|
|
“云计算”平台后的深度挖掘和分析，得出用户画像之类的偏好判断，从而提前预知人类行为选择。这是目前最为普遍、最为成熟的技术架构，但这也让我们思考：数据是不是每次都需要“绕道”云端才能分析？能否让数据“走直线”提高分析效率？对此，“边缘计算”技术应运而生，也算是物联网时代的一匹黑马，大有今后刷屏之势。
正是看到技术背后的巨大驱动力，日前华为技术有限公司、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔公司、ARM和软通动力信息技术（集团）有限公司作为创始成员，联合倡议发起边缘计算产业联盟，让我们离头脑中的科幻生活又进了一步。
从技术定义来说，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，满足行业数字化在敏捷联接、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。换言之，边缘计算接近于工业上的分布式自律的概念，在基于互联网的异构分布式计算环境下，集中与分散相结合。
可以说，边缘计算也是大数据处理方式之一，和传统云计算不同的是，数据不用再传到遥远的云端，在边缘侧就能解决，更适合实时的数据分析和智能化处理。边缘计算聚焦实时、短周期数据的分析，具有安全、快捷、易于管理等优势，能更好地支撑本地业务的实时智能化处理与执行，满足网络的实时需求，从而使计算资源更加有效地得到利用。此外，边缘计算虽靠近执行单元，但同时也是是云端所需高价值数据的采集单元，能更好地支撑云端应用的大数据分析。
边缘计算同物联网技术的发展一样，都是符合未来智能生活、智慧城市的大趋势的，而且随只能需求不断增多，研发技术还需加快脚步，面向实际的需求完善技术指标。如果从整个行业和生态来看，由于边缘计算横跨OT、IT、CT等多个领域，且涉及网络联接、数据聚合、芯片、传感、行业应用多个角色，其最大的技术难点就在于怎么样应对各式各样的物联网网络协议。因此，怎么来实现不一样的行业，不同厂商的互通合作，各个产业如何合理分工、有序协作，就成了边缘计算在应用落地时一定要解决的关键问题。
网络是系统互联与数据聚合传输的基石。伴随联接设备数量的剧增，网络运维管理、灵活扩展和可靠性保障面临巨大挑战。同时，工业现场长期以来存在大量异构的总线联接，多种制式的工业以太网并存，如何兼容多种联接并且确保联接的实时可靠是必须要解决的现实问题；
工业系统检测、控制、执行的实时性高，部分场景实时性要求在10ms以内。如果数据分析和控制逻辑全部在云端实现，难以满足业务的实时性要求；
业务流程的优化、运维自动化与业务创新驱动应用走向智能，边缘侧智能能带来显著的效率与成本优势。以预测性维护为代表的智能化应用场景正推动行业向新的服务模式与商业模式转型；
当前工业现场存在大量的多样化异构数据，一定要通过数据优化实现数据的聚合、数据的统一呈现与开放，以灵活高效地服务于边缘应用的智能；
安全横跨云计算和边缘计算，需要实施端到端防护。网络边缘侧由于更贴近万物互联的设备，访问控制与威胁防护的广度和难度因此大幅度的提高。边缘侧安全主要包含设备安全、网络安全、数据安全与应用安全。此外，关键数据的完整性、保密性，大量生产或人身隐私数据的保护也是安全领域要重点关注的内容。
通过技术角度的梳理不难发现，边缘计算需要更高效的数据处理能力和平台，也需要投入更大力量加强安全保障工作，只有依靠多个企业的技术资源汇聚、合作、共享才能攻坚克难，应对挑战和威胁。
边缘计算技术分为联接、智能、自治三个阶段。在实际落地中也有不少实践，像我们已使用的智能抄表、智慧环保解决方案中的城市颗粒物网格化监测云都是其中的典型代表。作为亲自参与后者研发建设的服务商，软通动力执行副总裁方发和介绍到，这是通过城市颗粒物网格化监测仪器自动进行大气样品采集，利用边缘计算给出经湿度修正的粉尘质量浓度C（mg/m3），以此来实现对空气中颗粒物的采集、监测，为环保部门进行环境监视测定和污染防治提供全面、实时、准确的环境监视测定数据和执法依据，完善区域智慧环保大数据。
这样看来，边缘计算看似神秘的“高冷技术”其实在应用中是十分“接地气”的。能想象，技术成熟后还能进入更多应用领域，凡是涉及大数据和云计算的现有平台都可优先考虑引入“边缘计算”帮手，高效处理城市运营问题。返回搜狐，查看更加多
