當雲廠商和電信運營商聊邊緣計算時,他們在談論什麼?
萬物互聯的時代,網路連線物件正從人擴充套件至物。IDC 統計資料顯示,到 2020 年,將有超過 500 億終端與裝置聯入網路。這說明,隨著物聯網規模的快速增長以及 5G 時代的日益臨近,集中式的資料儲存、處理模式將面臨難解的瓶頸和壓力,此時在靠近資料產生的網路邊緣提供資料處理能力和服務是推動 ICT 產業發展的重要驅動力,邊緣計算(Edge Computing)概念由此而生。
邊緣計算實在靠近物或者資料來源頭的網路邊緣側,融合網路、計算、儲存、應用核心能力的分散式開放平臺,就近提供邊緣智慧服務。Gartner 預測,2022 年超過 50% 的企業資料產生在雲和資料中心之外。在其近期公佈的 2019 十大技術趨勢中,邊緣計算位列其中,Gartner 認為從雲到邊緣 (Cloud to the Edge) 被視為未來科技發展的重要趨勢。
忽然間,所有人都在談論邊緣計算,有 IT 界公有云巨頭,有 CT 界電信運營商,也有 OT 界的製造業領頭羊。不同領域的玩家談論邊緣計算的語境並不相同,很多人都會有困惑。對此,本文將主要玩家分為以下幾類,以便理解:
第一類:公有云廠商,該類廠商將公有云服務延伸至邊緣,通過 AI+IoT 能力無縫擴充套件至邊緣裝置;
第二類:電信運營商,在 5G 網路建設中推進網路雲化,在通訊網路邊緣引入邊緣計算節點,例如中國電信、中國聯通、中國移動等均在積極探索網路邊緣機房 DC 化改造;
第三類:視訊監控提供商(大華、海康等)、CDN 提供商(如網宿科技)等專業服務提供商;
第四類:工業裝置、邊緣伺服器、邊緣晶片製造商等。
本文試圖站在公有云廠商和電信運營商視角,窺探他們眼中的邊緣計算。
公有云廠家
AWS
近幾年,向來以“敏捷”著稱的公有云廠商紛紛推出邊緣計算服務。AWS 是最早釋出邊緣計算服務的公有云廠商。2017 年 6 月,AWS Greengrass 正式商用,宣傳重點是 Greengrass 支援 AWS Lambda。由於缺乏 ML 和 AI 支援,馬上招致業界批評“太保守”、“只是一個現場閘道器”等。
2018 年 4 月,AWS Greengrass 迅速推出提供機器學習推理 ML Inference @Edge 功能的版本 ,使用者需要在 Greengrass Core 裝置上安裝預編譯好的 TensorFlow 或 MXNet 執行庫,再把 AWS SageMaker 培訓好的模型匯出釋出至 Greengrass 組。通過這一創新性產品,瞬間提高了邊緣計算在未來發展的想象空間,使用者可以在幾分鐘內將一個普通的硬體變成一個聰明的硬體,可以做視訊分析、影象處理、文字識別。
此後,AWS 再接再厲陸續釋出了系列邊緣硬體,如 Snowball Edge、Deeplens。Snowball Edges 是一款資料傳輸與計算裝置,基於 Greengrass 和 Lambda 可以執行 AI 推理任務,也可以執行 Amazon EC2 例項,使用者可以通過租賃方式使用該款邊緣硬體。
DeepLens 是一個面向影象 / 視訊場景的機器學習開發者解決方案,將 SageMaker 的機器學習模型、Lambda 的業務邏輯處理、GreenGrass 的邊緣部署能力整合到一款叫“Deeplens”的攝像頭,使用者可以實時更新機器學習模型,滿足不同的個性化需求。
可以看出,AWS 邊緣計算的思路是基於 Greengrass 作為核心構建,搭配 AI 服務、IoT 服務,期望拉動更多場景、更多資料上雲,消耗更多公有云資源,並且從開始探索在邊緣進行簡單資料處理(IoT+ 邊緣)逐步演進到複雜資料處理(AI+ 邊緣)的產品形態。
AZURE
微軟在 Build 2017 釋出了 Azure IoT Edge 服務,主題是讓 AI 走向邊緣,並戰略投入邊緣計算,認為未來是智慧雲(Intelligent Cloud)與智慧邊緣(Intelligent Edge)的世界。微軟認為,隨著物聯網終端資料越來越多,會要求更多的計算能力下沉,強調邊緣 AI,支援以容器和函式計算的方式將 AI 能力下沉,為公有云引流。
- 微軟在邊緣計算領域顯得更加開放,看重生態建設,開源 Azure IoT Edge Runtime,吸引開發者參與,擴大生態影響力,同時希望大力發展邊緣硬體合作伙伴認證以及邊緣應用市場來繁榮生態;
- 聚焦智慧,將雲智慧和分析擴充套件到邊緣,邊緣能力逐漸增強,支援部署機器學習、計算機視覺模型、流分析、資料庫等。
與 AWS 一樣,微軟也釋出了自家的邊緣硬體 Azure Data Box 系列產品,有支援線上執行的 Data Box Edge 以及 Data Box Gateway,也有離線資料傳輸的 Data Box Disk,Data Box 以及 Data Box Heavy。其中 Data Box Edge 是一款基於 Azure IoT Edge 服務的產品,可以提供儲存閘道器(資料傳輸)、IoT Edge 應用(函式, ML, 流資料分析) 以及 FPGA 加速的 AI 模型推理。
HUAWEI Cloud
華為在邊緣 AI 晶片、邊緣伺服器、AI 方面都有相當多的技術積累,可以簡單概括為 ABCDE, 即 Algorithms +Big Data +Cloud +Edge +Device,稱之為人工智慧立體化應用。
2018 年初,華為雲釋出智慧邊緣平臺(Intelligent EdgeFabric, IEF)受到廣泛關注。IEF 原生支援 kubernetes 和 docker 生態,將雲原生技術帶入邊緣計算。
- IEF 通過與華為雲 ModelArts 服務配合,通過雲端模型訓練,邊緣推理等方式,支援視訊分析、文字識別、影象識別等 20+AI 模型下沉,將智慧下沉到邊緣。目前已在智慧園區、工業製造、零售商超等領域實踐,具有廣泛應用前景;
- 通過與邊緣伺服器整合,提供軟硬一體化解決方案,為使用者提供低成本、開箱即用、雲上集中運維的一站式服務;
- 與華為自研 Ascend 昇騰晶片深度整合,形成高效能、低成本的邊緣 AI 推理算力。
- 針對邊緣場景優化,當邊緣節點和雲端網路不穩定時甚至完全不通時,實現本地自治。
- 此外,IEF 還開放了邊緣應用市場,期望與合作伙伴一起繁榮邊緣計算生態。
值得一提的是,源自華為雲 IEF 產品的 KubeEdge 開源專案已經成功加入 CNCF 社群,這意味著雲原生社群對邊緣計算領域的關注與重視。
另一方面, 為了解決 Kubernetes 在 IoT Edge 場景下的問題,Kubernetes 社群成立了一個新的工作組:IoT Edge WG,該工作組由華為、紅帽、Google 和 VMWare 共同領導。目標是定義邊緣計算標準,提供一個能夠適應多種 Edge 場景的參考架構。相信隨著雲原生技術不能滲透到邊緣計算,勢必會給邊緣計算注入新的活力。
其他
以上場景都為現場級的邊緣計算,旨在解決最後一公里問題。此外,也有公有云廠商開始探索在其自營 CDN 站點構建邊緣計算的能力,連線最後 100 公里,通過 CDN 機房大頻寬,低時延的優勢,提供基於 CDN 的邊緣彈性基礎設施,將計算、轉發等業務下沉至邊緣,降低響應時延和頻寬成本、減輕中心叢集壓力,適用於“中心 + 邊緣”架構模型下的各類業務,如直播、線上教育等。
在此模式下,使用者可以彈性付費算力資源(普通虛機,GPU 虛機)、就近處理業務。以直播行業為例,在距離主播或粉絲最近的網路邊緣,智慧接入時延和質量等指標最優的節點。節點中部署音視訊流轉發模組,快速並穩定地接收主播推流或者粉絲連麥資料流,同時基於對覆蓋節點間實時網路質量的評估,尋找最優網路鏈路,轉發到直播中心進行處理。由於客戶要在 CDN 邊緣站點構建業務,隨著業務複雜性不斷提升,對 CDN 邊緣站點彈效能力、運維能力也提出了很高要求,勢必會加速引導 PaaS 形態服務能力下沉,尤其是以 Kubernetes 和 Docker 為代表的雲原生技術。
除此之外,以 Rancher 為代表耕耘在私有云領域的廠商也開始基於 k8s 等雲原生技術釋出邊緣計算產品 k3s,以滿足在邊緣計算環境下執行在 x86、ARM64 和 ARMv7 處理器上的小型、易於管理的 Kubernetes 叢集日益增長的需求,主要應用於嵌入式裝置、CI 環境等場景。
公有云玩家總結
可以看出,雲端計算廠家對邊緣計算的理解和定位不盡相同,可謂百花齊放。
事實上,公有云在邊緣計算領域的業務探索尚屬起步階段,也面臨著很多挑戰。邊緣計算的特殊性是面臨不同的細分市場,需要結合行業和解決方案,提出具體應用場景,解決使用者業務實際問題的能力,這才是一個真正能夠構築競爭力的地方。關鍵在於知道用什麼形態的硬體,AI 演算法或運算元,應對什麼場景下的問題。這需要對場景有深入瞭解,並對業務應用有一定投入,也需要時間和經驗的積累。從客戶視角出發,應以解決行業問題為主,這樣才能持續促進邊緣計算產業的發展。
電信運營商
運營商為什麼要為邊緣計算搖旗吶喊?
再來說說電信運營商眼中的邊緣計算。電信運營商為什麼也要為邊緣計算搖旗吶喊?這要從 5G 業務說起。
5G 即將來臨,就在近期,華為公佈了 5G 摺疊屏手機,5G 離使用者生活越來越近。誕生之初,5G 便定義了三大應用場景:eMBB(增強移動寬頻)、mMTC (海量機器類通訊)和 uRLLC(超可靠低時延通訊),相應的為滿足高清視訊、智慧城市、車聯網等業務需求提供技術支援。
值得關注的是,每個業務場景都有其自身所面臨的一些挑戰。
- eMBB 將對網路頻寬產生數百 Gbps 的超高需求,對骨幹網路造成巨大傳輸壓力,運營商如果通過擴容匯聚與都會網路絡的手段來應對這個問題,將大幅提高單位媒體流傳輸成本,無法實現投資收益;
- uRLLC 需要端到端 1ms 級超低時延支撐,僅僅依賴無線與固網物理層與傳輸層技術進步,無法滿足苛刻的時延需求;
- mMTC 將產生海量資料,導致運營管理的巨大挑戰,僅僅由雲端集中統一監控無法支撐如此複雜的物聯絡統。
所以,從 5G 應用場景出發,權衡技術難度和成本等因素,運營商採用邊緣計算來應對 5G 是最優方案。邊緣計算可以為這些問題帶來解決方案。首先,通過對 4K/8K、VR/AR 等高頻寬業務的本地分流,降低對核心網路及骨幹傳輸網路的佔用,有效提升通訊服務提供商網路的利用率;二是通過內容與計算能力的下沉,可以讓電信運營商的網路有效支撐未來時延敏感型業務(車聯網、遠端醫療等)以及大計算和高處理能力需求的業務(視訊監控與分析等),減短了由資料傳輸速度和頻寬限制所帶來的延時。由此可見,5G 時代的到來離不開邊緣計算,也是 5G 服務於垂直行業的重要利器之一。
歐洲電信標準協會為電信領域的邊緣計算命名為多接入邊緣計算(Multi-Access Edge Computing,MEC)。2016 年 4 月,3GPP SA2* 也正式接受 MEC,將之列為 5G 架構的關鍵技術。
MEC 部署在電信網路的哪個位置?
其答案並不是絕對的。邊緣計算的部署跟它的應用場景有著緊密關係。其決策因素包括: 對網路質量要求不同,以及場景應用要達到的時延要求等。以人們起初對邊緣計算的認知,應該部署在最靠近使用者的位置,比如在接入網的基站位置。的確,部署在基站,應用可以“近水樓臺先得月”,實實在在滿足低時延和高頻寬需求,這對時延敏感型應用場景最合適不過。
但這並不是唯一的應用場景。總的來說,邊緣計算可以按需部署於無線接入邊緣雲、匯聚邊緣雲或者城域邊緣雲。對於時延要求比較苛刻場景,邊緣計算需要部署於靠近基站側的無線接入邊緣雲;對於高頻寬要求的大流量熱點地區,邊緣計算可以部署於匯聚邊緣雲;對於海量連線場景,邊緣計算可部署於位置更高一些的城域邊緣雲,以便覆蓋更大區域的業務需求。
MEC 的平臺形態
未來,電信運營商可能會根據場景為使用者提供不同位置的邊緣計算服務。這些邊緣計算節點大多以雲的形式存在,是一個個微型資料中心,涉及到 IaaS、PaaS 以及行業應用 SaaS,運營商利用其自身網路資源的獨特優勢,可以通過基礎 PaaS 平臺為上層垂直應用提供特色網路能力。以視訊優化加速來說,電信運營商的邊緣計算平臺可以為 OTT 視訊業務提供 API 介面以獲取 RAN 側無線通道等資訊,位置服務能力、無線資訊能力、QoS 服務能力等,也可以結合使用者在行動網路內的身份資訊、行為習慣資訊等資料,提供個性化互動式服務,這是電信邊緣計算 PaaS 平臺的獨特能力。
中國移動
在 2019 世界 移動 大會(MWC 2019), 中國移動 釋出邊緣計算“Pioneer 300”先鋒行動,旨在推進電信領域的邊緣計算技術發展和生態繁榮。與此同時,中國移動對外發布《中國移動邊緣計算技術白皮書》,詳細闡述了中國移動邊緣計算的發展背景和對邊緣計算 PaaS、IaaS 技術,以及硬體體系的解讀。
在 PaaS 方面,運營商利用自身網路資源的獨特優勢,可以通過基礎 PaaS 平臺為上層應用提供各類特色網路能力。在 IaaS 方面,基於運營商在 NFV 領域的探索,邊緣計算需要考慮基礎設施層面與 NFV 的共享和 融合 ,同時也要兼顧獨立部署的能力。
對於 PaaS 層,中國移動認為,邊緣計算提供 PaaS 層服務,既能作為增值服務為平臺創收,又能降低應用上線的難度。與此同時,PaaS 平臺主要是為了解決:業務部署、業務開通、無線能力和核心網能力引入、邊緣計算 PaaS 平臺 SDK、第三方平臺的 PaaS 能力、業務運維、多節點管理等問題。白皮書指出,邊緣計算 PaaS 平臺會引入 Serverless、ServiceMesh、微服務框架等 Cloud Native 技術來開發和運維應用,增強邊緣計算的應用開發效率和運維效率。
對於 IaaS 層,邊緣計算 IaaS 服務於雲化形態的邊緣應用,是用來部署和執行邊緣計算業務和相關網元功能的雲化基礎設施,是雲端計算技術與邊緣計算場景的結合。白皮書認為邊緣計算 IaaS 的形態分成幾種:
- 裸機容器雲,通過 kubernetes+katacontainer 的方式來實現 (題外話:公有云廠商往往將 kubernetes+ 容器的技術歸為 PaaS 層);
- 統一虛機雲,通過 OpenStack 完成對電信網元和邊緣應用的隔離和資源劃分;
- 混合雲,基於 OpenStack 和 kubernetes 混合部署,電信網元由虛機承載,邊緣應用由裸機容器承載等。
在應用領域,中國移動成立的邊緣計算開放實驗室已經和合作夥伴進行試驗床建設共 15 項,涉及高清視訊處理、vPLC、人工智慧、 TSN 等新興技術,涵蓋智慧樓宇、智慧建造、柔性製造、 CDN 、雲遊戲和車聯網等多個場景。中國移動認為,視訊和車聯網是目前邊緣計算最重要的佈局點,也是需求最迫切的業務場景。
中國聯通
同樣在 MWC 2019 大會期間,中國聯通攜手合作夥伴重磅釋出《中國聯通 CUBE-Edge 2.0 及行業實踐白皮書》,白皮書指出,MEC 邊緣雲將高頻寬、低時延、本地化業務下沉到網路邊緣,成為 5G 網路重構和數字化轉型的關鍵利器,滿足不同行業的業務需求。在中國聯通的構想中,MEC 會重點關注以下幾點:
- MEC 邊緣雲採用全雲化架構,構建 IaaS、PaaS、SaaS 平臺能力,實現資料的雲端儲存、備份和轉發。邊緣雲之間採用 SDN 組網,實現網路雲化和全網的遠端自動化部署與管理。
- 提供雲邊協同能力,通過邊緣雲與通訊雲、公有云和私有云之間的協同,實現行業客戶資料上雲後的互通。
- 支援邊緣雲的能力開放,提供對外統一介面,供第三方開發和呼叫,包括位置、RNIS、計費、DNS、VCDN 和渲染等服務能力。
2018 年,中國聯通在 15 個省市開展 Edge-Cloud 規模試點,打造智慧港口、智慧駕駛、智慧場館、智慧製造、視訊監控、雲遊戲、智慧醫療等 30 餘個試商用樣板工程,積極推動邊緣計算產業鏈的發展。
電信運營商玩家總結
可以看出,電信運營商利用自身網路資源的獨特優勢,可以為使用者提供高價值的邊緣計算能力,具有極強的競爭力和不可替代性。同時,運營商也在積極發展生態,整合第三方 PaaS 能力,繁榮 MEC 的 API 生態,方便垂直應用快速開發。而且,也可以看到 CT 領域的 MEC 在 IT 化,無論是 IaaS 還是 PaaS。相信在不遠的未來,普通使用者會看到大量應用從私有云或公有云遷移到 MEC,應用執行環境的一致性和遷移成本將會是 MEC 建設的重要考量因素。
公有云邊緣計算與電信運營商 MEC 的交集
我們知道公有云和電信運營商是各有優勢,公有云強在全棧的 PaaS 能力,包含 AI、大資料、IoT、中介軟體、視訊服務等一整套完善的技術堆疊,電信運營商強在獨特的網路資源優勢,如果兩者結合起來,將會是一件激動人心的事情, 也會是一個能力互補並且雙贏的局面。
不久前,Nokia 宣佈與 AWS 合作,在 MEC 上部署 Greengrass,將 AWS 的邊緣計算與 Nokia 的專有行動網路解決方案相結合。通過將 AWS 的 Greengrass 和機器學習與 Nokia MEC 和 IoT 智慧管理平臺(IMPACT)相結合,搶佔新興的物聯網領域。希望隨著時間的推移,能夠看到更多公有云邊緣計算與電信運營商 MEC 的交集。