隨著物聯網等技術的不斷發展、數據的不斷增加，基于云的物聯網解決方案漸漸無法滿足人們日益增長的需求，越來越多的企業開始將目光轉向邊緣計算，并將其作為云的延伸擴展，以加快數據分析的速度，便于企業更快更好的做出決策。

幾年前，大多數人都期望將物聯網部署至云端——這的確可以給個人用戶帶來便捷的使用體驗，但構建企業級的物聯網解決方案，仍然需要采用云計算和邊緣計算的結合方案。與純粹的云端解決方案相比，包含邊緣側的混合方案可以減少延遲、提高可擴展性、增強對信息的訪問量，并使業務開發變得更加敏捷。

那么，企業在物聯網解決方案中需要如何做才能最佳地利用邊緣和云的力量呢？為了闡明這一問題，本文將首先介紹邊緣計算與云計算分別所扮演的角色，進而解釋為什么企業需要邊緣計算以及如何選擇邊云協同的解決方案，最后再闡述邊緣計算的復雜性，并提供一些用例。

什么是邊緣計算？

邊緣計算是一種分布式處理和存儲的體系結構，它更接近數據的源頭。例如，帶有視覺處理功能的攝像頭、通過藍牙向手機發送數據的可穿戴醫療設備等都利用到了邊緣計算。與云計算相比，邊緣計算更靠近終端，存在諸多優良特性，因此，邊緣計算和云計算的混合使用通常被認為是構建企業級物聯網解決方案的最佳實踐。

云爆炸和延遲

經過十多年的發展，現如今，我們已經步入云應用爆炸時代。誠然，云在成本、效益、規模、自動化、互操作性和集中性等方面能為企業帶來許多好處，因此大量IT公司的服務完全存在于云上或在很大程度上依賴于云。

與此同時，傳感器設備的數量及其生成的數據量也在迅猛增長，預計這一趨勢在未來幾年還會持續下去。不只是數據來源廣、數據量龐大，其采集的數據往往在幾毫秒內就會發生重大的變化，因此企業將數據轉換為洞察力再轉換為執行力的速度就顯得尤為關鍵。那么，如何在數據從生成到決策再到執行的整個過程中保持盡可能小的延遲？光速是數據傳輸的速度極限，因此，只有通過縮短數據傳輸的距離，才能從真正意義上降低延遲。在一個只有“云”的世界中，數據可能要傳輸數百甚至數千英里，延遲在所難免，而邊緣計算可以有效解決這一問題。

據估計，未來55%的物聯網數據將在數據源頭附近進行處理，包括設備端和邊緣側。由于延遲的減少能夠顯著提高響應時間、從而節省時間和金錢，因此，不斷增長的數據需求下，解決延遲問題將成為重點。

低延遲只是推動物聯網解決方案向邊緣計算擴展的眾多原因之一，在物聯網解決方案中，邊緣計算的好處還有很多。

云和邊緣的平衡

物聯網解決方案對企業的敏捷式開發具有巨大的推動作用，下面介紹幾種基于邊緣和云的物聯網解決方案的案例。

1. 智能工廠

隨著物聯網等技術的不斷發展，企業正迅速向數字化和自動化的業務流程轉型。與此同時，許多制造商在世界各地遍布工廠，每個工廠通常都具有各自的特性和功能需求。因此，云計算憑借自身的優勢在企業轉型智能制造中扮演著重要角色。通過云，企業可以跨地域在全球范圍內監視系統和流程，從而能對整個運營狀況進行對比分析，確定最佳的投資比例。由此可見，對于企業來講，云平臺或者數據中心是不可或缺的。

盡管優點明顯，但企業期望通過云平臺或數據中心集中維護所有的數據，卻顯得過于龐大也不太現實。因此，企業只有結合邊緣云架構，才能給智能工廠提供快速且幾乎不受阻礙的連接。

設備層（device layer） 表示連接到本地局域網或物聯網的單個設備部件，以實現即時交互。這一層的機器學習（ML）是基于云中訓練的ML模型完成的。大量的原始設備數據也存儲在這一層。

設備層提供對單個設備的可見性和控制，而工廠應用層（ plant apps layer ）提供對工廠中所有連接設備的可見性和控制。邊緣層（edge connectivity layer）提供了單個設備和工廠應用層之間必要的連接。

企業層（enterprise layer）是云托管的，主要提供跨多個工廠的可見性和控制。這一層級在企業層面進行分析、預測和決策，根據整個工廠的數據訓練ML算法模型，然后將訓練和分析的結果“推”向邊緣層級，最終下發至每個設備實現智能化操作。

2. 智能建筑

隨著智能網聯技術的興起，無論是辦公室、零售店、工廠還是醫院，智能建筑都變的更加高效、更加舒適、更加便捷，為居住者帶來獨特的體驗。據了解，智能建筑將自動化操作與空間管理相結合，可以有效增強用戶體驗、提高生產力、降低成本以及網絡安全風險。此外，智能建筑能更好地控制基礎設施和開展業務，使開發商能夠節約空間、能源、水源和人力等資源。

另外，建筑物生命周期中75% -80%的成本與其后期運營有關?，F在很多商業住宅和辦公大樓都有自動化控制或管理系統，例如通暖、中央空調以及嵌入傳感器的智能照明系統等，它們都能與云平臺或者邊緣層級的主系統交互。其中，邊緣服務器或網關通常用于發回云平臺分析的結果，優化設備的操作或者調度?？傊吘売嬎愫驮朴嬎銥榻ㄖ锾峁┝烁又悄艿馁Y源管理。

構建邊云解決方案面臨的挑戰

雖然邊緣計算提供了實實在在的好處，但也帶來了操作和設計的復雜性。一方面，邊緣計算是高度分布式的，分布在辦公室、工廠、校園等場所，有些甚至分布在遙遠的、難以訪問的地方。另一方面，任何一家企業都可能擁有數千臺設備和數百個網關，所有這些邊緣節點都安裝有固件、操作系統、各種形式的虛擬機和軟件，其中一些需要由制造商提供，另一些則需要由第三方解決方案提供商提供。因此，所有邊緣節點都要由適當的管理員進行管理和維護，例如備份、補丁、更新和監視。

邊緣計算潛在的問題還有很多，在高度分布式模型中，排除故障也是非常困難的。一般情況下，外勤技術人員需要到現場處理升級或者維修設備。因此在這種應用場景下，迫切需要類似于“軟件定義一切”（software defined everything）的方法，因為軟件升級比硬件升級更容易、更方便。

1. 持續的更新

盡管面臨諸多挑戰，但通過提供一定程度的自動化服務和工具，云計算消除了人們對許多IT問題的擔憂。與之相對的，邊緣計算也要執行數據采集、程序更新、設備管理和監控、機器學習模型更新等高級功能，而且這些功能需要復制到所有邊緣節點和集群。這是一項艱巨的任務，甚至在一定程度上超過業務本身的需求。

2. 管理策略

傳統數據中心使用的管理策略和實踐通常不適用于邊緣部署，邊緣部署分布在多個位置，比傳統數據中心更具動態性。承擔這樣一個系統的業務管理是一項復雜的任務。

3. 成本

雖然云提供了隨需應變的可擴展性，并且易于配置，具有自動化和彈性，但是在邊緣提供這些功能是相當昂貴和復雜的。為了適應現有邊緣部署的擴展，除了增加設備和邊緣節點的數量，可能還需要在額外的硬件和軟件上進行大量的投資，并進行許多復雜的工作。

4. 網絡安全

通過多個節點和設備將云和數據中心擴展到邊緣，可能會成倍地增加網絡攻擊的表面積。不安全的設備和邊緣節點，有可能成為企業網絡中有價值資產的非法侵入點，或被用于其他邪惡的目的，如分布式拒絕服務攻擊。因此，維護邊緣層所有資產的實體和網絡安全是一項復雜而關鍵的任務。

如何確定物聯網對邊緣計算的需求？

相對來講，邊緣計算是非常復雜和昂貴的、有一定風險的和浪費資源的，因此要做好風險/回報評估，謹慎決定是否在物聯網解決方案中擴展邊緣計算。

在許多物聯網用例中，考慮與現有操作技術的匹配，為物聯網解決方案添加云托管組件需要一定程度的邊緣計算能力（主要是網關）。同樣，要實現智能建筑、智能工廠管理系統，也需要使用一些邊緣處理功能。

僅使用邊緣或云面臨可擴展性問題

對于一個大型物聯網系統來說，先不考慮做其他任何處理，只是將所有數據發送到云端計算，就會在帶寬使用上面臨可擴展性的問題，可能需要不斷升級網絡基礎設施。此外，隨著實際應用中業務的擴展，私有云的使用還需要重新配置，可能需要手動干預才能實現負載平衡。

不僅是云計算，完全基于邊緣的分布式體系結構的復雜程度不亞于此，且隨著設備規模的增加而增加。邊緣系統和應用程序管理也是非常復雜的，而且成熟的自動化工具還沒有實現。在許多情況下，邊緣部署也沒有充分考慮可擴展性，導致設備部署的更復雜。

如何去做？

第一步是評估是否需要邊緣計算。倘若不需要邊緣計算，企業即可安排純云解決方案。但如果需要邊緣處理，下一步則需要確定邊緣所需的功能，然后確定最合適的部署模型，因為邊緣處理可以在設備、網關、邊緣服務器上進行，而不同的模型在計算能力、響應能力和位置方面可能有很大的差異。

在某些情況下，將用戶配置的需求打包成單獨的功能包可以簡單方便的使用，但可能會犧牲靈活性。而為用戶提供靈活的自構建的功能組件很有吸引力，但這會延長交付時間，并帶來一些固有的風險。

另一個值得注意的是邊緣計算供應商的發展變化。大多數物聯網基礎設施或平臺供應商都認識到，邊緣計算是許多物聯網解決方案成功交付的重要組成部分，如網關或服務器都需要具有一些數據處理、數據分析和本地存儲功能。除此之外，硬件供應商還傾向于依賴其他廠商進行設備管理、協議處理和轉換。隨著供應商越來越積極的尋求“端到端”的解決方案，這一領域可能會出現重大整合。

物聯網設備及其提供的數據正在改變著世界，改變著我們的生活和工作方式。目前基于云的物聯網解決方案已經得到成熟的運用，未來在大多數情況下，物聯網解決方案將包括邊緣和云的混合。因此，在物聯網解決方案中要正確的平衡邊緣和云的功能，不同配置的邊緣計算有不同的優勢和劣勢。企業在設計和構建任何一個物聯網解決方案時，都應該考慮到各種因素。

相對而言，即使實際業務需要復雜的設計，物聯網解決方案也應該盡可能的簡單。這看起來簡單做起來卻很難，邊緣模式的選擇可能會對解決方案的成功與否產生影響。

顯然，在物聯網解決方案中，云計算和邊緣計算孰好孰壞沒有統一的定論。具體問題具體分析，不同的情況需要不同的解決方案。然而從發展方向來看，云計算和邊緣計算之間的協同很可能構成未來的物聯網架構。

來源：物聯網智庫