边缘计算（Edge computing）的用例和物联网（IoT）

现今世界网络和数据普及，不单止智能手机能连接网络，就连手表，闹钟，家电等日常用品，也能即时在网络中提取资讯，并配合环据数据作出分析，将最好的体验反馈给 用家。而透过网络来连接人，流程，资讯和装置这个概念，亦是我们平常所说的物联网（物联网，又名物联网）。

承接上文介绍了雾计算的简单的应用和由来，下文将会介绍物联网的一个重要技术 - 边缘计算（Edge computing）。下文将会阐述边缘计算的由来，并介绍它与物联网的关系，而且会利用无人驾驶作为用例，介绍云计算的短处和边缘计算的应用。

先定义一下边缘计算（wikepedia，2019）：

这里提到很多艰涩的专业名词，例如是“分散式运算”，“节点”等，其实只是描述：边缘技术是一种技术将大型应用程式的一部分转移到（即分散式运算）日常设备中处理（即边缘节点中）。

在云计算的典型结构中（如上图），通常可分为“云（云层） - 网（雾层） - 端（边缘）”三层。“端”这一层覆盖所有终端的应用程式，亦通常是被管理的角色。当云计算一计算出结果，就会到透过“网”层，将指令发送到“端”层的应用程式执行，而应用程式收到数据后，则会发送到“云”层作计算。

而边缘计算则可以想像为给予“端”层一定程度的“自治”。在边缘计算的架构中，终点被赋予简单的存储和计算能力（与雾计算不同，这里重点是“简单”的功能） ，令它能偶尔脱离云的管理，并根据环境数据作出回应。

增加终端系统简单的计算和存取能力看似一小步，但其实这个布局有着莫大的好处，当中包括：

  - 低延迟：数据由近场产生，能快速回应

  - 独立性：在没有网络连接下，系统亦能运作

  - 合规性：无需传送用户资料，保护个人数据

  - 简化数据：终端先处理部份数据，数据简化后才向云服务器传输

  - 安全性：数据传输减少，减少网络安全风险

无人驾驶是边缘计算其中一个经典用例，亦是一个很好例子说明云计算的短处和为什么需要边缘计算。

下图展示的是常用的云计算架构，当中包括1）一架智能汽车（客户端），并且正在使用无人驾驶功能，2）互联网（Internet），用作传输数据，以及3）云服务（云计算）服务器），用作提供无人驾驶服务。

假设汽车正在以60ms-1的速度行驶，并在起始位置感测到前方3m有阻碍物。由于汽车正在使用云计算的架构，汽车本身并没有分析的功能，汽车会将感测到的影像 传送到云服务器中作分析（步骤1）。

很不幸地，由于汽车现在在北区甚远，信息在005s后才能到云服务 无上停驶，但也要经过005s才能将指令发送到汽车上执行（步骤2）。

在这段发送信息到回收指令的过程中（~01s），汽车会继续以均速行驶（60ms-1），并到6m后（= 60ms-1×01s）才会收到指令停下来 。而且会撞到在3m前的路人，酿成车祸。

汽车在起始位置感测到前方3m有阻碍物，会立刻执行停车指令（步骤1）。然后再发送影像和决策内容到云服务器中作进阶分析（步骤2），以改善无人驾驶性能。 （注：这里看似与雾计算方式相似，但在过程中，应用程式没有作任何的数据分析，只根据感应器内容作出回应。若然是雾计算的话，感应器信息会发送到雾服务中，再作分析，然后通知终端设备作出回应。）

由此可见，云服务器距离数据产生的位置较远，因此会造成较大的延迟。而无人驾驶这些需要实时作出决策的活动，则很大机会需要使用边缘计算，使计算的服务靠近产生数据的源头，做到计算更接近实际行动。

随着科技的进步，数据传输速度的快速提升，不少日常物品，例如是家用电器，车辆等，都已经嵌入感测器，并透过网络接结与互联网交换资讯，形成了庞大的物件网络（即物联网）。

物件会在运行时会收集到大量的环境数据。有些人会问，为什么不把数据都在本地（local drive）处理，其他数据再传到云服务做储存。这可能是其中一个可以实行的方法，但如果所有数据都在本地处理，物件本身要设有很多的存储装置和处理服务器。这会大大增加电力消秏和物件重量，增加成本。

因此，最好的方法是结合云计算和边缘计算的优势做出最佳的配置。在一些决定物件重大安全性的事件（例如如上文无人驾驶例子的刹车）可将决定的主导权放到边缘上，其他没有急切性的事情，则放到云服务器低成本集中处理。透过云与边缘的良好分工，大大减少成本，亦能提高运算效率。

1999 年，麻省理工学院（MIT）的 Kevin Ashton 在他关于 RFID 标签的演讲中提出了“物联网”一词。他这样描述自己的愿景：现在的计算机和互联网几乎完全依赖人类来获取信息然而问题是，人们的时关的复杂数据。假如计算机能在不依赖我们任何帮助的情况下收集数据，了解一切事物的话，那么我们就可以用它们来跟踪并计算每一个‘物’，从而大大减少浪费和损失，降低成本。我们就能知道什么时候需要对‘物’进行更换、修理或是召回；就能知道这些‘物’是否处于最佳状态。”

在当时，物联网（IoT）上的“物”被设想为可以计数的东西。它们存在于一系列相对简单的应用中，比如运输箱上的 RFID 标签；用于掌握车位是否停满的停车场出入口系统；以及酒店的迷你吧，可以记录您晚上消费的零食并自动将费用计入您的账单。最初，单独的计数系统只是作为自主的独立应用而运行。

而现在的 IoT 则具有更广泛的视角，更强调对累积数据的后期处理。因此，这就需要把单独的应用与云存储保持连接，并通过互联网实现远程控制。IoT 所需的网络规模可能难以想象，而要让这种情况成为现实需要绝对可靠的连接，从一开始就设计在产品中，并在整个产品生命周期都要经过充分测试。

传统的产品开发工作中经常会遇到一个个孤岛、一次次返工和碰壁。PathWave 平台可以支持敏捷的互联设计工作流程。它在一个平台之上集成了是德科技值得信赖的设计和测试软件，可以让您加快进行产品开发。在产品开发路径中，每个步骤都是相互连通和集成的。

定义“物”的性质和规模

自 1999 年以来，IoT 已经扩展到机器对机器（M2M）通信和应用领域，例如制造行业和公用事业（天然气和电力）。虽然自动化在制造业中已有一席之地，但 IoT 和所谓的工业互联网都支持更高程度的自动化，同时也提高了制造流程的灵活性和效率。支持远程和前瞻性维护的新工具就是其中的例子，它们可以降低成本，提高竞争力。

这些趋势影响了对 IoT 实施规模的预测，预计到 2020 年，各行各业中互联的“物”将达到 150 亿至 500 亿之巨。针对颠覆性的新型 IoT 相关业务的进一步预测表明，其潜在收入将比 IoT 硬件和网络供应的收入高出许多倍。

2018 年 2 月，IoT Analytics 根据已组装和分类的 IoT 项目对 IoT 前十大细分市场进行了排名。排名前三的细分市场均属于工业物联网（IIoT）应用领域。

1 其中，智慧城市由 2016 年的排名第二跃升至第一位。智慧城市中最受欢迎的应用有智能交通、公用设施、照明、环境监控和公共安全。

2 排名第二的细分市场是互联行业。最受欢迎的应用是设备监控和互联机械的远程控制，如起重机、叉车，乃至整个矿山和油田。

3 互联建筑是 2016 年以来增长最大的细分市场。大多数应用涉及设施自动化，有助于降低能源成本。

从工作的角度来定义，物联网中的“物”可以是任何固定或移动的自然物体或人造物体，能够通过网络传输数据。以货物运输、车队管理和船运为例，在这些行业中，智能 BLE 标签使得物流公司能够对位置、速度、运输和存储情况进行跟踪。另一个例子是火炬气监控。无线声学传感器可以监控阀门，控制流向炼油厂火炬烟囱的气流阀门，从而提高合规性，降低由于未能及时检测并修复故障阀门而导致的碳氢化合物损失。

2018 年 IoT 十大细分市场

物联网是新一代信息技术的重要组成部分，也是“信息化”时代的重要发展阶段。其英文名称是：“Internet of things（IoT）”。顾名思义，物联网就是物物相连的互联网。这有两层意思：其一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；其二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信，也就是物物相息。物联网通过智能感知、识别技术与普适计算等通信感知技术，广泛应用于网络的融合中，也因此被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。物联网是互联网的应用拓展，与其说物联网是网络，不如说物联网是业务和应用。因此，应用创新是物联网发展的核心，以用户体验为核心的创新20是物联网发展的灵魂。
IoT本质上是机器系统或者构建好的对象，带有数据收集技术，这些对象之间可以相互通信。所产生的机器对机器（M2M）数据有广泛的使用场景，但通常看作是确定事物状态健康的方式，无生命还是活的。IT管理员可在物理环境中使用IoT，获得想要的信息。

---