，加速边缘计算的发展是未来的研究重点之一。
参考文献
[1] Xinyu Y , Fan L , Jie L , et al. A Survey on the Edge Computing for the Internet of Things[J]. IEEE Access, 2018, 6(99):6900-6919.
[2] Shi W , Cao J , Zhang Q , et al. Edge Computing: Vision and Challenges[J]. IEEE Internet of Things Journal, 2016, 3(5):637-646.
[3] 施巍松, 张星洲, 王一帆, et al. 边缘计算：现状与展望[J]. 计算机研究与发展, 2019, 56(1):69-89.
[3] 施巍松, 刘芳, 孙辉, 裴庆琪 边缘计算[M] 北京:科学出版社 2018年1月
[4] 洪学海, 汪洋, 郭树盛. 边缘计算技术研究报告[EB/OL] http://www.cnic.cas.cn/xwdt/yfdt/201811/P020181108393346075254.pdf. 2018,2
【本文为51CTO专栏作者“中国保密协会科学技术分会”原创稿件，转载请联系原作者】
