边缘计算--物联网

边缘计算

//=====================By xiaowei
/*
本文主要记录与边缘计算相关的概念，文献综述，以及对文献的理解。
*/
//=====================

概念

云计算

云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。
通俗点说就是，手机计算量不够，把数据发送到云端计算。

雾计算

雾计算（Fog Computing），在该模式中数据、（数据）处理和应用程序集中在网络边缘的设备中，而不是几乎全部保存在云中。
首先，它是云计算的延伸概念，但不用将数据传到云端，而是集中在边缘设备中；
其次，雾计算由性能较弱、分散的各类功能计算机组成，是一种分布式的数据处理方式，具有去中心化的特点；
所以，也可以将雾计算理解为本地化的云计算。

边缘计算

边缘计算是将计算任务部署在云端和终端之间的技术，边缘计算分布式以及靠近设备端的特性注定它实时处理的优势，所以它能够更好的支撑本地业务实时处理与执行。
家门口的事情就不麻烦远在天边的云计算了，边缘计算直接对终端设备的数据进行过滤和分析，节能省时效率还高。
换而言之，有些终端会把计算任务卸载(Offloading)到边缘计算的设备上，通过边缘设备分配的资源进行计算任务。

为何需要边缘计算

在云计算模型中，终端设备是数据消耗角色。数据产生者（如youtube）将数据发布到云端，数据消费者（如手机）请求数据，得到云端数据。
这是传统的云计算模型，但是随着物联网设备的普及，终端不再是单纯的数据消耗，同时扮演者数据产生者角色，例如，现在很多人会拍摄图片或短视频，通过抖音分享。这些数据非常巨大，需要占用巨大的上传带宽。因此需要将视频和图片在设备端进行处理，处理成合适的格式进行传送。在终端设备处理计算任务，就属于边缘计算的范畴。

关系

云计算是一个统筹者，它负责长周期数据的大数据分析，能够在周期性维护、业务决策等领域运行。
边缘计算着眼于实时、短周期数据的分析，更好地支撑本地业务及时处理执行。
边缘计算靠近设备端，也为云端数据采集做出贡献，支撑云端应用的大数据分析，云计算也通过大数据分析输出业务规则下发到边缘处，以便执行和优化处理。

云计算作为物联网的“大脑中枢”，将大量边缘计算无法处理的数据进行存储、处理、整理和分析，而与此同时边缘计算被认为是物联网的“神经末梢”，实现对小数据直接在边缘设备或者边缘服务器中进行数据的处理，同时也能够很好的缓解云数据中心的压力。
边缘计算和云计算互相协同，准确的说它们是彼此优化补充的存在。

边缘计算应用

阿里云

阿里云边缘计算产品Link Edge已经问世。据说通过这款产品，开发者能够轻松将阿里云的边缘计算能力部署在各种智能设备和计算节点上，比如车载中控、工业流水线控制台、路由器等。
另外基于生物识别技术的智能云锁利用本地家庭网关的计算能力，可实现无延时体验，断网了还能开锁，避免“被关在自己家门外”的尴尬。
云与边缘的协同计算，还能实现场景化联动，一推开门，客厅的灯就自动打开迎接你回家。

总结：
利用局域网网关的处理能力，处理较为实时性的信息。

车联网

当下伴随着智能驾驶、自动驾驶等新势力车企的的蓬勃发展，联网汽车数量越来越大，针对车联网用户的功能越来越多，随之车联网的数据量传输不断增加，对其延迟/时延的需求也越来越苛刻，尤其是汽车在高速行驶中，通信延迟应在几ms以内，而网络的可靠性对安全驾驶又至关重要。
那么，在这个过程中如何满足车联网对传输速率的高要求？传统中央云计算由于经过多层级计算处理，延迟高、效率低，现在已不再能满足车联网的传输需求。而基于边缘计算解决方案，在近点边缘层已经完成对数据的过滤、筛选、分析和处理，传输距离短、延迟低、效率更高。相较云计算，车联网显然更加需要边缘计算来护航！

（1）通过节点“下沉”的方式，可以在距离车辆最近的基站进行计算，缩短计算距离
（2）车内边缘计算可实时提供实时车辆位置，利用低延迟效果与附近基站，提高可靠性。
（3）单一车量通过数据分析后得出结论，以极低延迟传送给临近区域内的其他联网车辆，可在区域范围内快速完成传递，驾驶员及时做出决策