邊緣計算是雲端計算的終結者？No,雲端計算巨頭們正在推動邊雲協同！
這是我在【物女心經】專欄寫的第90篇文章。
關於邊緣計算我已經談過很多次，或許你也注意到了，進入2018年之後，邊緣與雲端的微妙關係正在被業界重視起來，物聯網的發展令原本基於網際網路構建的基礎設施逐步翻轉，正在經歷一次螺旋式的更迭過程。
2016年底，在Gartner資料中心年度會議上，矽谷風投大佬A16Z合夥人Peter Levine曾說邊緣計算是雲端計算的“終結者”。經過接近兩年時間的驗證，邊緣計算和雲端計算的關係更加清晰，兩者並非互斥關係的基本論調已奠定。由於邊緣計算解決了“最後一公里”雲原生應用的供應問題，成為了雲端計算在未來發展中的重要落地支撐，邊緣計算與雲端計算勢必彼此融合，來到“邊雲協同”的新階段。
就像配電網將電力從降壓配電變電站出口輸送到終端使用者端，邊緣計算形成的網格將雲原生應用從最後一公里處配送至互聯萬物，提高關鍵應用程式的效能、提升實時處理能力、改善安全性和可靠性，很大程度上彌補了雲端計算在IoT領域實踐中的短板和掣肘。
通過由邊緣與雲端形成的多層混合架構，以及隨之而來的“邊雲協同”效應，更能綜合發揮兩者的優勢，促進物聯網基礎架構迎來一次全面的升級。
邊雲協同的主要推動者竟是三大雲端計算巨頭
如何直觀的解釋邊雲協同效應？華為企業業務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元。這些神經元60%分佈在八條腿（邊緣）上，腦部（雲端）僅有40%。看起來用“腿”來思考並解決問題的章魚，在捕獵時各條“腿”從來不會纏繞打結，這得益於它們類似於分散式計算的“多個小腦（邊緣）”和“一個大腦（雲端）”協同工作。
縱觀全球，我們驚奇的發現，邊雲協同的主要推動者，恰是邊緣計算曾經試圖“終結”的雲端計算巨頭們。
雲端計算目前仍是一個快速擴張的市場，根據預測到2021年雲端計算的市場規模將達到3000億美元。領跑“三人行”亞馬遜、微軟和谷歌之間的排位爭奪戰從開始就沒消停過，物聯網時代業必將愈演愈烈。
基礎設施即服務、平臺即服務、軟體即服務…一切盡在服務。為了謀求進一步擴張，AWS、Azure和Google Cloud不約而同的看到了來自兩個方向的發展動力，一是由各種SaaS提供的增值雲服務能力形成的推力，另一個是由邊緣計算將雲原生應用帶入到各種智慧終端形成的拉力。
邊緣計算是一種分散式基礎設施，計算資源和應用服務沿著從資料來源到雲端的通訊路徑分佈。由於邊緣計算能夠提升雲端計算的時間維度價值，從而“淬鍊”成業務績效，更好的滿足各種合規性的要求，具有更佳的資料隱私保護能力和安全性，是拉動雲平臺業績的有效手段。
巨頭們的邊雲協同路徑推進得可謂整齊劃一，亞馬遜的AWS Greengrass、微軟的Azure IoT Edge、谷歌的Edge TPU和Cloud IoT Edge相繼推出。各家的商業模式也相當趨同，在邊緣側以免費或開源的方式，將雲原生應用的“電力”配送到位於“最後一公里”的工業機器人、風力發電機和各種生產線的邊緣裝置當中。
當然，對邊雲協同萬分看好的企業並不僅限於三大巨頭。HPE、IBM、思科、SAP等知名企業，Foghorn、IOTech、Falkonry等初創公司紛紛表示加我一個。
值得關注的是，在上週剛剛結束的VMworld 2018峰會中，VMware釋出了最新的邊雲協同戰略，Dell EMC、Pivot3、Veeam、Extreme Networks等公司聯合展示了多款邊雲協同產品。
邊雲協同中的“邊緣”千人千面
邊雲協同首先需要克服的障礙有很多層面，但最基礎的一個，是對於“邊緣”認知的不一致性。
邊雲協同中的“邊緣”在哪裡？這恐怕是最常見的問題之一。與雲平臺不同，對於邊緣的理解可以說是千人千面。
工業網際網路聯盟IIC在白皮書《Introduction to Edge Computing in IIoT》中給出的解釋是： 邊緣是一個邏輯概念，而並非一個物理劃分 。同時IIC也給出了邊緣計算需要考慮的共效能力，包括分散式資料管理、資料分析、統一業務編排、連線能力和安全性。
因此對於不同的個性化應用來說，“邊緣在哪裡”是一個“千人千邊”的開放性問題，從應用角度來看，邊緣的位置取決於業務問題需要解決的“關鍵目標”。
因此從終端使用者和服務提供商的視角來看，邊緣所處的位置並不相同。因此在由ARM、Vapor IO、Ericsson UDN等公司聯合起草的白皮書《State of the Edge 2018》中，定義了兩種邊緣，運營商視角的基礎設施邊緣和終端使用者視角的裝置邊緣。
基礎設施邊緣 是指位於“最後一公里”的網路運營商或者服務提供商的IT資源，其主要構建模組是邊緣資料中心，通常在城市及其周邊以5-10英里的間隔放置。
裝置邊緣 是指網路終端或裝置側的邊緣計算資源，包括傳統網際網路裝置，比如PC和智慧手機等，以及新型智慧裝置，比如智慧汽車、環境感測器、智慧訊號燈等。
基礎設施邊緣和裝置邊緣雖然同屬於邊緣計算的範疇，但是兩者的定義、關注點、核心能力（包括在計算和儲存能力、網路資源規模等）方面的差異極大。
由於邊緣計算千人千面的基本特徵，因此在邊雲協同的過程中，不同層次的邊緣與雲平臺之間構成了多層結構，應用程式的工作負載通過在各個層次之間動態分配資源來排程。基礎設施邊緣和裝置邊緣都可以被視為集中式雲平臺的補充，甚至是現有云平臺的擴充套件。
由“千人千邊”衍生的另一個問題是，對於邊雲協同的市場規模估算的不一致性，導致不同企業對邊雲協同的重視程度相差極大，邊雲協同的重要性很容易被高估或者低估。
看好邊緣計算的激進代表包括戴爾公司的執行長兼董事長邁克爾·戴爾，他說：“我認為邊緣將比雲更大。”
不同的市場研究機構也對邊緣計算市場給出了各自的估算。
- Gartner預測到2021年，由於考慮到時間延遲和頻寬需求，40%的大型企業會將邊緣計算納入專案範圍，2017年這一比例僅為不到1%。
- IDC預測到2020年，邊緣計算的相關支出將佔到物聯網所有支出的18%。到2022年，物聯網的整體支出將達到1.2萬億美元，而邊緣計算的相關支出則為2160億美元。
- Grand View Research認為到2025年，全球邊緣計算市場將達到32.4億美元，複合年增長率超過40%。
- Transparency Market Research估算2017年全球邊緣計算市場約為80億美元，並預計到2022年底將達到133億美元。
- Stratistics MRC對於2017年的市場估算與Transparency Market Research一致，約為80億美元。Stratistics MRC還進一步預測到2026年，邊緣計算的市場規模將達205億美元。
如何通過邊雲協同進行有效的資料分析？
資料分析是將資料轉化為資訊的過程，為運營決策提供新的洞察和見解，如果說資料是新型“石油”，那麼資料分析就是驅動其產生價值的新型“引擎”，資料分析的質量，在一定程度上決定著物聯網專案的價值上限。
曾經大多數資料分析都在雲端進行，而如今隨著邊雲協同的推進，邊緣分析可以降低資料儲存、通訊和處理的成本，去除不必要的資料噪聲，更多的資料分析正在回到邊緣進行處理。
一般而言，如果某項應用場景具有良好的資訊源，且業務問題有清晰的解決邏輯，那麼資料分析的重點應該放到邊緣。在更復雜的情況下，為了處理好多種資料來源和多重變數，邊雲協同需要綜合考慮處理速度、可靠性、安全性、頻寬需求和複雜度。
處理速度： 資料型別和數量，以及業務決策的時間限制都會影響對於處理速度的要求。邊緣計算採用分散式計算架構，由於將運算分散在靠近資料來源的近端裝置處理，不再需要遠距離把資料回傳雲端處理，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。互聯裝置可以通過邊緣應用，同步裝置資料以及與其他裝置安全通訊，甚至無需連線網際網路，最大程度地提升可靠性、安全性和隱私保護能力。但是一些重要資料，仍舊需要回傳到雲端，進行儲存以便進行長期趨勢分析。
頻寬需求： 頻寬是遠端控制中需要考慮的一個重要問題。邊雲協同的資料量直接決定了資料分析的成本，如果監控一臺風力發電機上的100個引數，每隔10分鐘回傳一次資料到雲平臺，那麼每天的資料量就是14400，這還僅僅只對應一臺風機。
有些公司正在採用最新LPWAN技術來緩解向雲端傳送大量資料的成本問題，但頻寬問題仍舊是邊雲協同無法繞過的一個現實因素。
複雜度： 複雜度是劃分雲端和邊緣應用負載的有效分水嶺。雲端學習、邊緣執行，是處理複雜問題的大致思路。以一個啤酒廠的應用為例，如果分析某一款啤酒被過度發酵的問題，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酵週期，並在不同種類的啤酒之間進行橫向對比，那麼雲端分析可以很好的解決這個數學問題。
大多數預測性維護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效率提升問題，就需要在雲平臺中將來自多個場景的監測資料進行綜合分析，並且很難給出快速反饋。也佐證了邊緣和雲端各有長短板、各有上下限，因此協同必將成為合理而主流的走向。
本文小結：
1. 邊緣計算和雲端計算並非互斥關係，由於邊緣計算解決了“最後一公里”雲原生應用的供應問題，成為了雲端計算在未來發展中的重要落地支撐，邊緣計算與雲端計算勢必彼此融合，來到“邊雲協同”的新階段。
2. 與雲平臺不同，對於邊緣的理解千人千面。因此在邊雲協同的過程中，不同層次的邊緣與雲平臺之間構成了多層結構，應用程式的工作負載通過在各個層次之間動態分配資源來排程，同時邊雲協同的重要性很容易被高估或者低估。
3. 雲端學習、邊緣執行，是處理複雜問題的大致思路。為了處理好多種資料來源和多重變數，邊雲協同需要綜合考慮處理速度、可靠性、安全性、頻寬需求和複雜度。
附錄：2018年最新版邊緣計算企業圖譜
參考資料：
CBInsights: What Is Edge Computing?
Introduction to Edge Computing in IIoT
State of the Edge 2018