导 读
2016年底，在Gartner数据中心年度会议上，硅谷风投大佬A16Z合伙人Peter Levine曾说边缘计算是云计算的“终结者”。经过接近两年时间的验证，边缘计算和云计算的关系更加清晰，两者并非互斥关系的基本论调已奠定。由于边缘计算解决了“最后一公里”云原生应用的供应问题，成为了云计算在未来发展中的重要落地支撑，边缘计算与云计算势必彼此融合，来到“边云协同”的新阶段。
关于边缘计算我已经谈过很多次，或许你也注意到了，进入2018年之后，边缘与云端的微妙关系正在被业界重视起来，物联网的发展令原本基于互联网构建的基础设施逐步翻转，正在经历一次螺旋式的更迭过程。
2016年底，在Gartner数据中心年度会议上，硅谷风投大佬A16Z合伙人Peter Levine曾说边缘计算是云计算的“终结者”。经过接近两年时间的验证，边缘计算和云计算的关系更加清晰，两者并非互斥关系的基本论调已奠定。由于边缘计算解决了“最后一公里”云原生应用的供应问题，成为了云计算在未来发展中的重要落地支撑，边缘计算与云计算势必彼此融合，来到“边云协同”的新阶段。
就像配电网将电力从降压配电变电站出口输送到最终用户端，边缘计算形成的网格将云原生应用从最后一公里处配送至互联万物，提高关键应用程序的性能、提升实时处理能力、改善安全性和可靠性，很大程度上弥补了云计算在IoT领域实践中的短板和掣肘。
通过由边缘与云端形成的多层混合架构，以及随之而来的“边云协同”效应，更能综合发挥两者的优势，促进物联网基础架构迎来一次全面的升级。
边云协同的主要推动者竟是三大云计算巨头
如何直观的解释边云协同效应？华为企业业务总裁阎力大的比喻最为妥帖。他说，在无脊椎动物中，章鱼的智商高，因为它拥有巨量的神经元。这些神经元60%分布在八条腿（边缘）上，脑部（云端）仅有40%。看起来用“腿”来思考并解决问题的章鱼，在捕猎时各条“腿”从来不会缠绕打结，这得益于它们类似于分布式计算的“多个小脑（边缘）”和“一个大脑（云端）”协同工作。
纵观全球，我们惊奇的发现，边云协同的主要推动者，恰是边缘计算曾经试图“终结”的云计算巨头们。
云计算目前仍是一个快速扩张的市场，根据预测到2021年云计算的市场规模将达到3000亿美元。领跑“三人行”亚马逊、微软和谷歌之间的排位争夺战从开始就没消停过，物联网时代业必将愈演愈烈。
基础设施即服务、平台即服务、软件即服务…一切尽在服务。为了谋求进一步扩张，AWS、Azure和Google Cloud不约而同的看到了来自两个方向的发展动力，一是由各种SaaS提供的增值云服务能力形成的推力，另一个是由边缘计算将云原生应用带入到各种智能终端形成的拉力。
边缘计算是一种分布式基础设施，计算资源和应用服务沿着从数据源到云端的通信路径分布。由于边缘计算能够提升云计算的时间维度价值，从而“淬炼”成业务绩效，更好的满足各种合规性的要求，具有更佳的数据隐私保护能力和安全性，是拉动云平台业绩的有效手段。
巨头们的边云协同路径推进得可谓整齐划一，亚马逊的AWS Greengrass、微软的Azure IoT Edge、谷歌的Edge TPU和Cloud IoT Edge相继推出。各家的商业模式也相当趋同，在边缘侧以免费或开源的方式，将云原生应用的“电力”配送到位于“最后一公里”的工业机器人、风力发电机和各种生产线的边缘设备当中。
当然，对边云协同万分看好的企业并不仅限于三大巨头。HPE、IBM、思科、SAP等知名企业，Foghorn、IOTech、Falkonry等初创公司纷纷表示加我一个。
值得关注的是，在上周刚刚结束的VMworld 2018峰会中，VMware发布了最新的边云协同战略，Dell EMC、Pivot3、Veeam、Extreme Networks等公司联合展示了多款边云协同产品。
边云协同中的“边缘”千人千面
边云协同首先需要克服的障碍有很多层面，但最基础的一个，是对于“边缘”认知的不一致性。
边云协同中的“边缘”在哪里？这恐怕是最常见的问题之一。与云平台不同，对于边缘的理解可以说是千人千面。
工业互联网联盟IIC在白皮书《Introduction to Edge Computing in IIoT》中给出的解释是：边缘是一个逻辑概念，而并非一个物理划分。同时IIC也给出了边缘计算需要考虑的共性能力，包括分布式数据管理、数据分析、统一业务编排、连接能力和安全性。
因此对于不同的个性化应用来说，“边缘在哪里”是一个“千人千边”的开放性问题，从应用角度来看，边缘的位置取决于业务问题需要解决的“关键目标”。
因此从最终用户和服务提供商的视角来看，边缘所处的位置并不相同。因此在由ARM、Vapor IO、Ericsson UDN等公司联合起草的白皮书《State of the Edge 2018》中，定义了两种边缘，运营商视角的基础设施边缘和最终用户视角的设备边缘。
基础设施边缘是指位于“最后一公里”的网络运营商或者服务提供商的IT资源，其主要构建模块是边缘数据中心，通常在城市及其周边以5-10英里的间隔放置。
设备边缘是指网络终端或设备侧的边缘计算资源，包括传统互联网设备，比如PC和智能手机等，以及新型智能设备，比如智能汽车、环境传感器、智能信号灯等。
基础设施边缘和设备边缘虽然同属于边缘计算的范畴，但是两者的定义、关注点、核心能力（包括在计算和存储能力、网络资源规模等）方面的差异极大。
由于边缘计算千人千面的基本特征，因此在边云协同的过程中，不同层次的边缘与云平台之间构成了多层结构，应用程序的工作负载通过在各个层次之间动态分配资源来调度。基础设施边缘和设备边缘都可以被视为集中式云平台的补充，甚至是现有云平台的扩展。
由“千人千边”衍生的另一个问题是，对于边云协同的市场规模估算的不一致性，导致不同企业对边云协同的重视程度相差极大，边云协同的重要性很容易被高估或者低估。
看好边缘计算的激进代表包括戴尔公司的首席执行官兼董事长迈克尔·戴尔，他说：“我认为边缘将比云更大。”
不同的市场研究机构也对边缘计算市场给出了各自的估算。
Gartner预测到2021年，由于考虑到时间延迟和带宽需求，40%的大型企业会将边缘计算纳入项目范围，2017年这一比例仅为不到1%。
IDC预测到2020年，边缘计算的相关支出将占到物联网所有支出的18%。到2022年，物联网的整体支出将达到1.2万亿美元，而边缘计算的相关支出则为2160亿美元。
Grand View Research认为到2025年，全球边缘计算市场将达到32.4亿美元，复合年增长率超过40%。
Transparency Market Research估算2017年全球边缘计算市场约为80亿美元，并预计到2022年底将达到133亿美元。
Stratistics MRC对于2017年的市场估算与Transparency Market Research一致，约为80亿美元。Stratistics MRC还进一步预测到2026年，边缘计算的市场规模将达205亿美元。
如何通过边云协同进行有效的数据分析？
数据分析是将数据转化为信息的过程，为运营决策提供新的洞察和见解，如果说数据是新型“石油”，那么数据分析就是驱动其产生价值的新型“引擎”，数据分析的质量，在一定程度上决定着物联网项目的价值上限。
曾经大多数数据分析都在云端进行，而如今随着边云协同的推进，边缘分析可以降低数据存储、通讯和处理的成本，去除不必要的数据噪声，更多的数据分析正在回到边缘进行处理。
一般而言，如果某项应用场景具有良好的信息源，且业务问题有清晰的解决逻辑，那么数据分析的重点应该放到边缘。在更复杂的情况下，为了处理好多种数据源和多重变量，边云协同需要综合考虑处理速度、可靠性、安全性、带宽需求和复杂度。
处理速度：数据类型和数量，以及业务决策的时间限制都会影响对于处理速度的要求。边缘计算采用分布式计算架构，由于将运算分散在靠近数据源的近端设备处理，不再需要远距离把数据回传云端处理，实时性更好、效率更高、延迟更短。
可靠性和安全性：可靠性和安全性虽有很大不同，但仍有大颗粒度相似需求，暂时放到一起考虑。互联设备可以通过边缘应用，同步设备数据以及与其他设备安全通信，甚至无需连接互联网，大程度地提升可靠性、安全性和隐私保护能力。但是一些重要数据，仍旧需要回传到云端，进行保存以便进行长期趋势分析。
带宽需求：带宽是远程控制中需要考虑的一个重要问题。边云协同的数据量直接决定了数据分析的成本，如果监控一台风力发电机上的100个参数，每隔10分钟回传一次数据到云平台，那么每天的数据量就是14400，这还仅仅只对应一台风机。
有些公司正在采用最新LPWAN技术来缓解向云端发送大量数据的成本问题，但带宽问题仍旧是边云协同无法绕过的一个现实因素。
复杂度：复杂度是划分云端和边缘应用负载的有效分水岭。云端学习、边缘执行，是处理复杂问题的大致思路。以一个啤酒厂的应用为例，如果分析某一款啤酒被过度发酵的问题，边缘计算完全可以胜任和处理。如果想要研究每款啤酒的发酵周期，并在不同种类的啤酒之间进行横向对比，那么云端分析可以很好的解决这个数学问题。
大多数预测性维护的问题都可以在边缘解决，这种问题一名工程师或者操作员就能很好的处理。但是如果解决的问题是工厂的综合生产效率提升问题，就需要在云平台中将来自多个场景的监测数据进行综合分析，并且很难给出快速反馈。也佐证了边缘和云端各有长短板、各有上下限，因此协同必将成为合理而主流的走向。
本文小结：
1. 边缘计算和云计算并非互斥关系，由于边缘计算解决了“最后一公里”云原生应用的供应问题，成为了云计算在未来发展中的重要落地支撑，边缘计算与云计算势必彼此融合，来到“边云协同”的新阶段。
2. 与云平台不同，对于边缘的理解千人千面。因此在边云协同的过程中，不同层次的边缘与云平台之间构成了多层结构，应用程序的工作负载通过在各个层次之间动态分配资源来调度，同时边云协同的重要性很容易被高估或者低估。
3. 云端学习、边缘执行，是处理复杂问题的大致思路。为了处理好多种数据源和多重变量，边云协同需要综合考虑处理速度、可靠性、安全性、带宽需求和复杂度。
附录：2018年最新版边缘计算企业图谱
参考资料：
CBInsights: What Is Edge Computing?
Introduction to Edge Computing in IIoT
State of the Edge 2018
相关阅读：
热门专题
