论诸葛孔明的锦囊妙计与边缘计算... 边缘计算的爆发正印证了天时地利人和达

作者：樱木花道

物联网智库原创

转载请注明来源和出处

------

【导读】

------

在诸葛亮用锦囊妙计使得周郎赔了夫人又折兵的经典桥段中，如果把诸葛亮比作云计算中心，那么三个锦囊就是三个边缘计算场景，诸葛亮通过对大量数据的收集和处理，训练出相应的模型，并把这些模型送给赵云，让其在遇到难题的时候可以“推理”解决。

《三国演义》刻画的人物众多，不同的读者各有所爱，但笔者相信很多人都会对诸葛孔明印象深刻。通过罗贯中的笔，我们看到了一个“智多近妖”的孔明先生，留下了许多为后人所津津乐道的故事。

诸葛亮的锦囊妙计

笔者最喜欢诸葛亮的三个锦囊让刘备娶到了第三个媳妇，使周瑜赔了夫人又折兵的经典桥段。

如果把诸葛亮比喻为云计算中心，那么三个锦囊就是三个边缘计算场景，诸葛亮通过对大量的数据收集和处理，训练出相应的模型，并把这些模型送给赵云，让其在遇到难题的时候可以“推理”解决。

通过锦囊妙计的桥段，我们对云计算和边缘计算有了更直观、更生动的认识。

诸葛亮在中军帐中通过对敌方将领、地理环境、天气条件、己方实力的分析和训练，得出一个战争模型，在外的将领手持锦囊就可以根据战场环境进行推理指挥，这中间就省去了中军帐和前线的交流时间。

但这么做会有几点问题，比如，诸葛亮考虑的不够周全（数据量不够），将领打开锦囊的顺序出现错误，敌方临阵换将，战场环境发生改变等等，都会使锦囊变成废纸，甚至产生负面影响。即使有八百里加急、飞鸽传书等类似4G、5G的通信方式，也难免会因为马匹、飞鸽的数量不足，或者途中遇到其他变故使得战报的有效性大大延时，甚至出现错误，进而延误战机。而比较好的办法就是诸葛亮将中军帐的能力下沉，前线将领也应该熟悉模型的训练方法，并根据战场环境实时修正作战指示。

同样的道理，随着数以百亿级的设备联网，以及指数级数据的爆发，云计算、带宽都会面对更大的压力，而边缘计算的分布式计算和实时响应等能力就可以很好的缓解云计算所面临的问题。当然，边缘计算并不是替代云计算，而是补充云计算在某些方面的不足，俗话说，三个臭皮匠顶个诸葛亮，而边缘计算所充当的角色绝不止是臭皮匠可以相比的。

顶得了“N个臭皮匠”的边缘计算

提到边缘计算，大家并不会感到陌生，与云计算、雾计算等有着千丝万缕的联系。边缘计算是一种分布式运算架构，将应用程序、数据资料与服务的运算，由网络中心节点移送到网络逻辑上的“边缘节点”进行处理。

这么做的原因是，并不是所有数据都需要上传云端存储计算，更多的数据可以在边缘侧收集和处理，这样可以大大减少云端压力，并且很多决策都需要实时的进行，上传云端的反馈时间往往可以让数据变得毫无价值。此外，相比于云计算的数据集中上传，边缘计算可以大幅度减少数据泄露的风险。

如果说云计算是高高在上的云，那么边缘计算就是落到土里的雨，最接近于植物根部。

边缘计算的市场有多大，不好说，也不敢说。根据各权威机构给出的数据显示，未来几年将会有500亿甚至1000亿台设备联网，软银的孙正义表示，未来20年，ARM架构芯片的年出货量将达到1万亿颗，这也是软银收购ARM的原因。

从目前的产业现状来看，我们可以预测边缘计算在自动驾驶、智能制造、智慧城市、智能家居等都会有很广阔的前景。

以自动驾驶为例，自动驾驶汽车队数据的传输和交互延迟要求非常高，边缘计算更靠近数据源，可以快速的处理数据并作出实时的判断。如果把每台汽车的数据上传到云端，经过计算作出判断并下达指令，大量的数据除了会给带宽带来压力之外，还会给云端带来计算负荷，无人驾驶对数据传输的要求是毫秒级的，边缘侧的数据处理、传输和决策则可以达到这一指标。对于其他类似的场景，边缘计算同样适用。

边缘计算领域的玩家

既然边缘计算有诸多利益，未来超过 50% 的数据需要在网络边缘侧分析、处理与储存，面对巨大的市场规模，怎么少得了领域巨头的参与，微软、亚马逊、阿里、华为、英特尔、ARM等祭出了自己的边缘计算大招。边缘计算俨然成为了计算与平台之争下半场的高地。

亚马逊-AWS Greengrass

亚马逊AWS的边缘计算服务Greengrass是一种允许用户以安全方式为互联设备执行本地计算、消息收发和数据缓存的方案。

Greengrass将AWS无缝扩展至设备端，以便用户更加轻量的在本地操作其产生的数据，同时，制造商仍然可以使用云端进行管理、分析以及展开其他应用服务。借助AWS Greengrass，即使在无法连接到云平台的状态下，Greengrass设备仍然可以通过本地网络，进行数据的通信与处理，待连接恢复依然可以把数据同步到云端。

根据诺基亚实验室对AWS Greengrass的测试结果显示，93%的数据可以在边缘处理，与以往集中式的云平台相比，往返时间减少了28%，延迟时间降低了39%。

图 1.亚马逊边缘计算服务Greengrass

来源：亚马逊

微软-Azure IoT Edge

关于边缘，微软将“边缘”定义为用户与云进行交互的所有东西。在微软的定义中，边缘设备可以是任何虚拟现实/混合现实设备，无人机，本地化的个人电脑和服务器。

微软Build 2017大会上，微软宣布正在进入一个智能云（IntelligentCloud）与智能边缘（Intelligent Edge）的世界。而世界也将会出现两个变化，一是用户体验与交互上的变化，同样的体验会普及到各个设备中，比如PC、手机、汽车等；二是计算能力边缘化，这主要是由于物联网终端数量越来越多，这就对计算能力下沉提出了要求，意味着AI和计算都要更加分布。

在Build 2017和2018大会上微软先后发布了Azure IoT Edge服务和开源Azure IoT Edge Runtime，Azure IoT Edge可以在本地计算设备上进行计算，节省时间；Azure IoTEdge Runtime是可以在每个物联网边缘设备上运行的软件部分，用于管理部署到每个设备的模块。未来，微软还将发布“Project Kinect for Azure”，推出一系列前端设备传感器。

阿里-Link Edge

在2018云栖大会·深圳峰会上，阿里云宣布2018年将战略投入边缘计算技术领域，并推出首个IoT边缘计算产品Link Edge，将阿里云在云计算、大数据、人工智能的优势拓宽到更靠近端的边缘计算上，打造云、边、端一体化的协同计算体系。

开发者能够通过Link Edge将阿里云的边缘计算能力部署在各种智能设备和计算节点上，如车载中控、工业流水线控制台、路由器等，还可以将开发者可将深度学习的分析、训练过程放在云端，将生成的模型部署在边缘网关直接执行。

图 2.阿里云边缘计算

来源：阿里云

华为-EC-IoT

16年年底，由华为、英特尔、ARM、中科院沈阳自动化所、软通动力等六家单位联合发起的边缘计算产业联盟（ECC）正式成立。

MWC2017上，华为发布了基于边缘计算的物联网EC-IoT（Edge Computing IoT，边缘计算物联网）解决方案，将边缘计算和云管理引入物联网领域，基于SDN的敏捷控制器及具有边缘计算能力的物联网关（AR 500系列产品）就近提供智能服务，在靠近设备或数据源头的网络边缘侧，部署融合网络、计算、存储、应用核心能力的边缘计算网关，为边缘计算提供包括设备域，网络域，数据域和应用域的平台支撑。

图 3.华为EC-IoT应用场景

来源：华为

当然，边缘计算的参与者还有很多，理论上所有边缘侧的联网设备都适用于边缘计算。并且大多数公司采取的策略还是抱团取暖，毕竟身处万物互联的时代，闭门造车是不可取的。

而边缘计算的爆发也印证了天时地利人和达天下的道理，对于天时，百亿千亿设备产生的数据不是云计算自己能够处理的，地利方面，边缘计算更接近于设备端或数据源，至于人和，市场正在寻找一种新的、高效的计算模式。