云端大戰(zhàn)的下一步，邊緣計算

　　十多年前，Amazon Web Services(AWS)以一個可提供靈活計算實例的系統(tǒng)的形象出現(xiàn)在了人們面前。對于AWS的誕生，人們持有不同的觀點，比如有人認為Amazon創(chuàng)建AWS的目的就是讓那些在自己平臺中的零售商不用再承擔那些自建系統(tǒng)所帶來的IT負擔。其實在當時，大多數(shù)人僅僅將AWS視為Amazon推出的一項附加業(yè)務，而Amazon那邊也沒對AWS進行過多的宣傳。

　　后來，隨著大大小小的各種企業(yè)組建接受了AWS的服務，AWS一直處穩(wěn)健地增長之中。不過直到2015年AWS年度收入超過了50億美元之后，Amazon方面才將AWS的數(shù)據(jù)公布了出來，這自然是Amazon過人之處。如今，幾乎所有Amazon的營業(yè)收入均來自于AWS，它顯然成為了Amazon的增長引擎。

　　在2006到2015年時，大多數(shù)的本地服務器、存儲和網(wǎng)絡廠商均經(jīng)歷了一個增速放緩期，這時，他們通常會以整體市場表現(xiàn)不好(特別是2008的金融危機)以作為相關的推辭。但事實是，增速與利潤均流向了那些云端的公司，如Amazon、Linkedin、Facebook、Twitter和Google等。

　　微軟方面則做出了一些關鍵性的轉(zhuǎn)型，它取消了對客戶和合作伙伴征收“戰(zhàn)略稅”，并最終重新確定了Windows在其自身體系中的重要性。這促成了“Azure時代”的來臨以及微軟對自身的重塑。

　　Google自然不甘人后，它意識到，企業(yè)服務是一個相當穩(wěn)定并具有很高利潤的商業(yè)模式，這可為它帶來持續(xù)性地增長。同時，Google也在Android、自動駕駛、Google眼鏡(VR/AR)以及長壽研究等領域中探索。

　　當我們將時間快進到當前的2018年，云端大戰(zhàn)的上半場已經(jīng)結(jié)束。對于各個云服務玩家來說，他們對未來3-5年的市場變化均擁有一個清晰的認識，那就是：數(shù)據(jù)。廠商所爭奪的重心正逐漸從功能/性能快速轉(zhuǎn)變到數(shù)據(jù)之上。這些數(shù)據(jù)具有相當大的吸引性，并具有“人們可隨時查看，但不能說走就走”(即，入口是免費的，但從云端拿取數(shù)據(jù)時必須支付費用)的特征。之后，技術的發(fā)展帶來了更多鎖定性的產(chǎn)品，如API(如Google的 Vision APIs)和作為算法的服務(如AmazonLex的會話接口)。

　　目前，云廠商都關注的一點還在于物聯(lián)網(wǎng)技術的發(fā)展，而這將推動物聯(lián)網(wǎng)邊緣(IoT edge)技術的出現(xiàn)。在定義中，物聯(lián)網(wǎng)是一套需要本地智能計算支持才能生成大量數(shù)據(jù)的智能系統(tǒng)。

　　而物聯(lián)網(wǎng)邊緣將成為一種挑戰(zhàn)，是因為現(xiàn)在的云計算并沒有為物聯(lián)網(wǎng)的到來做好準備。如果這個問題不能得以解決，那么云計算的增長勢必會具有一個增長瓶頸。Gartner分析師Thomas Bitman在他的“邊緣將吃掉云計算”(The Edge will Eat the Cloud)文章中寫到，“云計算具有很棒的靈活性……但是它有克服不了物理問題：數(shù)據(jù)的重量和光的速度”。

　　云供應商自然沒忽視這一點，他們正在想辦法以解決這個問題。今年2月，Google收購了LogMeIn的Xively物聯(lián)網(wǎng)平臺，而今年4月，微軟則宣布它對于物聯(lián)網(wǎng)方面的支出將提升兩倍，達到50億美元以上。

　　這是因為，這些云廠商意識到了他們失去了IT市場中很大的一部分，及物聯(lián)網(wǎng)/邊緣市場。而且，他們也明白，如果不能解決現(xiàn)有的問題，他們現(xiàn)有的云收入很可能就會受到極大的影響。因為物聯(lián)網(wǎng)邊緣所產(chǎn)生的數(shù)據(jù)量級將使得那些存儲在云數(shù)據(jù)中心中的數(shù)據(jù)相形見絀。

　　目前的云產(chǎn)品之所以不能解決物聯(lián)網(wǎng)邊緣的問題，是因為云計算的設計原則是與那些邊緣需求并不相關。

　　相比于云計算，物聯(lián)網(wǎng)和邊緣系統(tǒng)具有截然不同的特性：

　　具有占地面積小，功耗敏感的軟件堆棧。軟件不可能被無限制地擴展，而在云中添加容器的成本又不可能為零。因此，我們需要進行優(yōu)化，以盡量減少內(nèi)存和CPU的占地面積。盡管在進行大規(guī)模的部署時，這會為企業(yè)帶來更大的利益，但是當在快速解決重要挑戰(zhàn)時，它反倒成為了一個問題。而物聯(lián)網(wǎng)邊緣則正好相反，物聯(lián)網(wǎng)邊緣可以設計在一個非常小的設備或傳感器上，幾乎不會占用額外的軟件空間。

　　延遲可變。從邊緣設備到云的延遲可能從幾百毫秒到無限延遲不等。而云端的延遲則是由跨虛擬機和跨區(qū)域的實際情況決定的，往往更加穩(wěn)定。

　　多樣的網(wǎng)絡。邊緣堆?？稍诙喾N不同的網(wǎng)絡中運行。一些邊緣計算可以通過以太網(wǎng)、蜂窩(Cellular)、衛(wèi)星與WiFi進行連接。而云計算一般只能通過標準化的有線連接、以太網(wǎng)類網(wǎng)絡系統(tǒng)進行聯(lián)通。

　　不可預測的帶寬。在物聯(lián)網(wǎng)中，帶寬也可能是變化的，軟件需要能夠應對這一問題。

　　偶發(fā)連接性。物聯(lián)網(wǎng)/邊緣系統(tǒng)的連接具有偶發(fā)性。對于那些列車和貨船來說，每當他們在一個車站或碼頭?？繒r，它們都需要對網(wǎng)絡進行重新偶發(fā)連接。這也適用于那些小型承包商偶爾對物聯(lián)網(wǎng)設備進行連接的情況。

　　而伴隨著公司開始通過AI和數(shù)據(jù)以塑造出自身的互聯(lián)網(wǎng)邊緣系統(tǒng)，我們還是要記住歷史告訴我們的一些原則：

　　開放API.企業(yè)應該使用一個開放的API平臺，而不是鎖定在某一云供應商的平臺之上。

　　結(jié)構(gòu)。我們需要了解到多個物聯(lián)網(wǎng)系統(tǒng)與區(qū)域和全球云系統(tǒng)的連接實際上構(gòu)建了一個數(shù)據(jù)結(jié)構(gòu)。我們確保應用程序能夠訪問全系統(tǒng)的單一數(shù)據(jù)，以便數(shù)據(jù)移動不會導致重寫應用程序。

　　在當?shù)匦袆?、在全球?qū)W習。AI及其邊緣機器學習的子分支需要企業(yè)具備本地和獨立行為的能力，以便在不依賴云的情況下有效應對當?shù)氐那闆r。 話雖如此，系統(tǒng)/結(jié)構(gòu)仍需要以一種可從全部邊緣進行全方位學習的方式，然后將該智能反饋到每個邊緣。

　　不要將系統(tǒng)設置的過于龐大。將所有控制和管理功能都放在云中，反而可能會是系統(tǒng)更容易出現(xiàn)故障。該系統(tǒng)應該可以被分解為單獨的數(shù)據(jù)集群， 無論是在邊緣，在區(qū)域云中還是在全球云中，這樣就可以將它們進行統(tǒng)一管理或單獨管理。

　　安全。隨著數(shù)據(jù)驅(qū)動策略將聚合型的智能數(shù)據(jù)推送到云上，現(xiàn)在我們有了安全機制來確保云中的數(shù)據(jù)安全。但是邊緣呢?安全策略框架不應該為同一數(shù)據(jù)進行多次重新創(chuàng)建，這取決于當前數(shù)據(jù)所在的位置。

　　云是過去與現(xiàn)在，那么當物聯(lián)網(wǎng)時代來臨時，邊緣是否將成為未來?