【中國傳動網(wǎng) 技術(shù)前沿】 關(guān)于邊緣計算我已經(jīng)談過很多次,或許你也注意到了,進(jìn)入2018年之后,邊緣與云端的微妙關(guān)系正在被業(yè)界重視起來,物聯(lián)網(wǎng)的發(fā)展令原本基于互聯(lián)網(wǎng)構(gòu)建的基礎(chǔ)設(shè)施逐步翻轉(zhuǎn),正在經(jīng)歷一次螺旋式的更迭過程。
2016年底,在Gartner數(shù)據(jù)中心年度會議上,硅谷風(fēng)投大佬A16Z合伙人PeterLevine曾說邊緣計算是云計算的“終結(jié)者”。經(jīng)過接近兩年時間的驗證,邊緣計算和云計算的關(guān)系更加清晰,兩者并非互斥關(guān)系的基本論調(diào)已奠定。由于邊緣計算解決了“最后一公里”云原生應(yīng)用的供應(yīng)問題,成為了云計算在未來發(fā)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(xié)同”的新階段。
就像配電網(wǎng)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(wǎng)格將云原生應(yīng)用從最后一公里處配送至互聯(lián)萬物,提高關(guān)鍵應(yīng)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(lǐng)域?qū)嵺`中的短板和掣肘。
通過由邊緣與云端形成的多層混合架構(gòu),以及隨之而來的“邊云協(xié)同”效應(yīng),更能綜合發(fā)揮兩者的優(yōu)勢,促進(jìn)物聯(lián)網(wǎng)基礎(chǔ)架構(gòu)迎來一次全面的升級。
邊云協(xié)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(xié)同效應(yīng)?華為企業(yè)業(yè)務(wù)總裁閻力大的比喻最為妥帖。他說,在無脊椎動物中,章魚的智商最高,因為它擁有巨量的神經(jīng)元。這些神經(jīng)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(jié),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(xié)同工作。
縱觀全球,我們驚奇的發(fā)現(xiàn),邊云協(xié)同的主要推動者,恰是邊緣計算曾經(jīng)試圖“終結(jié)”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(jù)預(yù)測到2021年云計算的市場規(guī)模將達(dá)到3000億美元。領(lǐng)跑“三人行”亞馬遜、微軟和谷歌之間的排位爭奪戰(zhàn)從開始就沒消停過,物聯(lián)網(wǎng)時代業(yè)必將愈演愈烈。
基礎(chǔ)設(shè)施即服務(wù)、平臺即服務(wù)、軟件即服務(wù)…一切盡在服務(wù)。為了謀求進(jìn)一步擴張,AWS、Azure和GoogleCloud不約而同的看到了來自兩個方向的發(fā)展動力,一是由各種SaaS提供的增值云服務(wù)能力形成的推力,另一個是由邊緣計算將云原生應(yīng)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(chǔ)設(shè)施,計算資源和應(yīng)用服務(wù)沿著從數(shù)據(jù)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(yè)務(wù)績效,更好的滿足各種合規(guī)性的要求,具有更佳的數(shù)據(jù)隱私保護(hù)能力和安全性,是拉動云平臺業(yè)績的有效手段。
巨頭們的邊云協(xié)同路徑推進(jìn)得可謂整齊劃一,亞馬遜的AWSGreengrass、微軟的AzureIoTEdge、谷歌的EdgeTPU和CloudIoTEdge相繼推出。各家的商業(yè)模式也相當(dāng)趨同,在邊緣側(cè)以免費或開源的方式,將云原生應(yīng)用的“電力”配送到位于“最后一公里”的工業(yè)機器人、風(fēng)力發(fā)電機和各種生產(chǎn)線的邊緣設(shè)備當(dāng)中。
當(dāng)然,對邊云協(xié)同萬分看好的企業(yè)并不僅限于三大巨頭。HPE、IBM、思科、SAP等知名企業(yè),F(xiàn)oghorn、IOTech、Falkonry等初創(chuàng)公司紛紛表示加我一個。
值得關(guān)注的是,在上周剛剛結(jié)束的VMworld2018峰會中,VMware發(fā)布了最新的邊云協(xié)同戰(zhàn)略,DellEMC、Pivot3、Veeam、ExtremeNetworks等公司聯(lián)合展示了多款邊云協(xié)同產(chǎn)品。
邊云協(xié)同中的“邊緣”千人千面
邊云協(xié)同首先需要克服的障礙有很多層面,但最基礎(chǔ)的一個,是對于“邊緣”認(rèn)知的不一致性。
邊云協(xié)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(yè)互聯(lián)網(wǎng)聯(lián)盟IIC在白皮書《IntroductiontoEdgeComputinginIIoT》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(shù)據(jù)管理、數(shù)據(jù)分析、統(tǒng)一業(yè)務(wù)編排、連接能力和安全性。
因此對于不同的個性化應(yīng)用來說,“邊緣在哪里”是一個“千人千邊”的開放性問題,從應(yīng)用角度來看,邊緣的位置取決于業(yè)務(wù)問題需要解決的“關(guān)鍵目標(biāo)”。
因此從最終用戶和服務(wù)提供商的視角來看,邊緣所處的位置并不相同。因此在由ARM、VaporIO、EricssonUDN等公司聯(lián)合起草的白皮書《StateoftheEdge2018》中,定義了兩種邊緣,運營商視角的基礎(chǔ)設(shè)施邊緣和最終用戶視角的設(shè)備邊緣。
基礎(chǔ)設(shè)施邊緣是指位于“最后一公里”的網(wǎng)絡(luò)運營商或者服務(wù)提供商的IT資源,其主要構(gòu)建模塊是邊緣數(shù)據(jù)中心,通常在城市及其周邊以5-10英里的間隔放置。
設(shè)備邊緣是指網(wǎng)絡(luò)終端或設(shè)備側(cè)的邊緣計算資源,包括傳統(tǒng)互聯(lián)網(wǎng)設(shè)備,比如PC和智能手機等,以及新型智能設(shè)備,比如智能汽車、環(huán)境傳感器、智能信號燈等。
基礎(chǔ)設(shè)施邊緣和設(shè)備邊緣雖然同屬于邊緣計算的范疇,但是兩者的定義、關(guān)注點、核心能力(包括在計算和存儲能力、網(wǎng)絡(luò)資源規(guī)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(xié)同的過程中,不同層次的邊緣與云平臺之間構(gòu)成了多層結(jié)構(gòu),應(yīng)用程序的工作負(fù)載通過在各個層次之間動態(tài)分配資源來調(diào)度。基礎(chǔ)設(shè)施邊緣和設(shè)備邊緣都可以被視為集中式云平臺的補充,甚至是現(xiàn)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(xié)同的市場規(guī)模估算的不一致性,導(dǎo)致不同企業(yè)對邊云協(xié)同的重視程度相差極大,邊云協(xié)同的重要性很容易被高估或者低估。
看好邊緣計算的激進(jìn)代表包括戴爾公司的首席執(zhí)行官兼董事長邁克爾·戴爾,他說:“我認(rèn)為邊緣將比云更大。”
不同的市場研究機構(gòu)也對邊緣計算市場給出了各自的估算。
■Gartner預(yù)測到2021年,由于考慮到時間延遲和帶寬需求,40%的大型企業(yè)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(yù)測到2020年,邊緣計算的相關(guān)支出將占到物聯(lián)網(wǎng)所有支出的18%。到2022年,物聯(lián)網(wǎng)的整體支出將達(dá)到1.2萬億美元,而邊緣計算的相關(guān)支出則為2160億美元。
■GrandViewResearch認(rèn)為到2025年,全球邊緣計算市場將達(dá)到32.4億美元,復(fù)合年增長率超過40%。
■TransparencyMarketResearch估算2017年全球邊緣計算市場約為80億美元,并預(yù)計到2022年底將達(dá)到133億美元。
■StratisticsMRC對于2017年的市場估算與TransparencyMarketResearch一致,約為80億美元。StratisticsMRC還進(jìn)一步預(yù)測到2026年,邊緣計算的市場規(guī)模將達(dá)205億美元。
如何通過邊云協(xié)同進(jìn)行有效的數(shù)據(jù)分析?
數(shù)據(jù)分析是將數(shù)據(jù)轉(zhuǎn)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(shù)據(jù)是新型“石油”,那么數(shù)據(jù)分析就是驅(qū)動其產(chǎn)生價值的新型“引擎”,數(shù)據(jù)分析的質(zhì)量,在一定程度上決定著物聯(lián)網(wǎng)項目的價值上限。
曾經(jīng)大多數(shù)數(shù)據(jù)分析都在云端進(jìn)行,而如今隨著邊云協(xié)同的推進(jìn),邊緣分析可以降低數(shù)據(jù)存儲、通訊和處理的成本,去除不必要的數(shù)據(jù)噪聲,更多的數(shù)據(jù)分析正在回到邊緣進(jìn)行處理。
一般而言,如果某項應(yīng)用場景具有良好的信息源,且業(yè)務(wù)問題有清晰的解決邏輯,那么數(shù)據(jù)分析的重點應(yīng)該放到邊緣。在更復(fù)雜的情況下,為了處理好多種數(shù)據(jù)源和多重變量,邊云協(xié)同需要綜合考慮處理速度、可靠性、安全性、帶寬需求和復(fù)雜度。
處理速度:數(shù)據(jù)類型和數(shù)量,以及業(yè)務(wù)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(gòu),由于將運算分散在靠近數(shù)據(jù)源的近端設(shè)備處理,不再需要遠(yuǎn)距離把數(shù)據(jù)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(lián)設(shè)備可以通過邊緣應(yīng)用,同步設(shè)備數(shù)據(jù)以及與其他設(shè)備安全通信,甚至無需連接互聯(lián)網(wǎng),最大程度地提升可靠性、安全性和隱私保護(hù)能力。但是一些重要數(shù)據(jù),仍舊需要回傳到云端,進(jìn)行保存以便進(jìn)行長期趨勢分析。
帶寬需求:帶寬是遠(yuǎn)程控制中需要考慮的一個重要問題。邊云協(xié)同的數(shù)據(jù)量直接決定了數(shù)據(jù)分析的成本,如果監(jiān)控一臺風(fēng)力發(fā)電機上的100個參數(shù),每隔10分鐘回傳一次數(shù)據(jù)到云平臺,那么每天的數(shù)據(jù)量就是14400,這還僅僅只對應(yīng)一臺風(fēng)機。
有些公司正在采用最新LPWAN技術(shù)來緩解向云端發(fā)送大量數(shù)據(jù)的成本問題,但帶寬問題仍舊是邊云協(xié)同無法繞過的一個現(xiàn)實因素。
復(fù)雜度:復(fù)雜度是劃分云端和邊緣應(yīng)用負(fù)載的有效分水嶺。云端學(xué)習(xí)、邊緣執(zhí)行,是處理復(fù)雜問題的大致思路。以一個啤酒廠的應(yīng)用為例,如果分析某一款啤酒被過度發(fā)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(fā)酵周期,并在不同種類的啤酒之間進(jìn)行橫向?qū)Ρ龋敲丛贫朔治隹梢院芎玫慕鉀Q這個數(shù)學(xué)問題。
大多數(shù)預(yù)測性維護(hù)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(chǎn)效率提升問題,就需要在云平臺中將來自多個場景的監(jiān)測數(shù)據(jù)進(jìn)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(xié)同必將成為合理而主流的走向。
本文小結(jié):
1.邊緣計算和云計算并非互斥關(guān)系,由于邊緣計算解決了“最后一公里”云原生應(yīng)用的供應(yīng)問題,成為了云計算在未來發(fā)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(xié)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(xié)同的過程中,不同層次的邊緣與云平臺之間構(gòu)成了多層結(jié)構(gòu),應(yīng)用程序的工作負(fù)載通過在各個層次之間動態(tài)分配資源來調(diào)度,同時邊云協(xié)同的重要性很容易被高估或者低估。
3.云端學(xué)習(xí)、邊緣執(zhí)行,是處理復(fù)雜問題的大致思路。為了處理好多種數(shù)據(jù)源和多重變量,邊云協(xié)同需要綜合考慮處理速度、可靠性、安全性、帶寬需求和復(fù)雜度。