什么是边缘计算？边缘计算的计算模型以及问题

目前对边缘计算的认识存在差异，针对的往往是特定应用领域，如：雾计 算、移动边缘计算、边缘计算，本质上描述的是同一个计算模型。对于边缘计算 的定义，不同组织给出了不同的定义。根据边缘计算产业联盟ECC的定义，边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心 能力的开放平台，就近提供边缘智能服务，满足行业数字在敏捷联接、实时业务、 数据优化、应用智能、安全与隐私保护等方面的关键需求。根据OpenFog联盟 的定义^[24]，边缘计算、雾计算、云计算具有差异性，如图5所示，雾计算将云计算无缝扩展到边缘，实现安全控制和管理域内特定硬件、软件、标准计算、存储和网络功能，并确保安全、丰富的跨域数据处理应用能力。
1）边缘计算是指在网络边缘执行计算的一种新型计算模型，其边缘是指从数据源到云计算中心路径之间的任意资源和网络资源，即边缘计算是一个连续统 （continuum），除“云”之外皆是“边缘”；
2）边缘计算更多地聚集在边缘设备本身，而雾计算则更多关注基础设施，从作用范围角度讲，边缘计算包含雾计算， 即雾计算是边缘计算的一部分；
3）边缘计算的基本原理是将计算任务迁移到产 生源数据的边缘设备上。

边缘计算是继分布式计算、网格计算、云计算之后的又一新型计算模型。
我们认为边缘计算是以云计算为核心，以现代通信网络为途径，以海量智能终端 为前沿，通过优化资源配置，使得计算、存储、传输、应用等服务更具智能，具 备优势互补、深度协同的资源调度能力，是集云、网、端、智四位一体的新型计 算模型，其概念蕴含丰富，以下从多个方面解析内涵。
（1）边缘计算是一种全局性的计算模型，涵盖中心和边缘。  
边缘计算的构成包括两大部分：一是资源的边缘化，具体包括计算、存储、 缓存、带宽、服务等资源的边缘化分布，把原本集中式的资源纵深延展，靠近需 求侧，提供高可靠、高效率、低时延的用户体验；二是资源的全局化，即边缘作 为一个资源池，而不是中心提供所有的资源，边缘计算融合集中式的计算模型（例 如：云计算、超算），通过中心和边缘之间的协同，达到优势互补、协调统一的 目的。
（2）边缘计算需要全局协同，以便得到高效的计算性能。  
边缘计算应从全局考虑问题，不仅仅局限于网络的边缘侧，而是与处于中 心位置的云计算中心、数据中心、超算中心等一道进行协同计算的模型，它们之 间的协同计算、并行处理、网络传输优化等都需要全局考虑，以便获得最优的处理效率。
（3）边缘计算是一种智能化的计算模型，会动态根据需求提供动态服务。  
边缘计算是对云、网、端三级结构的一种升级，是迈向智能化的重要一步。 边缘计算通常会具有情景感知能力，通过上下文感知业务场景、用户需求、计算 规模、存储大小等，这样才能有的放矢，根据用户需求动态配置资源，使得该计 算模型更具智能化。
（4）边缘计算具有物理边界、逻辑边界、网关节点、边缘节点、边缘侧、云侧 等概念。  
边缘计算的物理边界是指处于边缘设备的一端，在网关的边缘侧，靠近用 户。逻辑边界是指在功能上处于边缘，相对于集中式的云计算功能。网关节点是 指承担边缘设备级联、应用服务、任务分发等功能的服务端，权责上属于服务的 提供方，而不是最终功能的使用者。边缘节点是指海量的智能终端设备，是真正 靠近用户的边缘侧设备，为用户提供直接的计算、存储、带宽等服务。边缘侧是 指海量终端侧，靠近用户，并且处于网关节点的外侧。云侧是指靠近云计算、高 性能计算、大数据中心的一侧，是处于功能核心位置的基础设施。
（5）边缘计算使得中心智能向前端智能扩展，智能协同将是未来发展趋势。  
边缘计算一定程度上是把智能移动到边缘，很多前端智能终端已经可以单 独处理复杂的处理任务，并可实时处理设备收集的、有价值的原始数据。边缘网 络智能化的实现，是通过智能的管控手段对业务、性能、安全等指标进行统一的 优化、协同、配置和管理。此外，前端智能是边缘计算的一种表现形式，使得人 工智能的感知距离、感知种类、处理速度、传输时延等关键参数得到极大优化和 提升。
 计算模型  
边缘计算模型区别于传统的云计算模型、网格计算模型、分布式计算等模 型，是一种新型的计算模型。
（1）从资源配置看
边缘计算是调动全局的资源为其所用，是集中心侧、边缘侧资源整体优势 进行相应的处理，完成全局的最优。也就是说，边缘计算并不是孤立的计算模型，需要整体考虑资源的配置和调度。
（2）从协同模式看
边缘计算具备中心侧和边缘侧两方的资源，因此需要进行协同，本地能处 理好的事情，就近处理，解决不了的事情交予中心侧或其他协同方的资源进行处 理。因此，边缘计算模型是一种协同计算模型，与各个边缘侧、中心侧都有关联，需要统一的协调和资源调配，达到资源利用的最大化。
（3）从智能程度看
边缘计算需要优势互补，需要协同并进、需要感知用户场景、需要优化配 置资源，而这些势必需要机器智能，因此边缘计算涵盖一种智能化的、自动化的 资源配置方式。事前简单的用户配置、参数定义，不能有效满足用户侧的效用需 求。用户侧需要实时得感知配置资源，以便就近提供高带宽、高可靠、高性能的 服务。
（4）从体系结构看
边缘计算是在靠近网络边缘侧大规模部署智能终端设备，和传统的云、网、 端三层模型具有一致性，但是亦有区别。原因在于，云、网、端只是基础设施的 布局，是静态的一种结构，而边缘计算本质是一种动态的、自动化的资源配置方 式，从而区别于以上静态结构。更确切的讲，边缘计算是云、网、端、智四位一 体的模型，智能纵向涵盖云、网、端，从上到下均涵盖。因此边缘计算是一种具 备智能的云、网、端结构，智能化是其重要的特征之一。
（5）从异构处理看
参与边缘计算的设备众多，设备的异构是边缘计算的一大特征。传统的云 计算往往通过设备的虚拟化、形成众多的虚拟机来进行统一管理。而边缘计算的 设备异构型不能简单的虚拟化来解决，其复杂程度要远远高于云计算。例如：不 同类型、不同指标、不同参数、不同用途、不同厂商、不同功能的设备需要互联，需要统一处理相应的问题。设备间的互联互通将是边缘计算模型中不可或缺的组 成部分，是目前该技术面临的一大挑战。
（6）从服务模式看
云计算具有三层服务模式，即：IaaS、PaaS、SaaS，而边缘计算将对此模式进行改变或补充。边缘计算不具有典型的三层模式，边缘计算无需统一屏蔽底 层的差异，而是根据应用需求进行把控。边缘计算模型不具备云计算典型的三层 服务模式。边缘计算模型需要考虑问题是如何和云计算三层模型进行有效的对接和协同，而不是进行统一。因此，边缘计算具有其差异性和特殊性，不是典型的 三层服务模型。
边缘计算问题
边缘计算需要处理的问题，划定边缘计算重点需要研究的内 容，以便清楚地认识为什么需要边缘计算，并定义了边缘计算的物理边界，以明 确问题的本质，如图4所示。

 
（1）高可靠、低延迟计算能力的需求大数据的传输、分析、处理与存储对网络带宽提出了巨大的挑战，而边缘 计算的诞生，为解决这一问题提供了必要的技术手段。大量的海量终端设备是数 据收集的第一站，而把大量的数据传输到云计算中心去处理，将导致数据处理的 不及时，甚至造成系统事故，尤其在工业互联网、VR/AR等要求可靠性、实时 性比较高的应用场景下。
（2）数据中心能耗过大问题
云计算、超算需要依托计算中心、数据中心为其提供支撑，而过于集中的 资源消耗了大量的电力，由于资源利用率不高，造成了大量的资源闲置。PUE 数值往往过高，国外数据中心一般小于2，而国内大多数数据中心介于2和3之 间。为此，集中式的计算模型将导致资源的极大浪费，同时也带来了过大的电力 消耗。边缘计算可通过分担数据中心的存储和计算任务，无需建立大规模数据中心，一定程度上可以减少能耗。
（3）大数据处理的压力
根据IDC报告，80%的数据是非结构化数据，预计到2020年全球数据总量 将达到35ZB。而物联网的蓬勃发展使得终端设备呈现指数级增长，无疑又进一步加剧了这一趋势。如果大数据处理方法还是依赖云计算、超算计算模型，无疑 不切实际。过于集中的处理方式消耗了大量收集、汇聚、处理的成本，而且效率 得不到保证。同时，很多处理任务没必要进行集中处理，可以分担在前端进行预 处理，减少不必要的传输、存储资源消耗。因此，边缘计算将会减轻云计算模型 的处理压力，分担大量的前端数据处理任务。
（4）云计算资源利用率不高
企业对IT基础设施的需求受多种因素制约，比如：时间段、应用类型、地理区域等，特别是在私有云环境下，在很多时间段、应用场景下资源是浪费的。 为此，需要发挥边缘云、边缘计算的优势，避免大量资源的过于集中，减少数据 中心的资金投入，而应把处理设备部署到网络的边缘，发挥集中式和分散式计算 的双重优势。
（5）智能前端
随着人工智能技术的发展，众多智能终端设备自身可以完成部分、甚至全 部处理任务，无需立刻回传到云端进行处理，而是有进一步处理需求后，才进行 数据的回传。因此，边缘设备可以分担云计算部分处理任务，开启“云网端智” 四位一体的处理模式。
（6）安全隐私问题
数据安全和个人隐私问题是目前数据中心面临的一大挑战，目前数据泄露 事故、黑客攻击事件频发，给企业、个人的信息安全带来了严峻的考验。因此，把一些隐私的数据上传到数据中心，将大大增加了信息泄露的风险。在边缘设备 上存储相关的数据，相对而言，将有利于数据隐私的保护。 因此，基于以上六个方面，云计算存在着亟待解决的问题，边缘计算的某 些特质可以对云计算相应功能进行有效的补充和完善，这也是边缘计算需要解决 的若干问题和技术挑战。