1. 引言

随着物联网(IoT)的快速发展和云服务的广泛应用,一种新的计算范式——边缘计算(Edge Computing)正在逐渐兴起。它将数据处理任务从中心化的云端向靠近数据源的“边缘”迁移,从而在延迟、带宽、隐私等方面带来显著优势。

本文将介绍边缘计算的基本概念、优势、常见平台以及设计过程中需要重点关注的问题。

2. 边缘计算的定义

边缘计算是一种分布式计算范式,其核心理念是将数据处理任务放在网络边缘进行,而不是上传到远程的云中心。

这里的“边缘”是指介于数据源和云数据中心之间的任何计算和网络资源。例如:

  • 智能手机是人体传感器与云之间的边缘;
  • 智能家居网关是家庭设备与云之间的边缘;
  • 微型数据中心或 Cloudlet 是移动设备与云之间的边缘。

简而言之,计算应尽可能靠近数据源

边缘计算可以看作是雾计算(Fog Computing)的一个子集。雾计算位于云与边缘之间,负责初步处理边缘节点产生的大量数据,再决定是否转发至云端。边缘节点则更贴近终端设备,具备更低的延迟和更强的实时处理能力。

下表对比了三种计算范式的主要特性:

特性 云计算 雾计算 边缘计算
优点 可扩展性强、适合大数据处理 用户自定义安全、延迟低 实时响应、延迟极低、可脱离云运行
缺点 高延迟、响应慢、无法离线、安全性差 存储有限、需更多云连接 存储有限、依赖专有网络、功耗高

3. 边缘计算的优势

边缘计算带来的主要优势包括:

降低网络延迟:将数据保留在边缘设备附近,显著提升应用响应速度
缓解设备资源限制:解决设备计算能力、存储容量、电池寿命和带宽瓶颈
增强隐私与数据安全:数据在本地处理,无需上传至云端,降低泄露风险
支持IoT任务资源分配:例如人脸识别平台通过将计算任务从云端迁移到边缘,响应时间从900ms降至169ms

4. 常见边缘计算平台

目前已有多个边缘计算平台,适用于不同应用场景:

应用场景 平台 特点
通用 Cloudlet 轻量级虚拟机迁移
通用 PCloud 资源整合与动态分配
通用 ParaDrop 硬件支持、开发者友好
通用 AirBox 安全性
车联网 OpenVDAP 通用平台
车联网 SafeShareRide 车内安全
智能家居 Vigilia 家庭安全
智能家居 HomePad 家庭安全
视频流分析 LAVEA 低延迟响应
视频流分析 VideoEdge 资源与精度权衡
虚拟现实 MUVR 资源利用效率优化

5. 边缘系统设计的关键问题

在设计边缘计算系统时,需关注以下几个核心问题:

5.1. 移动性支持

移动性包括用户移动性和资源移动性。当用户从一个边缘节点覆盖区域移动到另一个区域时,如何无缝迁移当前程序状态和数据是一个挑战。

目前,Cloudlet 和 CloudPath 通过终止现有任务并在目标节点启动新实例来实现服务迁移。

5.2. 多用户公平性

边缘设备资源有限,如何在多个用户之间公平分配资源,尤其是共享资源或稀缺资源,是设计中必须考虑的问题。例如,一台智能手机作为边缘节点,如何在多个用户请求中合理分配有限的电池资源。

5.3. 隐私保护

边缘设备可能是私有设备,例如智能家居网关。其他用户在使用这些设备时,如何确保设备主人和访客的数据隐私是关键问题。

5.4. 开发者友好性

系统最终要为上层应用提供硬件交互和基础服务。API设计、程序部署、资源申请与回收等是否便捷,直接影响系统的易用性和普及度。因此,设计时应站在开发者角度思考。

5.5. 多域管理与协作

边缘计算涉及多种资源,可能归属于不同所有者。如何实现跨域资源的统一管理与协作是一个复杂问题。

5.6. 成本模型

在云计算中,可以根据资源使用情况制定成本模型。而在边缘计算中,一个应用可能使用多个不同所有者的资源,如何衡量资源使用、计算整体开销并制定合理定价模型,是部署边缘系统时的关键问题。

5.7. 兼容性

目前大多数边缘平台仍需要特定配置或任务划分。例如:

  • ParaDrop 需要额外的 XML 配置文件定义资源需求;
  • SpanEdge 要求开发者将任务划分为本地任务和全局任务。

如何自动透明地将现有程序转换为边缘版本,是当前仍需探索的方向。

6. 总结

边缘计算是一种将计算、存储和网络能力从云端向用户侧迁移的新范式。它在物联网和5G背景下具有广阔的应用前景,能够显著提升应用的响应速度、降低带宽压力、增强数据隐私保护。

虽然目前在移动性支持、多用户公平性、隐私保护、开发者友好性、多域管理、成本模型和兼容性等方面仍存在挑战,但随着技术的发展,这些问题将逐步被解决。

边缘计算的未来,值得期待。


原始标题:What Is Edge Computing?