边缘OL 边缘计算系列科普（二）——边缘计算的产生背景以及相关核心概念

在区块链领域，连锁侦探非常专注

​

边缘计算的背景离不开物联网、大数据、云计算、人工智能等技术的快速发展。正是因为这些技术的快速发展，给互联网行业带来了深刻的变化，也对计算模型提出了新的要求。

物联网(IoT)技术旨在利用射频识别技术、无线数据通信技术、全球定位系统等将现实物体与互联网联系起来。根据物联网商定的通信协议，实现信息交换，达到智能识别、定位、跟踪、监控和管理互联网资源的目的。

随着计算机技术和网络通信技术的发展，物联网的概念得到了很大的扩展，即被定义为几乎所有的信息技术与计算机和网络技术的结合，实现了对象之间数据和信息的共享，实现了智能的实时数据采集、传输、处理和执行。当然还有人机交互。

需要指出的是，“无人值守计算机信息感知”的概念已经逐渐应用到可穿戴医疗、智能家居、环境感知、智能制造、智能交通系统等领域。

物联网技术涉及的关键技术主要包括:

1)传感器技术，从自然来源获取信息，并对其进行处理和识别。传感器技术也是计算机应用中的一项关键技术，它通过感觉或响应来检测被测对象的某些信息，并最终按照一定的规则将其转换成可输出的信号。

2) RFID(射频识别)射频识别技术是集射频技术和嵌入式技术于一体的综合技术。它可以通过射频信号自动识别目标物体并获取相关数据。识别工作不需要人工干预，可以在各种恶劣环境下工作。它在自动识别和物流管理方面有着极其广阔的应用前景。

3)嵌入式系统技术，是集计算机软硬件、传感器技术、集成电路技术和电子应用技术于一体的复合技术。经过几十年的演变，以嵌入式系统为特征的智能终端产品已经随处可见。小到智能手表和手镯，大到航天卫星系统。

嵌入式系统正在深刻地改变着人们的生产和生活，推动着工业生产和国防工业的发展。

如果拿物联网和人体比，可以简单的打个比喻。传感器相当于人体的眼睛、鼻子、皮肤等感官；网络相当于人体的神经系统接受和传递信息；嵌入式系统相当于人脑，接收信息后进行分类处理等操作。

边缘计算和物联网的快速发展离不开无线网络通信的快速发展。随着4G尤其是5G的发展和普及，万物互联(IoE)时代已经到来。

万物互联(IoE)

物联网的概念是思科在2012年12月提出的。它是未来互联网连接和物联网发展的一种新的网络连接架构。它是一种基于物联网的新型互联架构，增加和完善了网络的智能处理功能和安全功能。

万物互联采用分布式架构，集成了以应用为中心的网络、新的计算和存储平台、IP驱动的设备、全球更高的带宽接入和IPv6。实现可以支持上亿个边缘终端和设备接入互联网。与物联网相比，在物联网的概念中，除了“物”与“物”的互联外，还增加了更高层次的“人”与“物”的互联，其突出特点是任何“物”都会具有情境感知的功能，以及更强的计算能力和感知能力。

将人和信息整合到互联网中，网络将有数十亿甚至数万亿的连接节点。物联网以物联网为基础，增加了网络智能，实现了互联网上“万物”之间的集成、协作和可视化功能。

基于万物互联平台的应用服务往往需要更短的响应时间，同时会产生大量与个人隐私相关的数据。例如，安装在无人驾驶汽车上的传感器和摄像头实时捕捉道路信息，每秒钟将产生约1GB的数据。

据IHS研究所预测分析，到2035年，全球将有5400万辆无人驾驶汽车；波音787每秒会产生约5GB的数据，需要实时处理。同时，以北京电动汽车监控平台为例，该平台可以7x24小时不间断实时监控1万辆电动汽车，并以每10秒1辆的速度将监控数据实时传输到各企业平台。此外，中国打击犯罪的“天网”监控网络在全国安装了2000多万台高清监控摄像头，对行人和车辆进行实时监控和记录。

云计算

自2005年云计算概念提出以来，信息技术深刻地改变了人们的日常生活和工作，例如，SaaS(软件即服务)已被广泛应用于著名信息技术公司如谷歌、推特、脸书和百度的数据中心。

可扩展的基础设施和支持云服务的处理引擎技术极大地影响了应用服务的运行模式，如Google文件系统、MapReduce编程模型、Apache Foundation开发的分布式系统Hadoop、美国加州大学伯克利分校AMP实验室开发的内存计算框架Spark等。

而物联网等应用背景中的数据往往地理位置分散，对响应时间和安全性提出了更高的要求。虽然云计算为大数据提供了高效的计算平台，但是目前的网络带宽增长速度跟不上数据的增长速度，网络带宽的成本下降速度也比CPU快。内存等硬件资源的成本降低得慢得多，复杂的网络环境使得网络延迟现象难以有效解决。

综上所述，传统的云计算模式将难以实现对基于物联网的应用服务的实时高效支持。有两个棘手的问题，一个是带宽，一个是延迟，但这两个瓶颈并不能在短时间内得到有效解决。

基于上述现象，随着物联网的快速发展和广泛应用，边缘设备逐渐从数据消费者的单一角色转变为数据生产者和数据消费者的双重角色。同时，网络边缘设备利用采集到的实时数据，逐渐具备模式识别、预测分析或优化、智能处理等功能。

在边缘计算模型中，计算资源更靠近数据源，网络边缘设备有足够的计算能力实现对源数据的本地处理，并将结果发送到云计算中心。

在这里，边缘计算模型不仅可以降低网络传输过程中的带宽压力，加快数据分析和处理，还可以降低终端敏感数据信息隐私泄露的风险。

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转向以万物互联为中心的边缘计算时代。(这是不是有一种和区块链融为一体的感觉？手动微笑~)

集中式大数据处理时代，大数据的存储和处理更加集中。主要途径是建设云计算中心，建设和利用中心的超级计算能力，集中解决计算和存储问题。(本文中的寡头现象和安全隐患不是本文的主要目的，这里不一一列举。)

相比之下，在边缘计算大数据处理时代，网络边缘设备会产生海量的实时数据。根据思科互联网业务解决方案集团的预测，到2020年，连接到网络的无线设备数量将增加到500亿台。

而物联网产生的数据有45%会在网络边缘进行存储、处理和分析。全球数据中心的数据流量预计将超过10.4兆字节(ZB)。

需要注意的是，这些边缘设备将部署在支持实时数据处理的边缘计算平台上，为用户提供大量的服务或功能接口，用户通过调用这些接口可以获得所需的边缘计算服务。

综上所述，集中式云计算能力的线性增长已经逐渐无法满足海量边缘数据的爆炸式增长，基于云计算模式的单一计算资源已经不能满足大数据处理的实时性、安全性和低能耗的要求。

在以云计算模式为核心的现有集中式大数据处理基础上，迫切需要以边缘计算模式为中心、面向海量边缘数据的基于边缘的大数据处理技术。

我相信两者的互补将更有利于大数据处理在云计算中心和边缘的应用，进而推动物联网时代应用计算服务的发展。

引用

阿什顿·k .那个‘物联网’[J]。射频识别杂志，2009，22(7):97-114。

北京电动汽车协同创新中心。[EB/OL]。http://me.bit.edu.cn/sytj/syszxjs/bjddjlxtcxzx/86238.htm, 2017-11-13。

Dean J，Ghemawat S. MapReduce:大型集群上的简化数据处理[J]。美国癌症协会通讯，2008，51(1):107-113。

[2]扎哈利亚·米，乔杜里·米，富兰克林·米·杰，等. Spark:带工作集的集群计算[J].HotCloud，2010，10:10。

待续...

▼

关注微信官方账号的“连锁侦探”

获取平台最新对接新项目的福利待遇

背景回复“白皮书”

获取一套区块链白皮书

后台回复“技术指南”

获取区块链技术指南-完整版_-超清晰

后台回复“参考架构”

获得中国首个区块链标准“区块链参考架构”