边缘计算的前景

问题背景

IOT的快速发展使得网络的边缘产生大量的数据，这些数据如果完全依赖于云中心去处理，会占用大量的网络带宽，同时，整个系统的性能瓶颈就变为了网络带宽的瓶颈，因为云中心的处理速度是要远远超过数据在网络中的传输速度的。所以，如果能就地解决数据，只向云中心提交处理数据的结果，那么就能进一步提高系统性能。

云服务的推动：云中心具有强大的处理性能，能够处理海量的数据。但是，将海量的数据传送到云中心成了一个难题。云计算模型的系统性能瓶颈在于网络带宽的有限性，传送海量数据需要一定的时间，云中心处理数据也需要一定的时间，这就会加大请求响应时间，用户体验极差。
物联网的推动：现在几乎所有的电子设备都可以连接到互联网，这些电子设备会后产生海量的数据。传统的云计算模型并不能及时有效的处理这些数据，在边缘结点处理这些数据将会带来极小的响应时间、减轻网络负载、保证用户数据的私密性。
终端设备的角色转变：终端设备大部分时间都在扮演数据消费者的角色，比如使用智能手机观看爱奇艺、刷抖音等。然而，现在智能手机让终端设备也有了生产数据的能力，比如在淘宝购买东西，在百度里搜索内容这些都是终端节点产生的数据。

边缘计算VS云计算

边缘计算不是为了取代云计算，而是对云计算的补充和延伸，为移动计算、物联网提供更好的计算平台。边缘计算模型需要云计算中心的强大计算能力和海量存储的支持，云计算也需要边缘设备对于海量数据及隐私数据的处理，从而满足，实时性、隐私保护和降低等号等需求。边缘计算与云计算在目标应用、服务器节点位置等方面有下面的不同。

任务迁移

在下面的动图当中，我们可以看出云计算是任务集中部署，数据向任务方向移动。
云计算模型
而反观边缘计算，任务是向靠近数据产生端的方向移动。
边缘计算模型

通过上面两个动图能够很明显的看到，这两者的区别在于数据的流动，云计算需要把数据进行远距离传输，这需要消耗大量的资源，而边缘计算则没有数据传输这样的资源消耗，直接把计算任务拦截到本地，是一种优化的计算模型。

商业模式

云计算具有非常成熟的商业模式，也就是卖虚拟机、卖平台、卖软件这三种。
云计算的三大商业模式：

laaS(Infrastructure-as-a-Service):基础设施即服务
代表产品: Amazon EC2
PaaS(Platform-as-a-Service):平台即服务
代表产品: Google APP Engine
SaaS(Software-as-a-Service):软件即服务
代表产品:Office Web Apps

反观边缘计算，目前并没有成熟的盈利模式，这也是边缘计算急需解决的问题，只有技术有变现的能力才有可能继续下一步的发展。

边缘计算的优点

缓解网络带宽和数据中心压力：大量的计算任务能够在数据产生的源头附近处理，这大大缓解了网络的传输压力，同时也减小了数据中心的压力。
提升服务响应能力：任务是在边缘处理的，因此，数据在网络中传输的时间急剧减少，用户得到响应的时间会更快。
保护隐私数据：在家庭或者其他相对隐私的环境而言，我们一般不希望自己的隐私数据上传到云中心，由云中心去解决相关问题。我们更希望这种计算任务能够在本地去解决。

边缘计算的挑战

1.如何设计Edge中的网际协议：传统的tcp/ip协议已经不适用于目前的边缘计算环境。
2.如何管理某个人身边数量的1000个传感器：大量的传感器意味着其会产生大量的数据，这些数据必然要进行一定的筛选和整合，不然边缘节点会被这大量的数据淹没。
3.如何降低车载SoftWare的功耗(对电动车而言，功耗代表一切)：对于车联网来说，让汽车自己承担繁重的计算任务，有违汽车设计的初衷，因此节约能耗是汽车要做的最重要的事情。
4.Edge中的命名机制：以ip命名的机制已经不在合适，如果处于传感器网络中，复杂繁多的节点会导致ip节点不够。
5.可编程性、Runtime Support、安全以及隐私性：在边缘节点，用户并没用数据中心那里的工程师的能力，也就是说，遇到问题了，很难解决，或者无法解决。如果被黑客攻击了，很有可能很快就会被攻破。缺乏保护。
6.数据管理问题(边缘节点存储不够、带宽不够)：边缘节点无时无刻都在产生数据，数据量是无限的，而边缘节点的存储能力是有限的，因此边缘节点如何处理这些数据，以及如何保存这些数据成了问题的关键。
7.当有数千物联设备时的如何与外部联系、仅内网可通、IP地址冲突。：还是关于ip地址的问题，急需新的网络协议来解决目前现存的边缘计算的难题。