当物联网遇上边缘计算，会发生怎样的精彩碰撞？

在数据处理领域，边缘计算的概念起源于云计算。它是指在靠近数据源的一侧构建一个融合了网络、计算、存储和应用等核心能力的计算节点，提供就近处理数据的能力，而不是把所有数据都留给云端处理。

人们可能会质疑，云计算的目的不是将数据集中到云上进行处理么？为什么现在分工到了边缘？为了解决这个问题，我们以物联网场景为例，假设以下场景：

企业家要把工业园区建成智能园区，园区内的各类设备（包括视频监控设备、门禁设备、消防设备、水电设备等）接入物联网平台进行统一管理。然而，当这位负责人开始研究如何访问各种设备时，他发现设备种类太多，所有的设备都是根据自己独特的行业协议来报告数据的；相比之下，物联网平台支持的通信协议是有限的，所以他不得不将这5种设备转换成将各种行业协议转化为物联网平台支持的协议，这是一个巨大的工作量。

在上述同一家企业，该负责人在研究访问控制系统的访问方式时发现了另一个问题：访问控制系统中的员工数据属于企业的隐私数据，将这部分数据传输到云上不符合公司的安全政策。但如果只是门禁系统不接入云，维护成本高，也不利于系统之间的联动。

同时，园区内的一家汽车公司也遇到了问题。公司生产基于物联网的自动驾驶仪，车辆通过车辆系统和物联网平台获得自动驾驶指示。控制系统的开发非常顺利，但有一个问题是无论如何都无法解决的：道路上的网络信号太不稳定。如果信号不好或出现交通堵塞，数据将被发送到云端，等待命令发出，可能会有几秒钟的延迟，这在复杂的道路条件下是致命的。

以上所有问题都是设备直接连接云解决方案的痛点。在物联网解决方案中引入边缘计算的概念，可以解决这些问题。

物联网边缘计算能做什么？

边缘计算是一个概念，当我们讨论它能做什么时，我们需要给它一个实体。本文以华为物联网平台推出的边缘计算服务“物联网边缘”为例。物联网边缘部署边缘节点，将网络、计算、存储和应用的核心能力集成在靠近对象或数据源的边缘侧，并在附近提供计算和智能服务，以满足行业在实时业务、应用智能、安全和隐私保护方面的基本需求。接下来，我们从三个角度介绍物联网边缘服务的核心功能。

开放生态系统

边缘节点作为物联网的“小脑”，是具有独立访问和计算能力的服务器。我们通常根据它的形状称之为边缘盒。物联网边缘服务不强制边缘盒匹配，只对边缘盒的硬件规格有一些基本要求，只要硬件满足要求，无论型号如何，都可以部署基于docker容器模式的边缘服务软件包，在边缘端获得设备访问、设备联动和低延迟本地闭环管理的基本能力。当物联网遇上边缘计算，会发生怎样的精彩碰撞？

在接入方面，物联网边缘服务支持用户自行开发第三方接入协议驱动程序，通过云端分发到边缘节点运行，实现工业网关行业协议接入。同时，物联网边缘服务还支持用户开发和部署第三方边缘容器应用，扩展边缘节点的能力。物联网边缘服务在硬件、协议、应用等方面高度开放，可以满足多种定制需求，应用于多种物联网场景。

边云协同

边缘节点虽拥有独立计算能力，但“小脑”真正的价值，还是需要与“大脑”合作才能发挥，边云协同能力才是IoT边缘服务真正的杀手锏。IoT边缘服务在云端提供图形化的操作界面，支持纳管边缘节点，进行统一应用部署、节点运维和业务管理，大幅降低边缘节点部署与运维的复杂度。

边缘节点纳管后，通过云端分工合作实现业务分层处理：例如在车联网的场景下，需要及时处理的业务，如自动驾驶、车路协调等，由边缘节点直接计算并返回结果；对延时不敏感、数据量大的业务，如大屏幕监控、大数据分析等，交由云处理。

再比如，在园区场景中，涉及用户隐私的数据在节点的本地自关闭环路中进行处理，所有数据在本地节点闭环中进行采集、处理和存储；非隐私数据清理汇总后，上传到云端进行机器学习和训练，并对局部智能算法进行不断优化和更新。通过业务层次化处理，最大限度地实现物联网的价值，实现真正的万物互联。

边云协同的能力虽然强大，但边和云之间通过网络连接，若网络出现问题，导致边与云断连，这种情况该如何保障边缘业务？IoT边缘服务提供了边缘节点本地自治能力，网络异常时，云端已下发的规则和AI模型依然可正常运行，确保业务连续性；当网络恢复时，数据再同步到云端。同时，边缘节点还提供本地控制台，无需联网即可登陆，实现边缘节点管理自治。

边缘智能

我相信目光敏锐的学生已经注意到我们提到的数据清理、边缘规则和边缘人工智能，这是我们接下来要讨论的边缘智能能力。

数据清理是指边缘端过滤、消除重复并聚合设备报告的数据，然后将其报告给云的使用场景。它的目标是有选择地向云报告数据，减少云的带宽和云的存储和计算需求。

具体来说，过滤是指用户指定的过滤条件。例如，如果属性a大于10，则将筛选符合条件的数据。用户可以同时指定多个条件，条件之间的关系可以是“与”（过滤满足所有条件的数据）或“或”（过滤满足任一条件）。去重意味着当设备连续报告具有重复属性值的消息时，边缘节点将只向云报告第一条消息。

聚合意味着用户可以指定一个时间窗口（例如一个小时），并且边缘节点将在这个时间窗口中的每个设备报告的数据聚合成一个数据报告，并且用户可以指定数据中每个属性的聚合方法，例如取最大值/最小值、求和、平均值等等，这三条清理规则的优先级是过滤>去重>聚合，即当用户同时设置这三条清理规则时，首先对数据进行过滤，然后进行去重，最后进行聚合和报告。

边缘规则是指边缘侧的规则引擎。物联网平台支持将云端创建的设备链接规则分发到边缘端执行，实现简单业务边缘的快速闭环。

物联网边缘计算能解决哪些问题？

在介绍了物联网边缘的功能之后，智慧园区和智慧城市是物联网边缘计算的主要应用场景。接下来，让我们看看边缘计算可以解决哪些问题，以及它在这两个场景中可以带来什么价值。

首先，让我们看看智慧园区的场景

园区的门禁、消防、监控等系统由不同的供应商提供，均采用各自的行业协议。整个园区接入物联网平台需要多达十几种设备和子系统协议，但物联网平台支持的设备接入协议类型只有有限的几种，该怎么办？

自建网关适配协议是一种可行的方案，但集成仍然很困难。但是，如果采用物联网边缘，边缘软件原生+第三方驱动形式可支持的协议类型可多达30+种，第三方驱动开发简单，可以大大降低集成难度。

各子系统在各自的职责范围内履行各自的职责并快速响应。然而，一旦遇到需要多系统联动的情况，由于缺乏中间环节，响应速度往往不够快，导致事件处理效率低下。物联网边缘整合各子系统，实现边缘层消防、门禁等业务的跨系统联动，大大提高事件处理效率。

设备直接上报的数据量太大，涉及用户隐私，无法直接上报到物联网平台，需要先在本地进行处理。如果所有数据都由设备本身处理，逻辑复杂，成本高，因此物联网边缘提供的数据清洗能力成为一个不错的选择。经过数据过滤、去重和聚合，不仅大大减少了上报数据量，而且保护了用户的隐私。

人脸识别等视觉人工智能模型需要大量的数据进行训练，而且通常都放在云端，但由于云端离设备较远，对带宽的要求和延迟问题无法避免。但是，如果将云训练模型放置在设备边缘附近，则问题将得到解决，以满足秒级时延体验并降低对云边缘带宽的需求。

物联网设备依赖云端进行业务管理，但如果云由于网络故障而断开连接，如何保证业务的连续性？分布式规则和人工智能模型将保存在物联网边缘的本地。即使与云断开连接，它们也可以独立运行以确保业务连续性。

智能交通场景

在城市交通中，单个辆车只能获取道路信息的一小部分。为了做出最合适的判断，需要将监控视频、雷达数据、天气状况等信息结合起来，再通过智能算法计算出结果。然而，道路状况正在迅速变化。如果把这部分计算留给云计算，对网络速度的需求将会增加。物联网边缘服务支持将经过训练的人工智能模型发送到边缘侧，实现实时路况计算，并及时提供减速信息、碰撞报警等信息。

在车路协同场景中，监控视频、雷达数据、车辆信息等数据都是通过各自的行业协议传输的，这给集成带来了困难。物联网边缘支持多种行业协议、快速集成和数据融合。

除了注重局部，确保交通安全外，还要着眼全局，提高整体交通效率。物联网边缘可以清理流量数据，并向云报告有价值的数据。云以全球数据为基础进行数据分析，为交通指挥员提供有效建议，提高道路交通效率，促进节能减排和便捷监管，支持演化到端云协同自动驾驶。

当物联网遇上边缘计算，很多传统直联方案的问题迎刃而解，物联网有了边，真正成为了一张大网，覆盖了越来越多的领域，为人们带来越来越智能的生活。

本文来自信息化观察者网，转载请注明出处。