1.1　边缘计算的背景与概念

本节将介绍边缘计算出现的背景、不同的概念以及边缘计算相比于传统计算模式的重要改变。

1.1.1　边缘计算的历史背景

1946年在美国宾夕法尼亚大学，电子晶体管计算机ENIAC携170平方米、18 000个晶体管的庞大身躯悄然问世，作为计算的载体，开启了现代计算机的发展之路。此后，晶体管代替了电子管，集成电路代替了晶体管，计算机的发展沿着摩尔定律的轨道一路狂奔，从巨大的机房一步步走进了千家万户，登上了小小的桌面，甚至作为可穿戴嵌入式设备成为人体的一部分。伴随这一过程，越来越多的物理世界需求被转化为计算需求，计算的形态也经历了几次重要变化。

1. 共享到独占

在计算机发展初期，由于高昂的成本，计算机主要用于大型科学实验，几乎不存在现代意义的个人计算机。因此，此时的计算过程往往是很多用户采用分时的方式共享一台计算机，这一需求也造就了后来人们熟知的UNIX系统和类UNIX系统。虽然此时所有的计算需求是在大型机“本地”执行的，但其任务来源通常是多个用户，资源也是由多用户共享的。因此从计算模式的角度而言，大型机的计算采用了多用户共享的模式。

而随着集成电路的出现，计算机体积沿着“摩尔定律”[1]的轨迹不断缩小，计算成本不断降低，使得用户逐渐能够通过个人计算机来满足各类计算和数据存储的需求，计算的形态也从多用户分时共享为主流变为了独占资源的个人计算机为主流。

2. 本地到云端

随着计算机网络和通信技术的不断发展，计算机再也不仅仅是数据存储和运算的载体，而是承担了越来越多的信息传输和交互任务。与此同时，智能手机、交互式Web服务、社交网络的出现和普及，使得大量的用户信息由本地迁移到网络服务器当中。伴随着“信息网络化”这一过程，在数据被带到网络服务器上的同时，一部分运算过程也被带到了服务器上，例如网站托管、推荐算法、各类在线服务等。不仅如此，随着通信和网络技术的不断发展，越来越多的计算业务得以通过网络实现，从而一步步形成了如今云计算的形态。

3. 云端到边缘

随着智能手机、可穿戴设备等智能化计算设备的普及，以及高清视频、人工智能算法等需求的涌现，各类游戏、应用、视频业务对于数据和实时性的要求越来越高，例如风靡一时的增强现实（Augmented Reality，AR）游戏口袋妖怪（PoKeMon GO），对摄像头实时采集的图像进行识别和处理，并在识别出的目标位置显示不同种类的“口袋妖怪”。对于此类应用业务，一方面本地计算会出现能力不足或者电量消耗过快的问题；另一方面若采用云计算架构，则无法达到游戏的延迟要求，不仅如此，当应用规模扩大时，云计算架构中网络带宽将会成为瓶颈，难以支撑来自海量前端设备的大规模实时计算和数据请求。即便对于实时性要求不高的传统业务，越来越多的设备接入网络，也会使得云计算网络基础设施不堪重负，甚至使得云计算中心成为许多地区能源消耗的最大来源。

与此同时，随着5G/6G、Wi-Fi 6等通信技术和标准的快速发展，用户端到网络接入端的直接延迟可以降到个位数毫秒级。此时我们发现，在云计算架构中，数据从接入点到云计算中心的传输过程已经占据了绝大部分的延迟。考虑到互联网数据需要经过主干网多级路由的过程，这一延迟几乎无可避免。因此，计算资源从云中心下降到靠近用户的网络边缘设备（如移动无线基站、家用路由等），则成为实现大规模实时计算的必然要求。如此，不仅彻底避免了广域网中的数据传输延迟，也提升了数据的隐私安全级别、访问效率以及服务部署和管理的灵活性。

1.1.2　边缘计算的概念

简而言之，边缘计算是一种计算模式：在该计算模式下，服务与计算资源被放置在靠近终端用户的网络边缘设备中。与传统的云计算数据中心相比，边缘计算中直接为用户提供服务的计算实体（如移动通信基站、WLAN网络、家用网关等）距离用户很近，通常只有一跳的距离，即直接相连。这些与用户直接相连的计算服务设备称为网络的“边缘设备”。如图1-1所示，对于校园、工业园区等场景，配备计算和存储资源的设备即可作为边缘设备，为其前端用户提供边缘计算服务；对于城市街区场景，移动蜂窝网络的通信基站可作为边缘计算设备提供服务；对于家庭住宅场景，家用路由器可作为边缘计算设备。

关于边缘计算的概念，目前国内外学术界与工业界存在几种不同的定义。根据其出发点的不同，本书将边缘计算的定义整理如下：

• 边缘计算作为云计算的延伸［1］：边缘计算是一种云计算优化方法，“通过将网络集中节点（云核心）上的应用、数据和服务放置到逻辑边界节点（边缘）”，从而建立与物理世界的直接联系。
• 边缘计算作为前端设备和云计算的中介［2］：边缘计算是指那些使得计算发生在网络边缘的技术合集，向下的数据流来自云计算服务，向上的数据流来自前端的各类物联网设备。
• 描述计算平台的角度［3］：根据中国边缘计算产业联盟的定义，在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。它可以作为连接物理和数字世界的桥梁，使能智能资产、智能网关、智能系统和智能服务。
• 泛化的云与用户之间的补充［4］：边缘计算是指从数据源到云数据中心的路径上任意计算和网络资源的统称。该定义明确将边缘计算看作云计算中心与用户之间所有计算和资源的统称。

本书从计算模式发展的角度给出边缘计算的定义：边缘计算是一种计算资源与用户接近、计算过程与用户协同、整体计算性能高于用户本地计算和云计算的计算模式，是实现无处不在的“泛在算力”的具体手段。其中，边缘设备可以是任意形式，其计算能力通常高于前端设备，且前端设备与边缘设备之间应当具有相对稳定、低延迟的网络连接。

1.1.3　边缘计算带来的改变

边缘计算作为云计算向网络边缘的分布式延展，其计算模式与云计算十分相似，但又存在重要区别。

图1-2显示了当前主流的“云-边-端”架构。其中前端设备通过不同的通信方式将计算请求及必要数据发送至边缘服务器。之后，边缘服务器检查是否具备该请求对应的计算服务，如果具备，则执行该请求对应的计算任务，并在之后将计算结果返回至前端设备；如果不具备，则继续向云服务器请求，由云服务器执行（或将相应的计算服务从云端下载至边缘端，并继续执行），并返回结果给前端设备。由于前端设备与边缘服务器通常仅有一跳的距离，其传输延迟相比云计算得到极大缩短，从而能够支持各类高实时性要求的计算业务。不仅如此，由于边缘服务器更加靠近用户，服务面向的用户设备和直接的计算需求类型也更多，其服务具有更强的定制化需求。

具体而言，相比于云计算，边缘计算模式存在以下显著特点。

1. 延迟极低

边缘计算相较云计算的一个显著区别是其计算资源更加靠近前端用户。在典型的边缘计算系统中，前端用户与边缘服务器是具备单跳网络连接的，其延迟与所使用的无线传输技术直接相关。特别是在5G/6G网络中，无线通信的延迟可以降低到1毫秒级，这使得边缘计算与本地计算在延迟上几乎没有差别。

表1-1总结了不同类型通信技术的延迟与能耗。由此表可见，在边缘计算的架构中，前端设备与边缘服务器的通信方式将在很大程度上影响边缘计算的效率。对于移动设备（如手机、笔记本电脑）而言，结合5G的边缘计算几乎可以提供了与本地相当的低通信延迟。对于大量物联网设备来讲，其云计算解决方案的延迟约为800～2000ms（例如亚马逊的GreenGrass平台搭配2.4GHz的前端物联网设备，其端到端延迟在1700ms左右）。在这样的场景中，使用边缘计算的架构有望将端到端延迟降低到接近单跳传输延迟，实时性可提升10倍以上。

表1-2显示了各类计算机与移动应用的延迟要求，在当前的条件下，延迟要求较高的AR/VR等仅能通过本地运算的方式执行。而当通信延迟持续降低时，越来越多新的应用可以被“解放”出来，从本地运行的方式转变为边缘计算的模式，从而达到应用的时延要求。如当前的4G通信技术可以满足除了AR/VR以外的大部分应用的延迟要求，当计算延迟较低时，这些应用均可以由边缘计算的方式来实现。当利用5G通信技术时，包括AR/VR在内的新型计算密集、延迟极低的应用可以通过边缘计算的方式来实现。随着无线技术的持续发展，以及边缘计算架构的不断优化，可以预见更多数量的计算服务将从本地走向边缘，也将涌现出越来越多支持超低延迟的应用服务。

2. 服务对象异构、多样

考虑到边缘计算服务器主要服务于与其直接相连的设备，而前端设备的通信方式、所需的服务类型、服务要求均不相同，这使得边缘服务器上承载的服务很大程度上取决于其服务对象设备和服务请求。例如面向智慧家居的边缘服务器，其服务对象主要为各类智能家居及可穿戴设备，因此边缘服务器上运行的大多是对实时性要求相对不高的数据存储、数据分析、视听推荐等多媒体服务。如果是面向娱乐区域（如电竞、展厅、网吧等场所），边缘服务器上则主要运行图形渲染、图像分析、视频缓存等服务。可见，由于支持的设备种类变多，边缘计算所面对的服务对象呈现出异构、多样的特点，不同的设备可能具备完全不同的资源需求、通信方式、服务质量等方面的要求。

3. 服务类型定制化

边缘服务器为其连接的各类用户设备提供运算服务，设备异构、多样的特点使得其运行的服务类型具有高度定制化的特点，即每个边缘服务器由于所处环境、面向用户群体的不同，其上运行的服务类型也具有定制化的特点，具体地，服务的定制化特点主要由以下两方面因素导致。

众多云计算难以支持的实时与低功耗服务涌入边缘计算。由于边缘计算服务器接近于前端设备，支持短距离通信技术，且具有良好的安全性，越来越多原本无法使用云计算的应用服务有望进行“边缘化”，与传统云计算相比，边缘服务的类型也将极大增加。一方面，以AR/VR等为代表的高清视频应用，无法承受云计算带来的延迟，但可以在边缘计算场景中运行；另一方面，各类可穿戴设备、智能家居传感器等不具备互联网接入能力的设备，在边缘计算场景中有机会接入到边缘计算服务器中，其所请求的服务类型也具备较强的定制化和多样性。

单个边缘服务器面向的场景具有更强的区域特征和定制化需求。考虑到边缘计算采用的通信技术具有相对较小的覆盖范围，这就导致每个边缘服务器上面向的用户主要由其本地的固定用户和流动用户构成。而云计算中，其服务对象通常通过广域网接入，服务类型与其本地范围的用户之间不具有明显的相关性。这一特点使得边缘计算的服务器之间具有很大的差异，每个服务器上运行的服务类型、资源配置、接入策略等均有所不同，从而形成高度定制化的特点。

4. 服务形式多样化

不同于云计算环境中的数据中心网络，边缘计算的服务形态可以高度多样化。移动蜂窝网络的4G/5G基站、家用路由网关、个人电脑、手机，只要具备相对的资源优势和较低的连接延迟，都能够成为边缘服务器，为其他资源相对受限的前端设备提供服务。这些形态的区别来自计算资源的下沉程度；当服务对象为智慧家居的各类智能设备时，边缘服务器则可以以家庭网关的形式运行计算服务；当服务对象为智能手机等移动设备时，边缘服务器则可以融合进移动基站中，同时提供通信服务和计算服务。

5. 对移动性高度敏感

考虑到边缘计算通常服务于直接相连的用户，而单跳无线链路的通信覆盖范围十分有限，这使得边缘计算具有对用户移动高度敏感的特性。一方面，用户的移动性会影响到无线传输质量，越高的移动性会导致越不稳定的通信质量；另一方面，高速移动的用户很有可能在多个边缘服务器之间进行切换，造成计算服务的中断。特别是考虑到5G网络的场景，每个基站的覆盖范围相比于4G将大大减小（仅100～300米），这使得移动设备将很快离开当前基站，切换到新的基站。这样的高切换频率为边缘计算在高速移动场景中的使用带来极大的挑战，服务质量难以保障。高移动性条件下的边缘计算优化技术也成为当前边缘计算的研究热点之一。

6. 隐私保护

相比云计算，边缘计算的另一个显著特征是数据隐私更有保障。这是由于数据是保存在靠近用户的边缘设备，而非集中式的云计算数据中心，从网络结构上降低甚至杜绝了用户数据与其他网络实体的连通性。不仅如此，由于计算下沉，更加复杂的加密和隐私保护算法也得以应用在更多类型的边缘服务上，从而更好地保障用户隐私。除此之外，数据传输延迟的降低，也催生了新型的隐私保护的计算模式（例如Google公司提出的Federated Learning，杜绝了用户数据和网络服务的直接接触）和更加复杂的加密算法，从而极大降低了隐私泄露的风险。

---

[1] 摩尔定律：由Intel创始人之一戈登·摩尔提出，指集成电路上可容纳的晶体管数目每隔两年便会增加一倍（常被引用的“每18个月”版本是由原Intel CEO大卫·豪斯提出的）。