隨著亞馬遜、阿里、華為、微軟等巨頭的戰略布局，邊緣計算已經逐步成為互聯網時代的另一新爆點。未來邊緣計算不僅能就近提供智能互聯服務，還能滿足行業在數字化變革過程中的關鍵需求。但需要注意的是，與物聯網有著“親密關系”的邊緣計算，不管在安防行業還是工業，要實現落地，應用必將是最核心的問題。
然而要想了解這其中的邏輯關系，需要一步步來解析：
什么是邊緣計算?
廣義的說法是在靠近用戶數據和訪問側，提供低延遲、高可靠、高可用、就近彈性的計算服務，滿足客戶在實時業務、應用智能、數據就近處理分析、數據安全和隱私保護等方面的關鍵需求，可靈活配置管理大規模邊緣計算應用。
云計算與邊緣計算之間的關系如何?
邊緣計算與云計算究竟有什么聯系，我們可以用一句話概括：“如果把云計算比作整個計算機智能系統的大腦。那么邊緣計算就是這個系統的眼睛耳朵和手腳。”
當前業界普遍認為云計算和邊緣計算是一種共生關系。對于需要及時響應，算法相對簡單的計算，利用邊緣計算處理;對于非計算響應，算法復雜的計算，在云計算中進行。而未來將是前端智能+邊緣+云的組合。
前端智能
隨著AI芯片及嵌入式感知系統不斷成熟發展，前端智能設備的算力不斷增強，可以完成更為復雜的視覺計算功能，從而將檢測、識別、分類的結果在前端進行實時應用。前端智能化處理還能按需將高質量結構化數據及分析結果傳輸至后端，減少丟包、壓縮造成的信息丟失或誤差，提升智能分析的準確性。
前端智能的載體一般是具備一定計算能力的硬件設備，可以實現不同智能功能。前端智能設備向上對接云端平臺或者邊緣計算單元，向云端推送視音頻流以及結構化的數據，還可以對外圍設備進行管理并響應直播云端的消息(可根據云端需求不同輸出門禁信息、報警)等。
邊緣計算
邊緣計算節點主要是就近收集和存儲智能前端的各類異構數據、就近管理和調度智能計算資源，滿足不同場合對智能分析的即時響應、即時分析的需要。對于多級業務的復雜系統，邊緣計算節點相應各個分級的應用，滿足不同級別系統的計算需求。邊緣計算節點可以接收、整合、傳遞智能前端的結構化數據，也可以根據需要調配算力，應用不同的算法對當前分級內的數據進行智能分析，實現智能應用。
單個的邊緣節點可以將本級內智能前端以及邊緣計算所需的存儲資源以及計算資源進行統一管理，根據需求調度智能算法，結合邊緣計算節點的智能分析能力，實現在本級內完成所有預定的智能功能;多個邊緣計算節點可以根據需求組合，形成一個智能網絡，在網絡中對數據進行加工、交換數據、共享計算結果。
云計算
云端計算平臺除了完成對前端智能設備和邊緣計算節點的管理功能外，還可以完成智能分析功能。云平臺根據需求分配計算和存儲的資源，按照業務的需求調度智能分析算法、大數據分析算法。
云端計算平臺對來自邊緣計算節點的結構化數據進行更高層級的智能分析處理，比如更多數據庫容量的人臉比對、更大時間寬度和空間跨度內的事件關聯分析等。大數據分析算法對智能前端、邊緣計算節點所返回的結構化數據智能分析處理，支撐多維大數據的綜合事件分析、邏輯分析、決策分析。
總結來說，云端計算平臺、邊緣計算節點、智能前端之間相互結合可實現多層次的智能分析。
與云計算相比，邊緣計算在安防行業中具有哪些應用優勢?
事實上，市場上存在著兩類邊緣計算，這點要從物聯網的實際場景需求分析：
2020年將有500億設備聯網，將會帶來兩大難題：如何管理這些聯接以及如何傳輸和處理這些流量?而這兩大難題的解決應該要依靠兩種邊緣計算平臺。
一種為解決聯接，一種為解決流量。前一種主要解決互聯網和物聯網之間協議轉換等問題，一般提供物聯網網關類云服務。后一種主要解決海量的流媒體或數據流量的傳輸，一般采用CDN的邊緣節點來提供邊緣計算服務。所以邊緣計算在物聯網技術架構中是處于廣域網/傳感器和云計算之間的，提供的是就近的數據處理和數據訪問，如下圖所示：
邊緣計算和安防行業有何關系?
現階段物聯網設備中攝像頭及攝像頭模組占了非常大的比例，任何智能家居設備及道路監控，凡是需要做圖像數據采集進行分析和反饋的場景都會需要攝像頭，而安防行業的核心終端設備就是攝像頭。曾經安防行業因為存儲和設備整體方案的昂貴成本一般只應用于公共交通、酒店、樓宇、園區等場景中，現如今隨著成本的降低，家庭安防、新零售、商業中心等也在逐漸賦能智能安防。
但如何讓私有與公有網絡的成本、性能、智能分析兼顧，越來越成為商業智能落地的關鍵。
邊緣計算可就近計算的特質，讓其一方面可對人臉數據、人群分析、生物識別、商品識別等分析結果進行高效的處理，讓原先智能場景不再需要在現場布署昂貴笨重的硬件設備，極大提高智能場景的落地效率和復制速度;另一方面分布廣泛的攝像頭也因為邊緣存儲服務的就近存儲，可以把海量的監控數據就近存儲起來，提供了就近高速可存可分析的業務體驗。
邊緣計算的這兩個優勢使得安防行業與之緊密聯系在了一起，在邊緣計算的部署下安防場景能夠更好更快地落地實施。
邊緣計算如何在安防行業落地?
邊緣計算在安防行業落地需要分兩類場景：
第一類是私有網絡：通常采用邊緣存儲私有化+邊緣計算私有化部署，該方案的優點是可內網保證數據私密性，可打開網絡出口，把數據備份到公網上，本地計算資源不足時也可打開公網出口，業務降級到中心計算資源去計算處理。
第二類是互聯網：與私有網絡不同，互聯網因為公網的問題通常會存在幾個痛點：
1、鏈路質量問題。主要是設備到計算中心機房通信的延遲，同時網絡鏈路不可靠。
2、私有協議和利舊問題。因為安防領域存在歷史監控設備，不一定可以直接做嵌入程序升級，而很多廠家的設備也需要支持非標準的多媒體協議。
3、資源成本問題。本地攝像頭的數據如果全部上傳到存儲，很多無價值數據也會占用傳輸通道和存儲空間，如果能夠就近處理刪除無用數據，將減少很多資源浪費。
4、傳輸時效問題。尤其在監控歷史數據遷移等過程中，長距離的到中心計算機房的傳輸會帶來極大的時間成本損失。
在七牛云邊緣計算解決方案中，其創新性的增加了邊緣存儲功能，使得就近的本地運營商可在本區域內就近服務，解決了鏈路質量問題和傳輸時效問題。而通過流式存儲的接口和邊緣計算容器化接入方式也可以解決私有協議和利舊問題，本地就近計算刪除無價值數據完成了數據分揀也很好地解決了資源成本問題。
綜上，邊緣計算可以從運營成本、帶寬利用率、丟包率、業務延遲等指標上給整個行業的性能和運營帶來極大的改善，同時邊緣計算的安防解決方案提供的一系列特性如流式上傳、倍速播放、去SD卡化、邊緣智能分析等也促使越來越多的監控廠商加入了升級的大潮。
邊緣計算在安防領域落地暢想
安防領域作為物聯網領域流量傳輸最大的場景，率先通過邊緣計算驅動整體性能體驗得到提升，下一步逐步實現商業智能、樓宇智能、小區智能的落地將會成為下一個物聯網爆發點。
例如，在商超等應用環境中，可對顧客的性別分布、年齡分布等客觀信息，并結合單位區域內逗留時間等維度信息進行分析，進而得到如何布署相關的商鋪位置、如何集中餐飲等后勤服務力量的決策建議;在樓宇與小區應用中可減少非必要的安保人員，用機力代替人力，自動對出入的人員進行身份比對，對可疑人員進行身份報警;在社會治安應用中，可根據治安、反恐、社區可疑人員等信息結合時間頻次信息等預測出可能出現的危險情況和安全隱患，從而組織治安力量更有針對性地進行社會管理。
邊緣計算在安防領域的實踐從根本上打破了原本“智能”應用落地的壁壘，讓原本受限于計算力、傳輸環境、存儲環境等諸多問題的應用設想得以實現。
京公網安備 11010502049343號