新兴科学技术注定是2019年的奔腾发展的一年，继新年伊始的柔性屏折叠屏技术、到工信部提出“4K先行，兼顾8K”的高清视频产业发展的技术路线、再到这两天边缘计算被市场推到了风口。3月5日，两会19年政府工作报告中明确提出：打造工业互联网平台，拓展“智能+”，为制造业转型升级赋能。

      5G生态具备低延时、高速度的特点，在物联网，特别是工业互联网中的应用更为广泛，而边缘计算是发展工业互联网的重要辅助。云计算已经不足以即时处理和分析由物联网设备、联网汽车和其他数字平台生成或即将生成的数据，这个时候边缘计算能够派上用场。该技术拥有着应用于诸多行业领域和发挥巨大作用的潜力。目前，大数据处理已经从以云计算为中心的集中式处理时代正在跨入以万物互联为核心的边缘计算时代。

什么是边缘计算？

      边缘计算是指在网络边缘执行计算的一种新型计算模型，边缘计算中边缘的下行数据表示云服务，上行数据表示万物互联服务，而边缘计算的边缘是指从数据源到云计算中心路径之间的任意计算和网络资源。

      云计算中心不仅从数据库收集数据，也从传感器和智能手机等边缘设备收集数据。这些设备兼顾数据生产者和消费者。因此，终端设备和云中心之间的请求传输是双向的。网络边缘设备不仅从云中心请求内容及服务，而且还可以执行部分计算任务，包括数据存储、处理、缓存、设备管理、隐私保护等。因此，需要更好地设计边缘设备硬件平台及其软件关键技术，以满足边缘计算模型中可靠性、数据安全性的需求。

为什么需要边缘计算？

1、云计算服务的不足

      云计算大多采用集中式管理的方法，这使云服务创造出较高的经济效益，而在万物互联的背景下，应用服务需要低延时、高可靠性以及数据安全，而传统云计算无法满足这些需求，主要归因于３个方面： 

１）实时性

      万物互联环境下，边缘设备产生大量实时数据，云计算性能正逐渐达 到瓶颈。据ＩＤＣ预测，到２０２０年，全球数据总量将大于４０ＺＢ。随着边缘设备数据量的增加，网络带宽正逐渐成为云计算的另一瓶颈．仅提高网络带宽并不能满足新兴万物互联应用对延迟时间的要求。

      例如，波音７８７每秒产生的数据超过５ＧＢ，但飞机与卫星之间的带宽不足以支持实时传输。装载在无人驾驶汽车上的传感器和摄像头实时捕捉路况信息，每秒产生约１ＧＢ数据，根据ＩＨＳ预测，到２０３５年，全球将有５４００万辆无人驾驶汽车，如何实现较短延时将是未来主要研究方向。为此，在接近数据源的边缘设备上执行部分或全部计算是适应万物互联应用需求的新兴计算模式。

２）隐私保护

      当用户使用电子购物网站、搜索引擎、社交网络等时，用户的隐私数据将被上传至云中心。比如有人研究出一种基于运动追踪的医疗体育应用服务，其包含用户隐私数据，如从路由起点信息可以查找到用户的家庭地址。

      随着智能家居的普及，许多家庭在屋内安装网络摄像头，如果直接将视频数据上传至云数据中心，视频数据的传输不仅会占用带宽资源，还增加了泄露用户隐私数据的风险。

      针对现有云计算模型的数据安全问题，边缘计算模型为这类敏感数据提供了较好的隐私保护机制，一方面，用户的源数据在上传至云数据中心之前，首先利用近数据端的边缘结点直接对数据源进行处理，以实现对一些敏感数据的保护与隔离；另一方面，边缘节点与云数据之间建立功能接口，即边缘节点仅接收来自云计算中心的请求，并将处理的结果反馈给云计算中心。这种方法可以显著地降低隐私泄露的风险。

３）能耗

      针对云数据中心的能耗问题，许多研究者进行了深入的调查研究，结果表明，到２０２０年美国所有数据中心的总能耗将增长４％，在２０２０年将达到约７３０亿千瓦时。在我国，环境３６０报告表明，仅我国数据中心所消耗的电能已经超过匈牙利和希腊两国用电的总和。

      随着在云计算中心运行的用户应用程序越来越多，未来大规模数据中 心对能耗的需求将难以满足。在云计算中心的能耗优化方面，现有的研究内容主要集中在如何提高能源使用效率和动态资源管理策略方面，以达到减缓能耗增速、最大程度的节能。

      在现有以云计算模型为核心的集中式大数据处理基础上，亟待需要以边缘计算模型为核心，面向海量边缘数据的边缘式大数据处理技术，二者相辅相成，应用于云中心和边缘端大数据处理，解决万物互联时代云计算服务不足的问题。

2、万物互联的兴起 

      传感器、智能手机、可穿戴设备以及智能家电等设备将成为万物互联的一部分，并产生海量数据，而现有云计算的带宽和计算资源还不能高效处理这些数据。 

3、从数据消费者到生产者

      在云计算模型中，边缘终端设备通常作为数据消费者（如用智能手机观看在线视频），如今智能手机也可生产数据，从数据消费者到生产者角色的转变要求边缘设备具有更强的计算能力，如人们通过社交软件分享照片及视频。 微信朋友圈和腾讯 ＱＱ空间每天上传的图片高达１０亿张；腾讯视频每天播放量达２０亿次．这些图片和视频数据量较大，上传至云计算中心过程会占用大量带宽资源．为此，在源数据上传至云中心之前，可在边缘设备执行预处理，以减少传输的数据量，降低传输带宽的负载．此外，若在边缘设备处理个人身体健康数据等隐私数据，用户隐私会得到更好地保护。

边缘计算的优势？

      边缘计算模型将原有云计算中心的部分或全部计算任务迁移到数据源的附近执行．根据大数据的３Ｖ 特点，即数据量（ｖｏｌｕｍｅ）、时效性（ｖｅｌｏｃｉｔｙ）、多样性（ｖａｒｉｅｔｙ），通过对比云计算模型为代表的集中式大数据处理（如图）和以边缘计算模型为代表的边缘式大数据处理（如图）时代不同数据特征来分析边缘计算模型的优势。

      边缘式大数据处理时代的数据特征催生了边缘计算模型．然而，边缘计算模型与云计算模型并不是非此即彼的关系，而是相辅相成的关系，边缘式大数据处理时代是边缘计算模型与云计算模型的相互结合的时代，二者的有机结合将为万物互联时代的信息处理提供较为完美的软硬件支撑平台。

边缘计算在各行各业的应用

      例如，飞机制造商庞巴迪（Bombardier）的C系列飞机就装备了大量的传感器来迅速检测发动机的性能问题。在12小时的飞行中，飞机产生了多达844 TB的数据。边缘计算支持对数据进行实时处理，因此该公司能够主动处理引擎问题。

医疗保健

       如今，人们越来越喜欢佩戴健身追踪设备、血糖监测仪、智能手表和其他监测健康状况的可穿戴设备。但是，要真正地从所收集的海量数据中获益，实时分析可能是必不可少的——许多的可穿戴设备直接连接到云上，但也有其他的一些设备支持离线运行。一些可穿戴健康监控器可以在不连接云的情况下本地分析脉搏数据或睡眠模式。然后，医生可以当场对病人进行评估，并就病人的健康状况提供即时反馈。但在医疗保健领域，边缘计算的潜力远不局限于可穿戴设备。
      不妨想想，快速的数据处理能够给远程患者监控、住院患者护理以及医院和诊所的医疗管理带来多大的好处。
医生和临床医生将能够为患者提供更快、更好的护理，同时患者所生成的健康数据也多了一层安全保护。医院病床平均有20个以上的联网设备，会产生大量的数据。这些数据的处理将直接发生在更靠近边缘的地方，而不是将保密数据发送到云端，因此能够避免数据被不当访问的风险。如前所述，本地化数据处理意味着大范围的云端或网络故障不会影响业务运转。即使云操作中断，这些医院的传感器也能独立地正常运行。

制造业

      智能制造有望从现代工厂大量部署的传感器中获得洞见。由于能够减少滞后，边缘计算可能会使得制造流程能够更快速地做出响应和变动，能够实时地应用数据分析得出的洞见和实时行动。这可能包括在机器过热之前将其关闭。一家工厂可以使用两个机器人来完成同样的任务，两个机器人装有传感器，并连接到一个边缘设备上。边缘设备可以通过运行一个机器学习模型来预测其中一个机器人是否会操作失败。
      如果边缘设备断定机器人很可能会出现故障，它就会触发行动来阻止或减慢机器人的运转。这会使得工厂能够实时地评估潜在的故障。如果机器人能够自己处理数据，它们也可能变得更加自给自足和反应灵敏。边缘计算应该支持更快地从大数据中更多的洞见，以及支持将更多的机器学习技术应用到业务运营中。最终目标是，挖掘实时产生的海量数据的巨大价值，防止安全隐患，并减少工厂车间机器运转中断的情况。

农业和智能农场

     边缘计算非常适合应用于农业，因为农场经常处于偏远的位置和恶劣的环境中，可能存在带宽和网络连接方面的问题。现在，想要改善网络连接的智能农场需要在昂贵的光纤、微波连接或者拥有一颗全天候运行的卫星上进行投资；而边缘计算则是一种合适的、具有成本效益的替代方案。
      智能农场可以使用边缘计算来监测温度和设备性能，以及自动让各种设备（比如过热的泵）减缓运转或者关闭。

能源和电网控制   

     边缘计算或许在整个能源行业都尤其有效，尤其是在石油和天然气设施的安全监测方面。例如，压力和湿度传感器应当受到严密监控，不能在连接性上出差错，尤其是考虑到这些传感器大多位于偏远地区。如果出现异常情况——比如油管过热——却没有被及时注意到，那就可能会发生灾难性的爆炸。
      边缘计算的另一个好处是能够实时检测设备故障。通过电网控制，传感器可以监控从电动汽车到风力发电厂的一切设施所产生的能源，有助于相应作出决策来降低成本和提高能源生产效率。

文章来源网络,如有侵权请联系我们删除。