本文和大家分享關(guān)于邊緣智能綜述的那些事兒，各位工程師如果喜歡，記得幫我點(diǎn)贊，收藏，分享，評論，關(guān)注！
隨著萬物互聯(lián)時代的到來，網(wǎng)絡(luò)邊緣設(shè)備產(chǎn)生的數(shù)據(jù)量快速增加，帶來了更高的數(shù)據(jù)傳輸帶寬需求，同時，新型應(yīng)用也對數(shù)據(jù)處理的實(shí)時性提出了更高要求，傳統(tǒng)云計算模型已經(jīng)無法有效應(yīng)對，因此，邊緣計算應(yīng)運(yùn)而生。
邊緣計算的基本理念是將計算任務(wù)在接近數(shù)據(jù)源的計算資源上運(yùn)行，可以有效減小計算系統(tǒng)的延遲，減少數(shù)據(jù)傳輸帶寬，緩解云計算中心壓力，提高可用性，并能夠保護(hù)數(shù)據(jù)安全和隱私。得益于這些優(yōu)勢，邊緣計算從2012年以來迅速發(fā)展。
近年來，隨著萬物互聯(lián)時代的快速到來和無線網(wǎng)絡(luò)的普及，網(wǎng)絡(luò)邊緣的設(shè)備數(shù)量和產(chǎn)生的數(shù)據(jù)都快速增長。根據(jù)IDC預(yù)測，到2020年，全球數(shù)據(jù)總量將大于20澤字節(jié)（ZB），而物聯(lián)網(wǎng)產(chǎn)生數(shù)據(jù)的15%都將在網(wǎng)絡(luò)邊緣處理。在這種情形下，以云計算模型為核心的集中式處理模式將無法高效處理邊緣設(shè)備產(chǎn)生的數(shù)據(jù)。集中式處理模型將所有數(shù)據(jù)通過網(wǎng)絡(luò)傳輸?shù)皆朴嬎阒行?，利用云計算中心超?qiáng)的計算能力來集中式解決計算和存儲問題，這使得云服務(wù)能夠創(chuàng)造出較高的經(jīng)濟(jì)效益。
但是在萬物互聯(lián)的背景下，傳統(tǒng)云計算有幾個不足：
- 實(shí)時性不夠
萬物互聯(lián)場景下應(yīng)用對于實(shí)時性的要求極高。傳統(tǒng)云計算模型下，應(yīng)用將數(shù)據(jù)傳送到云計算中心，再請求數(shù)據(jù)處理結(jié)果，增大了系統(tǒng)延遲。以無人駕駛汽車應(yīng)用為例，高速行駛的汽車需要毫秒級的反應(yīng)時間，一旦由于網(wǎng)絡(luò)問題而加大系統(tǒng)延遲，將會造成嚴(yán)重后果。
2. 帶寬不足
邊緣設(shè)備實(shí)時產(chǎn)生大量數(shù)據(jù)，將全部數(shù)據(jù)傳輸至云端造成了網(wǎng)絡(luò)帶寬的很大壓力。例如，波音787每秒產(chǎn)生的數(shù)據(jù)超過5GB，但飛機(jī)與衛(wèi)星之間的帶寬不足以支持實(shí)時傳輸。
3. 能耗較大
數(shù)據(jù)中心消耗了極多的能源，根據(jù)Sverdlik的研究，到2020年美國所有數(shù)據(jù)中心能耗將增長4%，達(dá)到730億千瓦時，我國數(shù)據(jù)中心所消耗的電能也已經(jīng)超過了匈牙利和希臘兩國用電總和。隨著用戶應(yīng)用程序越來越多，處理的數(shù)據(jù)量越來越大，能耗將會成為限制云計算中心發(fā)展的瓶頸。
4. 不利于數(shù)據(jù)安全和隱私
萬物互聯(lián)中的數(shù)據(jù)與用戶生活聯(lián)系極為緊密，例如，許多家庭安裝室內(nèi)智能網(wǎng)絡(luò)攝像頭，視頻數(shù)據(jù)傳輸?shù)皆贫?，會增加泄露用戶隱私的風(fēng)險。隨著歐盟“通用數(shù)據(jù)保護(hù)條例”（GDPR）的生效，數(shù)據(jù)安全和隱私問題對于云計算公司來說變得更加重要。
為了解決以上問題，面向邊緣設(shè)備所產(chǎn)生海量數(shù)據(jù)計算的邊緣計算模型應(yīng)運(yùn)而生。邊緣計算是在網(wǎng)絡(luò)邊緣執(zhí)行計算的一種新型計算模型，邊緣計算操作的對象包括來自于云服務(wù)的下行數(shù)據(jù)和來自于萬物互聯(lián)服務(wù)的上行數(shù)據(jù)，而邊緣計算的邊緣是指從數(shù)據(jù)源到云計算中心路徑之間的任意計算和網(wǎng)絡(luò)資源，是一個連續(xù)統(tǒng)（continuum）。
邊緣計算模型和云計算模型并不是取代的關(guān)系，而是相輔相成的關(guān)系，邊緣計算需要云計算中心強(qiáng)大的計算能力和海量存儲的支持，而云計算中心也需要邊緣計算中邊緣設(shè)備對海量數(shù)據(jù)及隱私數(shù)據(jù)的處理。
邊緣計算模型具有3個明顯的優(yōu)點(diǎn)：
- 在網(wǎng)絡(luò)邊緣處理大量臨時數(shù)據(jù)，不再全部上傳云端，這極大地減輕了網(wǎng)絡(luò)帶寬和數(shù)據(jù)中心功耗的壓力；
- 在靠近數(shù)據(jù)生產(chǎn)者處做數(shù)據(jù)處理，不需要通過網(wǎng)絡(luò)請求云計算中心的響應(yīng)，大大減少了系統(tǒng)延遲，增強(qiáng)了服務(wù)響應(yīng)能力；
- 邊緣計算將用戶隱私數(shù)據(jù)不再上傳，而是存儲在網(wǎng)絡(luò)邊緣設(shè)備上，減少了網(wǎng)絡(luò)數(shù)據(jù)泄露的風(fēng)險，保護(hù)了用戶數(shù)據(jù)安全和隱私。
得益于這些優(yōu)勢，邊緣計算近年來得到了迅速發(fā)展。
邊緣計算發(fā)展歷程
以"edge computing"為關(guān)鍵詞在谷歌學(xué)術(shù)上搜索論文，以年度為橫坐標(biāo)，論文數(shù)為縱坐標(biāo)，可以看到該熱度曲線可明顯分為三個部分，則可將邊緣計算分為三個階段：
技術(shù)儲備期、快速增長期和穩(wěn)定發(fā)展期。
此外，在這三個階段中，分別有如下代表性事件（粗體為中國相關(guān)事件）
其中最值得注意的事件有：
1998年，Akamai公司提出內(nèi)容分發(fā)網(wǎng)絡(luò)（content delivery network,CDN）。邊緣計算的功能緩存（function cache）的雛形。
2013年，美國太平洋西北國家實(shí)驗室的 Ryan LaMothes 提出"edge computing"一詞。
2015年，歐洲電信標(biāo)準(zhǔn)化協(xié)會(ETSI)發(fā)表關(guān)于移動邊緣計算的白皮書。并在2017年3月將移動邊緣計算行業(yè)規(guī)范工作組正式更名為多接入邊緣計算(multi-access edge computing, MEC)。
2016年，ACM 和 IEEE 聯(lián)合舉辦邊緣計算頂級會議(ACM/IEEE Symposium on Edge Computing, SEC)。
2016年，11月，華為技術(shù)有限公司、中國科學(xué)院沈陽自動化研究所、中國信息通信研究所、英特爾、ARM等在北京成立了邊緣計算產(chǎn)業(yè)聯(lián)盟(edge computing consortium, ECC)。
2017年，5月，首屆中國邊緣計算技術(shù)研討會在合肥開幕，同年8月中國自動化學(xué)會邊緣計算專委會成立。
邊緣計算定義
邊緣計算目前沒有唯一的定義，以下三個定義可供參考：
1. 邊緣計算是指在網(wǎng)絡(luò)邊緣執(zhí)行計算的一種新型計算模型，其邊緣是指從數(shù)據(jù)源到云計算中心路徑之間的任意資源和網(wǎng)絡(luò)資源。
即，邊緣計算是一個連續(xù)統(tǒng) （continuum），除“云”之外皆是“邊緣”；
2. 邊緣計算更多地聚集在邊緣設(shè)備本身，而霧計算則更多關(guān)注基礎(chǔ)設(shè)施，
從作用范圍角度講，邊緣計算包含霧計算，即霧計算是邊緣計算的一部分；
3. 邊緣計算的基本原理是將計算任務(wù)遷移到產(chǎn)生源數(shù)據(jù)的邊緣設(shè)備上。
——《邊緣計算》施魏松
邊緣計算是在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的開放平臺，就近提供邊緣智能服務(wù)，滿足行業(yè)數(shù)字在敏捷聯(lián)接、實(shí)時業(yè)務(wù)、 數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求。
——邊緣計算產(chǎn)業(yè)聯(lián)盟 ECC
邊緣計算、霧計算、云計算具有差異性。霧計算將云計算無縫擴(kuò)展到邊緣，實(shí)現(xiàn)安全控制和管理域內(nèi)特定硬件、軟件、標(biāo)準(zhǔn)計算、存儲和網(wǎng)絡(luò)功能，并確保安全、豐富的跨域數(shù)據(jù)處理應(yīng)用能力。
—— OpenFog 聯(lián)盟
邊緣計算主要使用場景
目前邊緣計算研究熱點(diǎn)應(yīng)用領(lǐng)域包括內(nèi)容緩存、場景感知、負(fù)載均衡、云基礎(chǔ)設(shè)施架構(gòu)等。
對延遲敏感、實(shí)時性要求比較高的場景，比如：云基礎(chǔ)設(shè)施 2.0、5G、VR/AR、CDN、車聯(lián)網(wǎng)、工業(yè) 4.0、物聯(lián)網(wǎng)等，通過智能化部署邊緣節(jié)點(diǎn)來滿足應(yīng)用，提供不同服務(wù)質(zhì)量的可靠服務(wù)，提升服務(wù)質(zhì)量。
圖 1：5G 能力、5G 共性業(yè)務(wù)與 5G 應(yīng)用的關(guān)系
表2：5G重點(diǎn)應(yīng)用行業(yè)及細(xì)分應(yīng)用領(lǐng)域
邊緣計算相關(guān)研究機(jī)構(gòu)
邊緣計算產(chǎn)業(yè)聯(lián)盟(Edge Computing Consortium, ECC)
工業(yè)互聯(lián)網(wǎng)聯(lián)盟(Industrial Internet Consortium, IIC)
汽車邊緣計算聯(lián)盟(Automotive Edge Computing Consortium, AECC)
OpenFog 聯(lián)盟
Linux 開源社區(qū)
電信運(yùn)營商
微軟
亞馬遜
Zenlayer
網(wǎng)宿
中興
……
移動邊緣計算定義
（待補(bǔ)充）
移動邊緣計算 與 移動云計算的區(qū)別
移動邊緣計算架構(gòu)
兩個簡單實(shí)例
移動邊緣計算未來研究方向
深度學(xué)習(xí)與邊緣計算的結(jié)合
主流計算框架對于邊緣計算的支持
深度學(xué)習(xí)部署到計算邊緣
使用邊緣計算進(jìn)行深度學(xué)習(xí)推斷
使用邊緣計算進(jìn)行深度學(xué)習(xí)訓(xùn)練
參考文獻(xiàn)：
- A Survey on Mobile Edge Computing: The Communication Perspective， Khaled B.Letaief, arXiv:1701.01090v4
- Deep Learning With Edge Computing: A Review， Jiasi Chen, Xukan Ran, Proceedings of the IEEE 2019
- Convergence of Edge Computing and Deep Learning A Comprehensive Survey ，Victor C.M. Leung, Dusit Niyato, Xueqiang Yan, Xu Chen, arXiv:1907.08349v1
- Edge Intelligence: Paving the Last Mile of Articial Intelligence with Edge Computing， Xu Chen, Junshan Zhang, arXiv:1905.10083v1
- Edge AI: On-Demand Accelerating Deep Neural Network Inference via Edge Computing ，Xu Chen, IEEE Trans On Wireless Network 2019
- 邊緣計算技術(shù)研究報告，中科院計算所，2018
- 邊緣計算：現(xiàn)狀與展望，施巍松，2018
- 邊緣計算，施巍松，2017