什么是边缘计算？

背景

10年前，"云计算"横空出世，狂飙突进十年之后，把那些巨无霸硬件厂商打得满地找牙。云计算把分散的资源集中起来按需分配，从使用者角度来说，云计算能够提供成本更低、效率更高的服务。

但是，随着云计算技术的发展和应用的普及，人们逐渐发现，这种全部集中模式的云计算未必是最优的解决方案，比如以下场景。

• 数据量大，如果将数据全部上传的话，成本高、效率低

• 即时交互，如果数据全部上传，在中央节点处理再下发，传输成本高、时延长。

• 对业务连续性要求比较高的业务，如果遇到网络问题或者中央节点故障，即便是短时间的云服务中断都会带来严重影响。

• 安全性，客户不允许将自己的数据脱离自己的控制。

据统计，到2020年，每人每天平均将产生1.5GB的数据量。随着越来越多的设备连接到互联网并生成数据，云计算可能无法完全处理这些数据，尤其是在某些需要非常快速地处理数据的使用场景当中。

在这样的背景下，边缘计算技术作为云计算技术的延伸和补充，正式进入了人们的视野。

什么是边缘计算？

自动驾驶汽车本质上是一台装有轮子的高性能计算机，它通过大量的传感器来收集数据。为了能够安全可靠地运行，它们需要立即对周围的环境做出反应。处理速度的任何延迟都有可能是致命的。虽然联网设备的数据处理现在主要是在云端进行的，但在中央服务器之间来回传送数据可能需要几秒钟的时间。这一时间跨度太长了。自动驾驶汽车则依靠自身及时处理产生的数据并做出反应，这就是边缘计算。

通俗的讲，就是将编写好的程序直接部署到用户的终端上，让程序利用设备的cpu或gpu直接对产生的数据进行处理并及时反应。让终端设备即使在没有联网的情况下，做出完整的业务决策（最后，可以将结果异步回传）。而我们则可对终端设备部署的程序进行统一升级维护。

边缘计算的优势

• 实时快速的数据处理和分析：数据处理更接近数据来源，而不是在外部数据中心或云端进行，因此可以减少迟延时间。

• 较低的成本：企业在本地设备的数据管理解决方案上的花费比在云和数据中心网络上的花费要少。

• 网络流量较少：随着物联网设备数量的增加，数据生成将以几何的速度增加。因此，网络带宽变得更加有限，让云端不堪重负，造成更大的数据瓶颈。

• 更高的应用程序运行效率：随着滞后减少，应用程序能够以更快的速度更高效地运行。

总结

本地化数据处理和存储对计算网络的压力更小。当发送到云的数据变少时，交互导致的数据处理延迟就会降低。当然，这也让基于边缘计算技术的硬件承担了更多的任务，包含用于收集数据的传感器和用于处理设备中的数据的CPU或GPU。

但是，随着人们对个人安全数据需求的不断攀升，伴随着终端硬件设备性能的普遍提升，甚至结合深度学习算法，边缘计算已经具备了完备的生态环境。

我记得几年前，曾经和同事讨论系统并发架构的极限解决方案，其中一个方案是在每个应用旁边都安装数据库，这与边缘计算的理念不谋而合。