導讀：邊緣計算是一個概念，討論它能做什么時，需要給他賦予一個實體。本文中，我們以華為物聯網平臺推出的邊緣計算服務“IoT邊緣”為例，探討物聯網依托云計算解決了哪些痛點，與你分享。
邊緣，指實體或邏輯概念中離中心較遠，靠近邊界的部分。在數據處理領域，邊緣計算的概念源于云計算，是指在靠近數據源的一側搭建集網絡、計算、存儲、應用核心能力為一體的計算節點，就近提供處理數據的能力，而不是將全部數據都交由云端處理?？赡苡腥藭岢鲆蓡?，云計算的目的不就是為了數據集中到云端進行處理么，為什么現在又要分工到邊緣了？為了解決這個疑問，讓我們以物聯網場景為例，假設以下場景：
有家企業想要把自己旗下的一個產業園區建設成智慧園區，將園區中的各種設備（包含視頻監控設備、門禁設備、消防設備和水電設備等等）全都接入物聯網平臺統一管理。但當負責人開始研究各類設備分別如何接入時，發現設備種類實在太多了，而且這些設備全都按照自己獨有的行業協議上報數據；相對的，物聯網平臺支持的通信協議有限，所以，他要把這些五花八門的行業協議統一轉換為物聯網平臺支持的協議，工作量很大。
同樣是上面的那個企業，負責人在研究門禁系統如何接入時發現另一個問題：門禁系統中的員工數據屬于企業隱私數據，將這部分數據傳輸至云端不符合公司安全策略。但如果只有門禁系統不接入云端，維護成本高，也不利于系統之間的聯動。
在管理園區的這家企業苦惱的同時，園區內有家車企也遇到了一個難題。這家企業生產基于物聯網的自動駕駛汽車，車輛通過車載系統和物聯網平臺交互獲取自動駕駛的指示?？刂葡到y的開發很順利，但有一個問題無論如何都解決不了：路上的網絡信號太不穩定了，若到了信號差的地方或者遇到塞車，數據傳到云端再等到命令下發下來，可能會有著幾秒的時延，而在復雜的路況下，這幾秒的時延是致命的。
上述的問題都是設備直聯云端方案的痛點，而通過在物聯網解決方案中引入邊緣的計算的概念，我們就可以解決這些問題。
物聯網邊緣計算能做什么？
邊緣計算是一個概念，討論它能做什么時，需要給他賦予一個實體。本文中，我們以華為物聯網平臺推出的邊緣計算服務“IoT邊緣”為例。IoT邊緣通過在靠近物或數據源頭的邊緣側，部署融合網絡、計算、存儲、應用核心能力的邊緣節點，就近提供計算和智能服務，滿足行業在實時業務、應用智能、安全與隱私保護等方面的基本需求。
設備端：
開發者使用IoT邊緣支持的設備協議或華為SDK將設備轉換成標準產品模型，就近接入邊緣節點，從而實現設備的管理、智能控制。
邊緣節點：
設備連接到邊緣節點后，節點可以實現設備數據的采集、存儲、分析、清洗和上報設備數據至云端，同時邊緣側提供規則引擎、應用集成等功能，方便場景編排和業務擴展。
云端：
云端提供設備管理、IEF、EI等云服務，設備數據上云后通過這些云服務的標準API實現更多功能和應用。
接下來讓我們從三個角度來介紹IoT邊緣服務的核心能力。
1）開放生態
邊緣節點作為物聯網的“小腦”，是一個擁有獨立接入和計算能力的服務器，我們一般根據其外形稱之為“邊緣盒子”。IoT邊緣服務并不強制配套邊緣盒子，僅對邊緣盒子的硬件規格有一些基本要求，只要是滿足要求的硬件，無論型號，均可基于Docker容器方式部署邊緣服務軟件包，獲取邊緣側的設備接入、設備聯動和低時延本地閉環管理等基本能力。 接入方面，IoT邊緣服務支持用戶自行開發第三方接入協議驅動，通過云端下發至邊緣節點運行，實現工業網關行業協議接入。同時，IoT邊緣服務還支持用戶開發并部署第三方邊緣容器應用，拓展邊緣節點的能力。通過在硬件、協議、應用等方面都高度開放，IoT邊緣服務可以滿足各種定制需求，應用于多種物聯網場景。
2）邊云協同
邊緣節點雖擁有獨立計算能力，但“小腦”真正的價值，還是需要與“大腦”合作才能發揮，邊云協同能力才是IoT邊緣服務真正的殺手锏。IoT邊緣服務在云端提供圖形化的操作界面，支持納管邊緣節點，進行統一應用部署、節點運維和業務管理，大幅降低邊緣節點部署與運維的復雜度。 邊緣節點納管后，即可通過與云端分工合作，實現業務分層處理。
例如，在車聯網場景中，要求及時處理的業務，如自動駕駛、車路協同等，由邊緣節點直接進行計算并返回結果；對時延不敏感、數據量大的業務，如大屏監控、大數據分析等，則交由云端處理。
再例如，在園區場景中，涉及用戶隱私的數據，在節點本地自閉環處理，所有數據采集、處理及存儲在本地節點閉環；非隱私數據予以清洗匯總后，上傳至云端進行機器學習及訓練，持續優化及更新本地智能算法。通過業務分層處理，將物聯網的價值最大化，實現真正的萬物互聯。
3）邊緣智能
邊緣智能能力包括數據清洗、邊緣規則和邊緣AI，這正是我們接下來要講的。
數據清洗是指邊緣側對設備上報的數據進行過濾、去重、聚合等處理后上報云端，針對希望選擇性上報數據至云端，降低上云帶寬、云端存儲計算要求的使用場景。 具體來說，過濾是指用戶指定過濾條件，例如屬性A大于10，滿足該條件的數據均會被過濾；用戶可以同時指定多個條件，條件之間可以是“與”關系（滿足全部條件的數據才會被過濾），也可以是“或”關系（滿足任一條件就會被過濾）。
去重是指當設備連續上報屬性值重復的消息時，邊緣節點僅會向云端上報第一條。
聚合則是指用戶可以指定一個時間窗（如一個小時），邊緣節點會將這個時間窗內每個設備上報的數據聚合成一條數據上報，并且用戶可指定數據中每個屬性的聚合方法，例如取最大值、最小值、求和、取平均值等。
這三種清洗規則的優先級是過濾 > 去重 > 聚合，也就是用戶同時設置了這三種清洗規則時，數據會先被過濾，再進行去重，最后聚合后上報。
除了上述兩種基于簡單邏輯的邊緣智能外，IoT邊緣服務還支持與華為云企業智能（EI）聯動實現邊緣側人工智能。通過邊緣側上報的數據，EI側對AI進行訓練，并將訓練完成的AI模型下發至邊緣側執行，典型應用包括人臉識別、車輛識別等視覺系AI模型，實現邊緣側的高度智能化。
物聯網邊緣計算能解決哪些問題？ 介紹完IoT邊緣的功能后，相信各位已經想到了文章開頭的那些問題要怎么解決了吧。其實，問題中的那兩個場景，智慧園區和智慧城市。正是物聯網邊緣計算的主要應用場景。接下來，讓我們再一起看下在這兩個場景中邊緣計算都能解決哪些問題，帶來哪些價值。
首先來看下智慧園區場景。
園區里門禁、消防、監控等系統由不同的供應商提供，全部都采用了自己的行業協議，整個園區需要接入物聯網平臺的設備和子系統協議多達十幾種，但物聯網平臺支持的設備接入協議就那幾種，要怎么辦？
通過自建網關適配協議是一個可行的方案，但集成難度依然很高。但如果采用IoT邊緣，邊緣軟件原生+第三方驅動形式可支持的協議類型可多達30+種，且第三方驅動開發簡單，可以大幅減低集成難度。
各個子系統各司其職，在自己的職責范圍內快速響應，但是，一旦遇到了需要多系統聯動的時態，由于中間環節的缺失，往往響應速度不夠快，造成事件處理效率低下。IoT邊緣通過集成各個子系統，在邊緣層上實現消防、門禁等業務跨系統聯動，大幅提高事件處理效率。
設備直接上報數據量過大且涉及用戶隱私，不能直接報給物聯網平臺，需要先在本地處理。若全部由設備自行處理，邏輯復雜且成本高，因此IoT邊緣提供的數據清洗能力就成了一個很好的選擇，數據經過過濾、去重和聚合后，不僅大大減少了上報數據量，還能保護用戶隱私。
面部識別等視覺性AI的模型需要大量的數據進行訓練，一般都會放在云端，但因為云端離設備較遠，帶寬需求和時延問題怎么都無法避免。但如果把云端訓練好的模型下放到靠近設備的邊緣側，問題便迎刃而解，滿足秒級時延體驗，降低云邊帶寬需求。
物聯網設備依賴云端進行業務管理，但若因為網絡故障導致云端失聯，如何保證業務連續性？IoT邊緣本地會保存已下發的規則和AI模型等，即使與云端斷連也可獨立運行，確保業務連續性。
下面來看智慧交通場景。
在城市交通中，單個車輛能獲取的路況信息只是很小一部分，想要做出最合適的判斷，還需要結合監控視頻、雷達數據、天氣情況等信息，再通過智能化算法計算才能得出結果。但路況瞬息萬變，若把這部分計算交由云端，對網速的要求調高。IoT邊緣服務支持將訓練好的AI模型下發到邊緣側，實現實時路況計算，及時提供減速信息、碰撞告警等信息。
車路協同場景中，監控視頻、雷達數據、車輛信息等數據均采用自己的行業協議進行傳輸，集成難度大。IoT邊緣支持多種行業協議，快速集成，數據融合。
智能交通除了需要關注局部，確保交通安全外，還需要放眼全局，提升整體交通效率。IoT邊緣可將交通數據清洗后，將有價值的數據上報云端，云端根據全局數據進行分析，為交通指揮者提供有效建議，提升道路通行效率，促進節能減排和便捷監管，支持向端云協同自動駕駛演進。
當物聯網遇上邊緣計算，很多傳統直聯方案的問題迎刃而解，物聯網有了邊，真正成為了一張大網，覆蓋了越來越多的領域，為人們帶來越來越智能的生活。
本文由 @KING 原創發布于人人都是產品經理，未經作者許可，禁止轉載。
題圖來自Unsplash，基于CC0協議。
