2016年底，在Gartner數據中心年度會議上，硅谷風投大佬A16Z合伙人Peter Levine曾說邊緣計算是云計算的“終結者”。經過接近兩年時間的驗證，邊緣計算和云計算的關系更加清晰，兩者并非互斥關系的基本論調已奠定。由于邊緣計算解決了“最后一公里”云原生應用的供應問題，成為了云計算在未來發展中的重要落地支撐，邊緣計算與云計算勢必彼此融合，來到“邊云協同”的新階段。

關于邊緣計算我已經談過很多次，或許你也注意到了，進入2018年之后，邊緣與云端的微妙關系正在被業界重視起來，物聯網的發展令原本基于互聯網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數據中心年度會議上，硅谷風投大佬A16Z合伙人Peter Levine曾說邊緣計算是云計算的“終結者”。經過接近兩年時間的驗證，邊緣計算和云計算的關系更加清晰，兩者并非互斥關系的基本論調已奠定。由于邊緣計算解決了“最后一公里”云原生應用的供應問題，成為了云計算在未來發展中的重要落地支撐，邊緣計算與云計算勢必彼此融合，來到“邊云協同”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最終用戶端，邊緣計算形成的網格將云原生應用從最后一公里處配送至互聯萬物，提高關鍵應用程序的性能、提升實時處理能力、改善安全性和可靠性，很大程度上彌補了云計算在IoT領域實踐中的短板和掣肘。

通過由邊緣與云端形成的多層混合架構，以及隨之而來的“邊云協同”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。

邊云協同的主要推動者竟是三大云計算巨頭

如何直觀的解釋邊云協同效應?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%分布在八條腿(邊緣)上，腦部(云端)僅有40%?？雌饋碛?ldquo;腿”來思考并解決問題的章魚，在捕獵時各條“腿”從來不會纏繞打結，這得益于它們類似于分布式計算的“多個小腦(邊緣)”和“一個大腦(云端)”協同工作。

縱觀全球，我們驚奇的發現，邊云協同的主要推動者，恰是邊緣計算曾經試圖“終結”的云計算巨頭們。

云計算目前仍是一個快速擴張的市場，根據預測到2021年云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、軟件即服務…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提供的增值云服務能力形成的推力，另一個是由邊緣計算將云原生應用帶入到各種智能終端形成的拉力。

邊緣計算是一種分布式基礎設施，計算資源和應用服務沿著從數據源到云端的通信路徑分布。由于邊緣計算能夠提升云計算的時間維度價值，從而“淬煉”成業務績效，更好的滿足各種合規性的要求，具有更佳的數據隱私保護能力和安全性，是拉動云平臺業績的有效手段。

巨頭們的邊云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，將云原生應用的“電力”配送到位于“最后一公里”的工業機器人、風力發電機和各種生產線的邊緣設備當中。

當然，對邊云協同萬分看好的企業并不僅限于三大巨頭。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，在上周剛剛結束的VMworld 2018峰會中，VMware發布了最新的邊云協同戰略，Dell EMC、Pivot3、Veeam、Extreme Networks等公司聯合展示了多款邊云協同產品。

邊云協同中的“邊緣”千人千面

邊云協同首先需要克服的障礙有很多層面，但最基礎的一個，是對于“邊緣”認知的不一致性。

邊云協同中的“邊緣”在哪里?這恐怕是最常見的問題之一。與云平臺不同，對于邊緣的理解可以說是千人千面。

工業互聯網聯盟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，而并非一個物理劃分。同時IIC也給出了邊緣計算需要考慮的共性能力，包括分布式數據管理、數據分析、統一業務編排、連接能力和安全性。

因此對于不同的個性化應用來說，“邊緣在哪里”是一個“千人千邊”的開放性問題，從應用角度來看，邊緣的位置取決于業務問題需要解決的“關鍵目標”。

因此從最終用戶和服務提供商的視角來看，邊緣所處的位置并不相同。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最終用戶視角的設備邊緣。

基礎設施邊緣是指位于“最后一公里”的網絡運營商或者服務提供商的IT資源，其主要構建模塊是邊緣數據中心，通常在城市及其周邊以5-10英里的間隔放置。

設備邊緣是指網絡終端或設備側的邊緣計算資源，包括傳統互聯網設備，比如PC和智能手機等，以及新型智能設備，比如智能汽車、環境傳感器、智能信號燈等。

基礎設施邊緣和設備邊緣雖然同屬于邊緣計算的范疇，但是兩者的定義、關注點、核心能力(包括在計算和存儲能力、網絡資源規模等)方面的差異極大。

由于邊緣計算千人千面的基本特征，因此在邊云協同的過程中，不同層次的邊緣與云平臺之間構成了多層結構，應用程序的工作負載通過在各個層次之間動態分配資源來調度。基礎設施邊緣和設備邊緣都可以被視為集中式云平臺的補充，甚至是現有云平臺的擴展。

由“千人千邊”衍生的另一個問題是，對于邊云協同的市場規模估算的不一致性，導致不同企業對邊云協同的重視程度相差極大，邊云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首席執行官兼董事長邁克爾·戴爾，他說：“我認為邊緣將比云更大。”

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，由于考慮到時間延遲和帶寬需求，40%的大型企業會將邊緣計算納入項目范圍，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占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，復合年增長率超過40%。

Transparency Market Research估算2017年全球邊緣計算市場約為80億美元，并預計到2022年底將達到133億美元。

Stratistics MRC對于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。

如何通過邊云協同進行有效的數據分析?

數據分析是將數據轉化為信息的過程，為運營決策提供新的洞察和見解，如果說數據是新型“石油”，那么數據分析就是驅動其產生價值的新型“引擎”，數據分析的質量，在一定程度上決定著物聯網項目的價值上限。

曾經大多數數據分析都在云端進行，而如今隨著邊云協同的推進，邊緣分析可以降低數據存儲、通訊和處理的成本，去除不必要的數據噪聲，更多的數據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信息源，且業務問題有清晰的解決邏輯，那么數據分析的重點應該放到邊緣。在更復雜的情況下，為了處理好多種數據源和多重變量，邊云協同需要綜合考慮處理速度、可靠性、安全性、帶寬需求和復雜度。

處理速度：數據類型和數量，以及業務決策的時間限制都會影響對于處理速度的要求。邊緣計算采用分布式計算架構，由于將運算分散在靠近數據源的近端設備處理，不再需要遠距離把數據回傳云端處理，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。互聯設備可以通過邊緣應用，同步設備數據以及與其他設備安全通信，甚至無需連接互聯網，最大程度地提升可靠性、安全性和隱私保護能力。但是一些重要數據，仍舊需要回傳到云端，進行保存以便進行長期趨勢分析。

帶寬需求：帶寬是遠程控制中需要考慮的一個重要問題。邊云協同的數據量直接決定了數據分析的成本，如果監控一臺風力發電機上的100個參數，每隔10分鐘回傳一次數據到云平臺，那么每天的數據量就是14400，這還僅僅只對應一臺風機。

有些公司正在采用最新LPWAN技術來緩解向云端發送大量數據的成本問題，但帶寬問題仍舊是邊云協同無法繞過的一個現實因素。

復雜度：復雜度是劃分云端和邊緣應用負載的有效分水嶺。云端學習、邊緣執行，是處理復雜問題的大致思路。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周期，并在不同種類的啤酒之間進行橫向對比，那么云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，就需要在云平臺中將來自多個場景的監測數據進行綜合分析，并且很難給出快速反饋。也佐證了邊緣和云端各有長短板、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. 邊緣計算和云計算并非互斥關系，由于邊緣計算解決了“最后一公里”云原生應用的供應問題，成為了云計算在未來發展中的重要落地支撐，邊緣計算與云計算勢必彼此融合，來到“邊云協同”的新階段。

2. 與云平臺不同，對于邊緣的理解千人千面。因此在邊云協同的過程中，不同層次的邊緣與云平臺之間構成了多層結構，應用程序的工作負載通過在各個層次之間動態分配資源來調度，同時邊云協同的重要性很容易被高估或者低估。

3. 云端學習、邊緣執行，是處理復雜問題的大致思路。為了處理好多種數據源和多重變量，邊云協同需要綜合考慮處理速度、可靠性、安全性、帶寬需求和復雜度。

附錄：2018年最新版邊緣計算企業圖譜