Cloud computing has been proposed for several years, so we all familiar with it. There are countless studies and research about cloud computing and related products are already quite mature. For example, you can buy your won severs on Ali Cloud by the “pay-as-you-go” mode or easily built and deploy your websites on AWS or Baidu Cloud. However, with the development of IoT, billions of devices are connected to the Internet. In this situation, traditional cloud computing is not appropriate any more. Therefore, edge computing is proposed. In this article, I will simply talk about the background of edge computing and its characteristics which distinguish it from other computing paradigm.
云计算已经提出很多年了，所以我们对它都不陌生。近年来，许多专家学者在云计算方面进行了大量的研究并且相关的云计算产品也已经非常成熟。例如：你可以在阿里云上以按量付费的方式购买自己的服务器，或者在AWS或者百度云上搭建和部署自己的网站。但是，随着物联网的发展，我们迎来了万物互联的时代，数以亿记的设备将会接入网络，在这种情况下传统的云计算已经不再适用，所以有人提出了边缘计算的概念。本文将简要的介绍边缘计算的提出的背景及其特点。
I、Background
1、The increase of devices connected to the Internet
In the era of IoT, numerous intelligent devices are connected to the Internet, so the quantity of devices will increase exponentially which far exceeding the growth speed of network bandwidth. If data is sent to the center of networks where cloud computing severs locate, the network latency will be intolerable.
在物联网时代，任何具有网络功能的设备都可以被连入互联网，所以联网设备的数量将呈现指数增长，如下图所示，目前联网设备的数量接近300亿，而到2020年这一数字可能会达到500亿。
在传统的云计算模式中，云计算的主机位于网络的中心，手机和传感器等设备手机的数据要发送到网络中心的云进行计算，然后结果返回到设备并执行结果。但是在物联网时代，这种模式将会面临巨大的网络压力。联网设备的增加速度已经远远超过了网络带宽的增长速度，所以如果所有的设备都将数据发送到云端进行计算势必会造成网络拥堵，这种网络延迟是不可忍受的，尤其是对一些实时性要求较高的应用，例如：智能交通信号灯，AR等。
Sometimes, one device also could produce a large quantity of information and data. Cisco provides the example of a jet engine, which they say can create 10 terabytes (TB) of data about its performance and condition in a half-hour[1].
除此之外，有时单一的一个设备也能产生巨大的数据，例如：一台喷气式飞机的引擎可以在一小时内产生10TB与其性能相关的数据。
2、Highly responsive requirements
Many applications require real-time interaction. The network latency of center-organized cloud computing will severely affect their functions. For example, in AR applications, say pokemon go, scenes must be updated real-time with the movement of cell phones. In intelligent traffic system, the scheduling of traffic light must be correct and fast.
许多应用对实时性的要求非常高，网络延迟会严重影响它们的功能。例如，一些增强现实应用，比如口袋妖怪，场景和图像必须根据手机的移动实时更新，网络的延迟可能会引起图像的卡顿，从而降低用户体验。在智能交通系统中，对交通信号灯的调度也必须准确、迅速，网络延迟可能会造成惨重的交通事故。
II、The Proposal of Edge Computing
Edge computing is first proposed by Cisco in 2014[2]. It is a new computing paradigm which locates at the edge of networks, forming sharply contrast with cloud computing that locates at the center of networks. The basic idea between it is that assembling a lot of intelligent terminal devices that have computing, storage and network functions like mobile phones, sensors, routers and switchers as computing and storage nodes. In this mode, data can be directly collected and computed at the edge of networks instead of being sent to clouds. Therefore, the real-time interaction performance will be largely improved.
在这样的背景下，思科在2014年首先提出了边缘计算的概念。与云计算截然不同，边缘计算是一种位于网络边缘的计算模式，其基本的思想就是利用位于网络边缘的具有计算、存储和网络功能的智能终端设备来提供计算、存储和网络服务。尽管这些设备的计算和存储能力十分有限，但是由于其数量众多，将他们全部组合起来就能获得大量的资源。在这种模式中，终端设备收集的数据可以直接在网络边缘进行处理，而不用发送到位于网络中心的云端进行计算和存储，从而大大的降低了网络延迟，提高了系统的实时交互性。因为云计算位于网络中心，像天空中的云，所以称为云计算，边缘计算位于网络的边缘，也被称为雾计算，因为雾比云更加靠近地面。边缘计算一经提出便受到广泛关注。为了促进边缘计算的发展，2015年，思科，ARM，戴尔，英特尔，微软和普林斯顿大学联合成立了OpenFog联盟。目前，包括普林斯顿大学，香港大学，南加州大学，国立台湾大学以及AT&T在内的多所大学和企业展开了关于边缘计算的研究。
下图展示了，边缘计算和云计算在整个网络中的位置。从图中我们可以看到，位于网络边缘的路由器，交换机，信号传输塔等网络设备构成了边缘计算，边缘计算在网络中距离用户也仅有一跳或者两跳的距离，所以数据可以迅速的到达计算和存储中心，从而降低了延迟。相反，云计算位于网络的中心，需要经过核心网络才能到达，延迟比边缘计算要高。
下图展示了边缘计算的内部架构。硬件层是构成边缘计算的基础，其包括在网络边缘中能提供计算和存储资源且能与网络连接的各种设备，例如传感器，摄像头，手机，车载设备等。在云计算中，这一层主要由专门的主机构成。硬件层的设备资源并不能直接被使用，必须有一个类似于操作系统的系统软件来统一管理这些资源。我们知道在云计算中，操作系统和程序是在操作系统中运行的，在边缘计算中也是一样的，VM可以屏蔽底层硬件的差异，方便系统资源的分配和管理。业务层的功能包括程序之间的调度，系统资源的监控，权限的认证和各种安全管理。最上层是应用层，包括各种以边缘计算为基础的应用程序。
III、Characteristics of Edge Computing
当然，边缘计算最大的特点就是位于网络的边缘，这也是它与云计算的根本区别。此外，它还有以下的特点：
- Geographical distribution 边缘计算有广阔的地理分布，因为其依托于网络边缘的设备。如果设备具有广阔的地理分布，那么边缘计算也将覆盖广阔的范围。例如：一个城市的管道检测网络。每个检测器都沿着管道分布，所以检测器遍布整个城市，因此边缘计算也覆盖整个城市。
- Very large number of nodes 边缘计算的思想是将大量的计算和存储能力很弱的设备组合起来，从而形成强大的计算和存储资源，所以与云计算相比，边缘计算的节点数量更多，单个节点的计算能力更弱。
- Support for mobility 边缘计算对移动性的支持是基于其广泛分布的地理位置和计算设备的移动性。首先，边缘计算可以为移动的终端提供服务，例如：行驶的汽车。高速公路两旁的检测器可以持续不断的为行驶的汽车提供服务。其次，手机作为边缘计算节点的组成元素之一，可以移动的提供计算和存储服务。
- Real-time interactions 由于位于网络边缘，数据经过一跳或两跳就能到达边缘计算的计算节点，所以网络延迟小，实时性高。
- Heterogeneity 组成边缘计算的设备是异构的，因为这些设备可能来自各种生产厂商，产品规格也各不相同。
IV、Edge Computing and Cloud Computing
Edge computing and cloud computing have many feature in common, but they also have some different traits. The following table show the detailed difference between them. Although, edge computing could solve the problem of cloud computing, as we have discussed above, it is not proposed to substitute cloud computing. The combine of edge computing with cloud computing could provide better services.
| Item | Edge computing | Cloud computing |
|---|---|---|
| Organization | Distributed | Centric |
| Location in networks | Edge | Center |
| Mobility support | YES | NO |
| Network latency | Low | High |
| Geographical distribution support | YES | NO |
| Location awareness support | YES | NO |
雾计算与云计算非常相似，两者都是为用户提供计算，存储和网络服务的虚拟化平台，但两者之间也存在着显著的差异性，如表格所示。与云计算的集中式组织方式不同，雾计算采用分布式的组织方式，由分布在不同区域的传感器，路由器，交换机等提供服务，这也决定了雾计算在网络结构中位置——网络的边缘。由于雾计算更加接近终端用户，用户的服务请求经过一跳就可以到达雾计算服务器，所以低延迟的特点使雾计算能为实时性应用提供较好的服务。广泛的地理分布使得雾计算可以提供移动性和位置感知服务的支持，例如：沿高速公路分布的传感器可以为移动的汽车提供服务。另一方面，雾计算并不是云计算的替代者，两者之间相互互补，将两者之间有机的结合起来能够为用户提供很好的服务 [3]。例如：在智能交通中，边缘计算可以用于交通信号灯的控制，同时数据还可以上传到云端进行大数据分析。
[1] Pande V, Marlecha C, Kayte S. A Review-Fog Computing and Its Role in the Internet of Things[J]. 2016, 6(10):2248-96227.
[2] Bonomi F, Milito R, Zhu J, et al. Fog computing and its role in the internet of things[C]// Edition of the Mcc Workshop on Mobile Cloud Computing. ACM, 2012:13-16.
[3] Dubey H, Yang J, Constant N, et al. Fog Data: Enhancing Telehealth Big Data Through Fog Computing[J]. 2016.