下载掌阅APP，畅读海量书库
立即打开
边缘计算（Edge Computing）是一种在网络边缘处理计算、数据和服务的计算模式。其中，计算、数据和服务可能迁移自中心云服务器或用户终端设备，网络边缘泛指从计算任务源或数据生成源到云中心的路径上具备处理能力的任意节点。
边缘节点处于终端和云之间，向上与云交互，向下与终端交互，横向与其他边缘节点交互，是网络纵向的云边端协同和网络横向的边边协同的分布式计算模式的重要组成。
边缘计算是云计算的延伸，使云服务能够在网络边缘处运行，大幅降低终端与云之间的传输时延、云服务器计算负载和网络传输负载；边缘计算也是端计算的扩展，将用户终端设备上计算和数据处理卸载至边缘节点，可大幅增强终端的处理能力并降低终端负载和能耗 [1] 。
边缘计算平台融合网络、计算、存储、应用等核心能力，可以有效支撑计算、数据、通信等资源密集型应用，通过优化已有行业应用或创造新应用生态，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全隐私等诸多方面的需求。
近年来，信息技术不断推进终端设备的高速发展，移动智能终端和物联网（Internet of Things，IoT）终端是两种具有代表性的终端设备形态。
移动智能终端是移动互联网的访问入口，是用户的通信中心、消息中心、业务中心、多媒体中心和内容呈现中心，其形态不断向集成化、智能化等方向演进，承载着越来越广泛和丰富的移动互联网业务。
物联网终端负责将各类物体接入网络，感知和采集物理世界的各种信息，完成数据处理和传输，接收处理结果并执行指令，其形态不断向多模式、低功耗等方向发展，将越来越多的物体和越来越丰富的感知信息接入互联网。
移动智能终端和物联网终端均属于嵌入式设备，难以具有传统电子设备完善的计算处理、数据存储、网络传输和电量供应能力。嵌入式设备先天的资源受限情况形成了弱应用承载环境，主要表现为以下3个方面。
1）计算/存储能力受限。尽管嵌入式设备的处理器性能在不断提高，但由于受到设备尺寸与电池供电等因素的限制，嵌入式设备的计算和存储能力同桌面和服务器设备相比仍有很大差距，无法有效满足承载计算/数据密集型应用需求。
2）通信能力受限。嵌入式设备主要通过无线网络进行信息传输，少部分使用有线网络，受限于天线尺寸、电池供电和所处地点的复杂网络环境，通信质量不稳定，易随无线环境的变化而波动，难以始终满足网络应用的高速、高可靠通信需求。
3）能量供给能力受限。电池供电是嵌入式设备的主要能量供给方案，设备需要在任务本地处理耗能和续航时间之间做出权衡，因此，能量供给受限成为限制终端任务处理能力的瓶颈。
现有绝大多数移动互联网和物联网应用均建立在云管端架构（云-管道-终端）之上，即应用由终端部分和云端部分共同组成，而通信网络作为连接二者的管道，负责二者之间的信息交互。应用的正常运行需要终端和云端的协同配合，即终端侧负责信息采集和用户交互，网络负责数据传输，云端侧负责业务处理 [2] 。然而，云管端架构的远距离集中处理模式越来越难以满足大规模移动互联网和物联网业务愈发严苛的性能需求，其主要体现在以下3个方面。
1）云和端间距离远，传输时延过大。云服务器和终端设备之间的距离过远，交互信息需要经过接入网、承载网、核心网和互联网等多个网络转发，涉及排队、缓存、协议转换等过程，网络传输相对耗时过长，无法满足高实时性应用需求。
2）密集数据传输致使网络传输负载过大。对于数据密集型应用，大规模数据由终端采集上传至云服务器，会大幅增加网络传输负载，不仅会造成网络拥塞从而增加传输时延，而且会影响网络中的其他应用的数据传输。
3）集中式任务处理致使云端计算负载过大。对于计算密集型应用，来自终端的大量计算请求经由网络传输，最终汇聚至云服务器处理，这种集中式处理方式将大幅增加云端计算负载，影响服务性能。另外，云服务器故障、损坏等问题将造成全局服务中断，降低服务可靠性。
近年来终端应用在种类和数量上爆发式发展，其应用领域的广度和深度也得到了大幅拓展。持续膨胀的终端应用需求日益对终端设备和云管端架构的服务能力提出严峻挑战，各类计算密集、数据密集、通信密集等资源密集型应用对计算、存储和通信资源的要求在不断提升。然而，一方面，终端设备有限的计算能力、存储能力、通信能力和能量供给能力仍然将长期妨碍终端应用的发展；另一方面，传统的云管端架构难以适应未来大规模终端应用任务计算、数据传输和存储中的性能需求，将限制终端应用的规模化发展和性能优化提升。总而言之，用户对资源密集型终端应用的需求与终端有限资源可用性、云管端架构局限性之间的矛盾将日益加剧。
为了满足计算、存储和通信方面的服务需求，突破现有的技术矛盾，不仅需要充分利用终端的内部和外部资源，还需要借助云管端架构中各单元的配合。边缘计算是解决以上问题的有价值的手段之一，其核心思想是将计算、存储和服务能力放置于网络边缘节点（如蜂窝网络基站、Wi-Fi路由器、物联网网关、通信网络汇聚层服务器、现场指挥控制设备等），贴近用户终端，提供物理近距离（指边缘节点和终端间网络距离近）和场景近距离（指边缘节点和终端间业务场景距离近）服务，降低时延和能耗，实现多样化的边缘服务形式。边缘计算的主要功能如下。
1）计算卸载（Computation Offloading，又称计算迁移）。将终端的计算任务传输至边缘节点，边缘节点处理完毕后再将结果回传给终端，与任务在终端本地处理或传输至云服务器处理相比，计算卸载可有效降低终端任务计算时延。
2）数据缓存（Data Caching，又称数据迁移、数据卸载）。将云端数据下载至边缘节点，提供内容缓存服务，终端可直接访问边缘节点获取数据，与终端向云服务器请求数据相比，数据缓存可有效降低终端数据访问时延。
3）资源管理（Resource Management）。资源管理负责管理边缘节点和云边端网络架构中的所有通信、计算、存储等资源，完成计算卸载、数据缓存中的任务调度、服务和缓存放置、各类资源分配及服务定价等工作，实现系统性能、网络资源利用率及用户服务质量的提升。
一方面，边缘计算将任务从资源受限的终端内部迁移至资源相对丰富的边缘节点，通过终端内外部资源协同工作，有效改善终端的弱应用承载环境，增强终端能力——有效提高应用服务质量，提升应用运行效率，降低终端能耗。另一方面，边缘计算将云端的计算与存储资源由集中式云服务器向边缘节点分散，通过云服务器与边缘节点的协同工作，有效降低云服务器计算与存储负载及网络通信负载。
边缘计算是未来通信网络的基础性服务之一，成为运营商和消息服务提供商的重要业务增长点，在学术界和工业界均受到广泛关注。
边缘计算的价值包括降低时延、减少能耗、缓解负载、保护隐私、定制服务、增强能力等多个方面，同云计算和端计算相比，边缘计算在以上方面具有显著优势。
边缘计算相较于云计算的一项显著优势在于其计算资源更接近终端用户。在边缘计算的框架下，数据处理任务可以被分配到离数据源更近的网络节点，这意味着数据可以在不经过长距离网络传输的情况下进行处理。因此，边缘计算能够规避集中式远程云计算中心所面临的网络时延问题，从而显著缩短数据处理时间并提升响应速度，这对于需要实时反馈的应用场景尤为重要。
边缘计算能够提供高度实时的服务，从而显著提升用户体验。对于大多数物联网应用来说，云计算解决方案的时延取决于网络条件、应用需求以及数据中心的位置，一般在几十毫秒到几百毫秒之间，网络条件较差时的时延甚至为秒级。然而，采用边缘计算的策略有望将端到端的时延降低到接近单跳传输的水平，在理想条件下，实时性可能提升20倍左右，但具体的提升程度可能会因多种因素（例如边缘节点的位置）而有所不同。
在大规模物联网应用环境中，物联网设备数量的大幅增长将直接引发计算和数据的激增，从而导致信息系统能耗大幅度上升。数据传输、计算和存储消耗了大量的能源，在一些城市和地区甚至成为能耗的主要来源。然而，在边缘计算中，大量的前端设备数据无须再汇集到云中心，而是以分布式的方式存储在各个边缘服务器上，这极大地减少了网络中的数据传输量，从而降低了能耗。此外，计算请求也被分散到各地的边缘服务器上进行，这种方式有效地避免了云端大规模存储和计算产生的能耗。这种新的计算范式通过改变数据传输的距离以及计算和存储的位置，实现了能源的高效利用，降低了能耗，有望从根本上解决数据无限增长带来的能源瓶颈问题。
在传统的云计算模型中，所有数据均需传输至远程数据中心进行处理，这一过程需要消耗大量带宽和能源，从而增加了网络负载。同时，所有的计算任务都在数据中心的服务器上执行，这种集中式的处理方式需要大量的计算资源和能源，从而增加了云负载。然而，边缘计算模型将数据处理任务转移到离数据源更近的设备上执行，减少了数据在网络中传输的距离和频率，降低了网络负载。此外，边缘计算模型通过更有效地利用边缘设备的计算资源，降低了云端大量数据集中处理所产生的云负载，提高了计算效率。因此，边缘计算可以显著降低网络负载和云负载，这对于实现可持续发展和环保目标具有重要意义。
相较于云计算来说，边缘计算在隐私保护上颇具优势。首先，边缘计算的数据不需要传输到远程的服务器，用户数据可以在生成它的设备上进行处理和分析，从而减少了数据在传输过程中泄露的风险。其次，边缘计算可以提供更好的数据控制。因数据在本地处理，用户可以更好地控制哪些数据共享、如何共享。此外，边缘计算可以提供更加强大的数据控制能力，数据在本地处理使攻击者需要直接攻击设备才能获取数据，这相比于在云计算中，攻击者获得服务器的访问权限就有可能获得存储在服务器上的所有数据，提高了数据的安全性，更好地保护了用户隐私。
边缘计算的服务器主要是为与其直接相连的设备提供服务，然而前端设备的通信形式、服务类型、服务要求各不相同，会导致边缘服务器上所承载的服务因对应设备和服务请求的不同而产生差异。因此，在不同的应用场景下，面对各类设备类型的不同资源需求，边缘计算的服务对象呈现异构、多样的特点，服务类型也呈现高度定制化的特点。同时，边缘计算采用的通信技术具有相对较小的覆盖范围，每个边缘服务器所面向的用户主要由本地的固定用户和流动用户构成，这导致每个服务器上运行的服务类型、资源配置、接入策略等均有所不同，形成了服务器类型高度定制化的特点。众多云计算难以支持的实时和低功耗服务正在转向边缘计算。与传统的云计算相比，边缘节点的服务对象、服务类型和服务器类型都呈现出高度定制化的特点。这种全新的定制模式被视为边缘计算的一种潜在应用，展示了边缘计算的巨大潜力，为边缘计算的未来发展提供新的方向和可能。
随着互联网不断发展，越来越多的城市基础设施和移动智能设备产生了计算需求，这种无处不在的计算主要通过边缘节点的大量算力部署去实现。在整个物联网的发展过程中，边缘计算不仅可以为设备提供计算服务，更是赋予了物联网中的各种终端设备更智能、更灵活的思考方式和更强大的决策能力。系统能够即时响应各类指令和事件，这种计算模式不仅提高了设备的实时性能，还为物联网的智能化发展提供了新的可能性。
在众多领域，边缘计算为终端场景应用带来了新的优势。例如，在安防监控领域，通过在监控摄像头内集成计算单元，引入边缘计算，可以有效处理原始视频数据，避免将冗余数据上传到云端。此外，还可以植入人脸识别应用，在边缘对数据进行解析和模型匹配，从而快速识别重点监控对象，提高识别效率。在本地零售领域，边缘计算可以在本地就地进行数据处理和优化，无须将各分支的数据汇总到中心位置进行分析，从而在决策和行动方面获得更快、更及时的反馈。在在线课堂领域，边缘计算在靠近终端的网络边缘上提供服务，全域覆盖的节点资源仿佛打造了一张高质量、低成本的实时视频转发网络，更好地避免网络抖动带来的掉线和卡顿问题，将授课内容实时、高质量地呈现在学生面前。
边缘计算能够解决数字业务场景下云计算的时延、带宽、自主性和隐私保护需求问题，其具体应用将由人、设备和业务之间的数字业务交互来定义，拥有十分广阔的发展前景。