關于邊緣計算我已經談過很多次，或許你也注意到了，進入2018年之后，邊緣與云端的微妙關系正在被業界重視起來，物聯網的發展令原本基于互聯網構建的基礎設施逐步翻轉，正在經歷一次螺旋式的更迭過程。

2016年底，在Gartner數據中心年度會議上，硅谷風投大佬A16Z合伙人Peter Levine曾說邊緣計算是云計算的“終結者”。經過接近兩年時間的驗證，邊緣計算和云計算的關系更加清晰，兩者并非互斥關系的基本論調已奠定。由于邊緣計算解決了“***一公里”云原生應用的供應問題，成為了云計算在未來發展中的重要落地支撐，邊緣計算與云計算勢必彼此融合，來到“邊云協同”的新階段。

就像配電網將電力從降壓配電變電站出口輸送到最終用戶端，邊緣計算形成的網格將云原生應用從***一公里處配送至互聯萬物，提高關鍵應用程序的性能、提升實時處理能力、改善安全性和可靠性，很大程度上彌補了云計算在IoT領域實踐中的短板和掣肘。

通過由邊緣與云端形成的多層混合架構，以及隨之而來的“邊云協同”效應，更能綜合發揮兩者的優勢，促進物聯網基礎架構迎來一次全面的升級。

邊云協同的主要推動者竟是三大云計算巨頭

如何直觀的解釋邊云協同效應?華為企業業務總裁閻力大的比喻最為妥帖。他說，在無脊椎動物中，章魚的智商***，因為它擁有巨量的神經元。這些神經元60%分布在八條腿(邊緣)上，腦部(云端)僅有40%。看起來用“腿”來思考并解決問題的章魚，在捕獵時各條“腿”從來不會纏繞打結，這得益于它們類似于分布式計算的“多個小腦(邊緣)”和“一個大腦(云端)”協同工作。

縱觀全球，我們驚奇的發現，邊云協同的主要推動者，恰是邊緣計算曾經試圖“終結”的云計算巨頭們。 

云計算目前仍是一個快速擴張的市場，根據預測到2021年云計算的市場規模將達到3000億美元。領跑“三人行”亞馬遜、微軟和谷歌之間的排位爭奪戰從開始就沒消停過，物聯網時代業必將愈演愈烈。

基礎設施即服務、平臺即服務、軟件即服務…一切盡在服務。為了謀求進一步擴張，AWS、Azure和Google Cloud不約而同的看到了來自兩個方向的發展動力，一是由各種SaaS提供的增值云服務能力形成的推力，另一個是由邊緣計算將云原生應用帶入到各種智能終端形成的拉力。

邊緣計算是一種分布式基礎設施，計算資源和應用服務沿著從數據源到云端的通信路徑分布。由于邊緣計算能夠提升云計算的時間維度價值，從而“淬煉”成業務績效，更好的滿足各種合規性的要求，具有更佳的數據隱私保護能力和安全性，是拉動云平臺業績的有效手段。 

巨頭們的邊云協同路徑推進得可謂整齊劃一，亞馬遜的AWS Greengrass、微軟的Azure IoT Edge、谷歌的Edge TPU和Cloud IoT Edge相繼推出。各家的商業模式也相當趨同，在邊緣側以免費或開源的方式，將云原生應用的“電力”配送到位于“***一公里”的工業機器人、風力發電機和各種生產線的邊緣設備當中。

當然，對邊云協同萬分看好的企業并不僅限于三大巨頭。HPE、IBM、思科、SAP等知名企業，Foghorn、IOTech、Falkonry等初創公司紛紛表示加我一個。

值得關注的是，在上周剛剛結束的VMworld 2018峰會中，VMware發布了***的邊云協同戰略，Dell EMC、Pivot3、Veeam、Extreme Networks等公司聯合展示了多款邊云協同產品。

邊云協同中的“邊緣”千人千面

邊云協同首先需要克服的障礙有很多層面，但最基礎的一個，是對于“邊緣”認知的不一致性。

邊云協同中的“邊緣”在哪里?這恐怕是最常見的問題之一。與云平臺不同，對于邊緣的理解可以說是千人千面。

工業互聯網聯盟IIC在白皮書《Introduction to Edge Computing in IIoT》中給出的解釋是：邊緣是一個邏輯概念，而并非一個物理劃分。同時IIC也給出了邊緣計算需要考慮的共性能力，包括分布式數據管理、數據分析、統一業務編排、連接能力和安全性。 

因此對于不同的個性化應用來說，“邊緣在哪里”是一個“千人千邊”的開放性問題，從應用角度來看，邊緣的位置取決于業務問題需要解決的“關鍵目標”。 

因此從最終用戶和服務提供商的視角來看，邊緣所處的位置并不相同。因此在由ARM、Vapor IO、Ericsson UDN等公司聯合起草的白皮書《State of the Edge 2018》中，定義了兩種邊緣，運營商視角的基礎設施邊緣和最終用戶視角的設備邊緣。

基礎設施邊緣是指位于“***一公里”的網絡運營商或者服務提供商的IT資源，其主要構建模塊是邊緣數據中心，通常在城市及其周邊以5-10英里的間隔放置。

設備邊緣是指網絡終端或設備側的邊緣計算資源，包括傳統互聯網設備，比如PC和智能手機等，以及新型智能設備，比如智能汽車、環境傳感器、智能信號燈等。 

基礎設施邊緣和設備邊緣雖然同屬于邊緣計算的范疇，但是兩者的定義、關注點、核心能力(包括在計算和存儲能力、網絡資源規模等)方面的差異極大。

由于邊緣計算千人千面的基本特征，因此在邊云協同的過程中，不同層次的邊緣與云平臺之間構成了多層結構，應用程序的工作負載通過在各個層次之間動態分配資源來調度。基礎設施邊緣和設備邊緣都可以被視為集中式云平臺的補充，甚至是現有云平臺的擴展。 

由“千人千邊”衍生的另一個問題是，對于邊云協同的市場規模估算的不一致性，導致不同企業對邊云協同的重視程度相差極大，邊云協同的重要性很容易被高估或者低估。

看好邊緣計算的激進代表包括戴爾公司的***執行官兼董事長邁克爾·戴爾，他說：“我認為邊緣將比云更大。”

不同的市場研究機構也對邊緣計算市場給出了各自的估算。

Gartner預測到2021年，由于考慮到時間延遲和帶寬需求，40%的大型企業會將邊緣計算納入項目范圍，2017年這一比例僅為不到1%。

IDC預測到2020年，邊緣計算的相關支出將占到物聯網所有支出的18%。到2022年，物聯網的整體支出將達到1.2萬億美元，而邊緣計算的相關支出則為2160億美元。

Grand View Research認為到2025年，全球邊緣計算市場將達到32.4億美元，復合年增長率超過40%。

Transparency Market Research估算2017年全球邊緣計算市場約為80億美元，并預計到2022年底將達到133億美元。

Stratistics MRC對于2017年的市場估算與Transparency Market Research一致，約為80億美元。Stratistics MRC還進一步預測到2026年，邊緣計算的市場規模將達205億美元。

如何通過邊云協同進行有效的數據分析?

數據分析是將數據轉化為信息的過程，為運營決策提供新的洞察和見解，如果說數據是新型“石油”，那么數據分析就是驅動其產生價值的新型“引擎”，數據分析的質量，在一定程度上決定著物聯網項目的價值上限。

曾經大多數數據分析都在云端進行，而如今隨著邊云協同的推進，邊緣分析可以降低數據存儲、通訊和處理的成本，去除不必要的數據噪聲，更多的數據分析正在回到邊緣進行處理。 

一般而言，如果某項應用場景具有良好的信息源，且業務問題有清晰的解決邏輯，那么數據分析的重點應該放到邊緣。在更復雜的情況下，為了處理好多種數據源和多重變量，邊云協同需要綜合考慮處理速度、可靠性、安全性、帶寬需求和復雜度。

處理速度：數據類型和數量，以及業務決策的時間限制都會影響對于處理速度的要求。邊緣計算采用分布式計算架構，由于將運算分散在靠近數據源的近端設備處理，不再需要遠距離把數據回傳云端處理，實時性更好、效率更高、延遲更短。

可靠性和安全性：可靠性和安全性雖有很大不同，但仍有大顆粒度相似需求，暫時放到一起考慮。互聯設備可以通過邊緣應用，同步設備數據以及與其他設備安全通信，甚至無需連接互聯網，***程度地提升可靠性、安全性和隱私保護能力。但是一些重要數據，仍舊需要回傳到云端，進行保存以便進行長期趨勢分析。

帶寬需求：帶寬是遠程控制中需要考慮的一個重要問題。邊云協同的數據量直接決定了數據分析的成本，如果監控一臺風力發電機上的100個參數，每隔10分鐘回傳一次數據到云平臺，那么每天的數據量就是14400，這還僅僅只對應一臺風機。

有些公司正在采用***LPWAN技術來緩解向云端發送大量數據的成本問題，但帶寬問題仍舊是邊云協同無法繞過的一個現實因素。

復雜度：復雜度是劃分云端和邊緣應用負載的有效分水嶺。云端學習、邊緣執行，是處理復雜問題的大致思路。以一個啤酒廠的應用為例，如果分析某一款啤酒被過度發酵的問題，邊緣計算完全可以勝任和處理。如果想要研究每款啤酒的發酵周期，并在不同種類的啤酒之間進行橫向對比，那么云端分析可以很好的解決這個數學問題。

大多數預測性維護的問題都可以在邊緣解決，這種問題一名工程師或者操作員就能很好的處理。但是如果解決的問題是工廠的綜合生產效率提升問題，就需要在云平臺中將來自多個場景的監測數據進行綜合分析，并且很難給出快速反饋。也佐證了邊緣和云端各有長短板、各有上下限，因此協同必將成為合理而主流的走向。 

本文小結：

1. 邊緣計算和云計算并非互斥關系，由于邊緣計算解決了“***一公里”云原生應用的供應問題，成為了云計算在未來發展中的重要落地支撐，邊緣計算與云計算勢必彼此融合，來到“邊云協同”的新階段。

2. 與云平臺不同，對于邊緣的理解千人千面。因此在邊云協同的過程中，不同層次的邊緣與云平臺之間構成了多層結構，應用程序的工作負載通過在各個層次之間動態分配資源來調度，同時邊云協同的重要性很容易被高估或者低估。

3. 云端學習、邊緣執行，是處理復雜問題的大致思路。為了處理好多種數據源和多重變量，邊云協同需要綜合考慮處理速度、可靠性、安全性、帶寬需求和復雜度。

附錄：2018年***版邊緣計算企業圖譜