边缘计算，是物联网的下一个爆发点吗？

Posted 2021-12-28 QcloudCommunity

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了边缘计算，是物联网的下一个爆发点吗？相关的知识，希望对你有一定的参考价值。

导语 | 从万物互联到万物智联的转向升级中，边缘计算与物联网的结合备受关注。本文由腾讯云边缘计算高级产品经理彭超在 Techo TVP 开发者峰会“「物」所不在，「联」动未来——从万物互联到万物智联”上的演讲《边缘计算：AIoT的下一个爆发点》整理而成，向大家普及边缘计算这项新兴技术，并深入分析边缘计算如何助力万物智联。

点击可观看精彩演讲视频

一、边缘计算的概述

这个章节主要给大家介绍边缘计算的概念及腾讯云在边缘计算赛道的思考和方向。

如上图所示，这是边缘计算的整体架构，最左侧是生产端设备，最右侧是中心云。传统物联网的方式是从端直接到云，那什么是边缘计算呢？就是从设备到中心云的过程中，在中间再加了一层边缘计算层，提供IaaS和PaaS的服务，IaaS主要包含了网络、计算、存储的资源，PaaS主要是一些应用中间件、物联网套件、AI能力。腾讯对边缘计算的理解主要是两个产品形态：云边缘计算、端边缘计算。从图中可以看到云边缘计算是中心云的下层，会从DC中心机房下沉到OC和EC的边缘机房节点，提供更低时延、更低成本的云资源。

端边缘计算更贴近生产设备的边缘计算形态，它可以是直连生产端的设备，或者部署在客户现场的机房提供现场级的边缘计算。

Gartner和IDC对边缘计算两种形态的定义和腾讯的理解非常相似，Gartner定义为Near Edge和FarEdge，IDC定义为Light Edge、Heavy Edge。边缘云是相对比较远的边缘，但是它是比较重的，它的算力会更强。而端边缘计算是近场的边缘计算，是更加轻量化的，但是它可以提供更极致的时延体验。当然，时延只是边缘计算的众多优势之一，后面还会介绍它更多的特性。

本次分享主要是针对端边缘计算，因为端边缘计算跟物联网结合最紧密。随着边缘计算的业务规模、复杂程度以及整体需求的日益增长，传统模式已经满足不了边缘业务的需求，亟需一套统一运维、统一管控、统一交付的标准。很自然想到Cloud Native云原生，是目前在中心云比较成熟的概念和技术。

越来越多的企业、行业都在拥抱云原生，都在用云原生的技术开发系统，那我们就会思考能不能将云原生从中心扩展到边缘呢？答案是肯定的，这也是腾讯云在边缘技术赛道重要的课题。在边缘计算的架构中，云可以对应到集群中的Master，边缘节点可以对应到Node，边缘应用对应到工作负载Workload，通过云边一体的云原生体系设计，可实现以下几点：

边缘侧可以和云侧有统一的一致功能和产品体验。
实现云-边-端一体化应用分发。

提供更加可靠的运行环境，实现资源调度、流量闭环等能力。

对各种各样边缘计算节点做异构兼容

二、边缘计算+物联网

现在我们正从“万物互联”迈向“万物智联”的时代，万物互联的传感器更多是低算力的窄带物联网传感器，例如烟感、气感、温控等等。万物互联需求相对比较简单，解决的是连接的问题，把人和物通过物联网、云计算的技术结合起来，实现设备联网、集中管理、运营分析。随着5G技术的发展以及AI能力的日益成熟，以及终端算力越来越强，需求已经从连接变成更高层次的万物智联，实现智能分析、智能决策、智能运营。

万物智联会遇到什么挑战呢？主要是以下四方面：

（一）时延

传统云计算的架构中，从设备到中心云是多跳网络，时延、抖动都没办法保证。在万物智联的场景中，工业物联网、智慧医疗对时延非常敏感，这时候需要边缘计算提供现场毫秒级的低时延服务才能解决问题。

（二）带宽

万物智联时代海量设备会产生海量的连接及数据，如果所有数据都是上云端进行处理的话，这将消耗大量的带宽，也会对中心云的容量造成非常大的压力，目前运营商的整体网络架构没办法满足万物智联的设备全部上云处理，这时候就需要边缘计算。举个例子，自动驾驶的场景每秒钟车产生的数据是GB级别的，这时候可以通过边缘计算在边缘侧对数据进行处理、过滤、清洗，上云的数据只是关键的数据，能够大大节省带宽，减轻云端压力。

（三）连接

设备连接方式是各种各样，可以通过有线、WI-FI、4G/5G移动通信等的方式上网，难以保障设备连接一直处于高可靠的状态。这就会导致一个问题，在弱网、断网的情况下怎么保证业务是连续而稳定运行？通过边缘计算的边缘自治、离线处理能力，我们在弱网和断网的情况先保证本地业务可以持续运行，在网络连接恢复后可以迅速完成云边协同的快速重建。

（四）安全

现在受国家法规和企业自身安全性要求，他们不愿意将数据上传到云端。以工厂为例，他们不希望数据上云，但他们又想用到云端的能力实现业务，这时候可以通过边缘计算将云端业务下沉到本地进行处理，整个数据在本地进行闭环，或者在本地将数据处理脱敏之后再将关键数据上传到云端，可以解决安全的问题。

综上所述，云计算已经没办法满足万物智联的所有场景，边缘计算是推动万物互联迈入万物智联的关键技术，可以优化云计算架构的时延、带宽、连接、安全等瓶颈问题。边缘计算和云计算是相辅相成的技术，两者并不是替代的关系，而是共同促进的过程。

三、边缘计算产品

腾讯云物联网边缘计算平台IECP主要有三大特性：

低时延，配合边缘网关盒子，可以覆盖1-2ms场景。

高边界，基于容器管理和编排应用，交付方便、运维轻松。

云边协同，中心云具体高算力的优势，而边缘侧具有超低时延的优势，可以把两者结合起来实现云边协同。

上图是IECP边缘计算平台整体的产品矩阵。最右侧是边缘计算节点，包括边缘基础设施及边缘套件。边缘基础设施可以是边缘网关、AIoT盒子、边缘服务器等硬件，而边缘计算套件包括了OS层、容器管理层、边缘核心套件。EdgeCore是积木式的组件融合方式，边缘侧的硬件配置相对比较低，往往要根据边缘的配置情况、客户的业务需求情况，灵活地下发组件。常用的组件包括物联管理、AI推理、视频处理、实时数据库等PaaS能力、中间件服务。

左下角是边缘管控中心，主要实现对边缘节点的管控，包括边缘管理、边缘运营、边缘调度等能力。管控中心可以管理海量跨区域的边缘节点，做到统一协调和调度。另外，管控中心是打通云中心和边缘节点之间的桥梁，能够把云端成熟的边缘应用，例如AI模型、云函数、客户业务应用直接下发部署到边缘节点的EdgeCore中。

（一）分布式边缘容器SuperEdge

为什么要做SuperEdge？因为Kubernetes是针对集中式资源管理场景做设计，针对边缘场景会遇到很多不适用的地方，会导致很多业务不稳定，甚至不可用，SuperEdge在此前提下应运而生，在无侵入Kubernetes的情况下做了插件，能够完全兼并Kubernetes原来的接口及生态。

（二）边缘核心组件EdgeCore

边缘核心组件EdgeCore是积木式的按需下发的组件，核心架构如图所示。提供安全和运维，RPC消息总线，以及各种业务相关的边缘组件。根据不同的业务需求可以下发不同的业务组件，如视频采集，边缘物联管理、边缘推理、第三方应用等，都可以基于消息总线进行互联和通信。另外，边缘侧会跟中心云建立云边隧道，将时延不敏感，算力要求高的业务放在云上执行，例如大数据处理、AI模型训练、数据持久性存储、海量节点管控。

（三）腾讯AIoT边缘网关Draco

最后，分享一下腾讯自有品牌的AIoT网关Draco。这个硬件是面向物联网边缘应用场景的工业级设备，可提供移动互联网接入、本地AI分析、边云协同等服务。我们设计这款硬件的思路是“软件定义硬件”，所以采用的是弹性可伸缩的架构，主板留有非常丰富的扩展接口，希望通过下发不同的组件以及做少量的硬件改动就能满足不同场景。在计算方面，处理器用的是Intel高性能的CPU，具有4核8G的算力。在AI方面是可扩展的，预留了两个M.2的口，能够实现8Tops、16Tops、70Tops。存储可以做到从128G到2TB的动态按需配置的能力。在互联方面可以做到有线、WI-FI、4G、5G按需定制通信模块。

四、应用与实践

实际上IECP在腾讯内部已经赋能了多个行业平台，例如智能钛机器学习平台、IoT Hub、IoT Video，Wemake工业互联网平台、智慧校管平台等。但由于时间关系，我重点介绍智慧水务和智慧工厂安全生产两个案例，为大家展示边缘计算在物联网中的实践运用。

（一）智慧水务

在传统的水务场景，基本使用RTU、DTU的方式上报数据，采用的都是自定义的传输协议，会带来几个问题：数据标准不统一，一数多源，数据可靠性差、数据时序错乱等，会造成了业务系统要在云端做大量的数据处理、汇总、整合才能把边缘侧数据用起来。

因此，我们通过边缘计算解决烟囱林立的问题，把各种数据整合起来，实现视频及IoT设备的联动。另外，我们可以将云端训练好的成熟算法按需下发到边缘端进行推理，实现水位识别、闸门开合识别、漂浮物识别等智能算法，降低人工监控的投入。

通过边缘计算，可以大大节省带宽的成本。传统RTE和DTU的方式全部都是透传，视频流全部都是上到云端，会导致带宽的问题。因此，我们在边缘节点完成实时视频流的采集和处理，在本地进行AI推理，并上报结构化识别数据及相关的异常情况截图到云端。视频流在业务需要的时候才进行推送，可有效降低带宽压力和节省成本。

（二）智慧工厂实现安全生产

工厂场景的痛点首先是事故频发，缺少智慧化的预警，往往都是事后出现问题了才能回溯。其次在云端处理数据量太大了，数理成本高，处理的时效性比较低，没办法及时做预测分析。

在智慧工厂项目中整体架构跟上一个案例都是一样的，都是用通用的架构，只是按照不同的业务场景下发不同的应用，满足物联网边缘计算的需求。

在这个项目中：第一，完成了摄像头及窄带物联网的统一管理，右侧除了接摄像头之外，还接了产线的数据，包括门禁系统、声光报警器，以及多种物联网监测设备，例如温控、烟感、气感等。第二，在边缘侧做了AI分析危险区域检测、安全帽检测、火灾检测等等，能够在边缘侧发现问题后及时联动声光报警，并且推送相关的告警到管理人员应急管理平台及时处理。第三，做了边缘数据清洗，会针对大量的产线及物联网传感器的数据进行清洗过滤后再上云，减轻云端智慧工厂业务应用的压力。

通过云边一体的云原生体系，IECP让腾讯不同领域的产品和行业解决方案具备云-边-端的能力，可充分发挥边缘计算的优势。

我们在工业产线、电力、智慧园区、交通等一些行业也进行了探索。希望更多专家，更多行业合作伙伴、开发者能够跟我们交流，一起针对产业物联网做更丰富更有效的解决方案。IECP之前都是以私有化交付为主，近期将会推出公有云版本，大家可以根据自己的业务场景灵活选择，将边缘计算生态做大做强。

讲者简介