由 dawei 副标题#e#
随着物联网和5G网络的发展， “边缘计算”逐渐成为许多大佬的关注点。边缘计算作为新的计算范式，在靠近设备端的运算上，展现出了实时处理与高效节能的优势。那么，业界如何定义边缘计算呢?它目前的市场状况与未来的发展前景又如何呢?
2018 年 5 月 18-19 日，由 51CTO 主办的全球软件与运维技术峰会在北京召开。在“IOT开发技术解析”分论坛上，来自华为、及边缘计算产业联盟的技术架构主席史扬，给大家带来了《边缘计算参考架构2.0实践与思考》。
本文将按照如下三个部分展开：
为什么需要边缘计算(WHY) 华为如何在边缘计算领域持续发力(HOW) 边缘计算参考架构2.0实践与思考
为什么需要边缘计算
行业数字化的转型是当下比较时髦的概念。其本质是：以数字化产生数据，网络化实现价值的流动，通过智能化来创造经济和社会价值。
行业数字化的迭代发展是从互联网公司开始，逐步进入互联网金融公司(FinTech)，而近两年则进入了实体行业的智能制造等场景中。
纵观任何一个企业，其运营无非涉及到：人、财、物，应用和环境，而说到底都是源于数据。我们通过对数据的感知、到对数据含义的认知、从而达到对数据进行预测。
例如：我们通过关联分析，来对互联网用户做“画像”，进而预测他的购物习惯。凭借着越来越廉价的云计算服务、ERP和CRM等软件的协助，我们能够从历史看未来，不断优化用户体验，进而做出各种决策。
如今，传统行业需要通过物联网，来获知其核心资产(如发电机)的运行状况和资产利用率，进而打通从云端到边缘计算。
因此，数字化转型的核心问题是：缔造“数据+模型=服务”的模式，实现如下四个转变：
物理世界与数字世界从割裂转变为协作融合。 运营决策从模糊的经验化转变为基于数字化、模型化的科学化。 流程从割裂转变为基于数据的全流程协同。 行业单边创新转变为基于产业生态的多边创新。
如今我们的数字化转型技术正变得越来越成熟，门槛也越来越低。例如：在汉诺威工业展上受到追捧的数字孪生，就是通过模型化的方式，使用ICT的技术，在数字世界里构建一个虚拟世界。可见，数字技术其实是可以将物理世界的潜能释放出来的。
当然，物理世界与云数字世界的联接也存在各种问题，包括：十毫秒的时延约束，无人驾驶场景中的数据猛增和带宽消耗，人员与企业的数据安全与隐私，以及边缘侧物理设备与云端的联接的不可靠性等。
因此，我们需要通过智能分布化，，来实现物的自主化，从而进一步实现：物与物之间的协助、物与本地系统的协作、物与人的协作(即人机交互)、以及物和云的交互协作。那么在整个过程中，我们都需要通过一种数据和支持的共享，来实现全面的协作化。
不过，我们所用到的边缘计算、云服务、乃至Docker和K8等技术，其实归根到底都属于分布式系统。
而对于分布式系统架构来说，除了我们所熟悉的，具有可扩展性和性能优势之外，也带来了如上图所示的各种挑战。
其中包括：部署、学习曲线陡峭、理解整体架构逻辑、以及各种开发成本、维护成本和运营成本等方面。
同时，那些在工业上被广泛使用到的各种传统软件，如ERP、MES、CAD等，由于具有较强的行业定制化的特点(MES尤为典型)，导致了它们既不赚钱，又难以适应灵活的需求变化。
因此，我们需要将原有的工业服务平台从层次化变为扁平化，把它们的业务逻辑打碎成多个模块。我们通过内部封装，以一种组态编排的方式来解决工业现场的多样化问题。
在业界上，我们通过K8之类的技术来构建出一种“高内聚、松耦合”的分布式服务架构，并且使用微服务来为架构提供包括：服务发现、控制总线、业务编排、架构运维在内的一系列基础服务。
伴随着微服务化，工业界本身的控制架构也产生了分布式化。例如：在工业现场的PLC控制装备上，实现了可交互的分布式控制逻辑。
#p#副标题#e#
一般而言，企业每更换一种手机型号，其生产线上所有的工艺都要做出相应的调整。因此，各个企业在生产线水平上的竞争，就主要体现在换装能力和新产品的上线能力等方面。同时，企业需要通过快速地加载和迭代系统工艺，实现灵活的编排和工序控制。
总结起来，如今行业数字化转型面临着如下的挑战：
OT(Operation Technology)和ICT(Informationand Communications Technology)跨界协作挑战 知识模型化仍是巨大挑战 数据信息难以有效流动与集成 产业链变长，增加了端到端协作集成挑战
我们需要通过AI、大数据、机器学习等技术，将传统的机理模型与数据计算模型相结合，让企业转向运营服务转型和协作型，从而带来整个产业链在生态架构上的变化。
下面，我们来看看边缘计算的基本概念。简言之，它是一个开放分布式平台，能够解决实时性、数据优化和安全等一系列问题。
从软件技术的发展历程来看，早年各大软件公司各自为政，都推出过自己的操作系统，后来则由能够跑在X86芯片上的Linux操作系统成为了主流。
近几年，由亚马逊推出的云计算服务封装了底层的操作系统和硬件，用户只需像使用水电煤那样去应用这些云服务便可。
而在工业上，其价值链的最上端是工艺，接着是核心装备，再往下是PLC，以及一些核心的工业软件，而我们常见的IT则处于基础的末端。因此整个价值链的核心是：系统集成商负责把软硬整体打包提供服务。
另外，对于某些通用的软件而言，其实它们并不可能去单独招标。例如：网络软件，一般是被绑定在整个项目中进行招标的。可见，工业上的整体商业模式是不太一样的。
作为类比，边缘计算和云计算的本质都集中在两个方面：
水平解耦，通用化所有组件。例如：我们可以把在边缘侧要用到的所有数据流程分解，做成一个通用工具。 新的商业模式，边缘计算和云计算都屏蔽掉了大部分底层的基础部件，以运营服务的方式来盈利。原来只需提供设备的厂商，如今要提供各种服务，包括：预测性维护、精益类服务等。因此这会是一个技术到商业模式的全栈方案。
基于上述理论，我们提出了如图所示的模型驱动架构，旨在让物理世界和数字世界协作起来，达到在物理世界里建立各种认知。
如今，工业界很多厂商都强调自己是MBE(基于模型的企业)，就是突出了它们的模型化和协作能力。
由于工业界存在着硬件和操作系统等多方面的异构现象，因此它们希望通过模型封装，将各种KnowHow进行软件化。正如云计算领域经常通过DevOps，来对从开发到部署的整个生命周期进行有效地支撑那样，边缘计算的运营能力也需要有一套工具链和服务，来实现业务编排。
当然我们在技术上应该采取的是一种演进性的，而非推倒重来的模式。各种适合于信息系统的服务器硬件配置(如内存大小)和AI的云端模型(如GPU的功耗)，它们对于工业环境(如只有几百M的存储空间和内存大小)，以及边缘计算的低功耗芯片来说，是无法迅速被移植过去的。我们需要有更多独特的创新机会。
华为如何在边缘计算领域持续发力?
下面我们来看华为是如何在边缘计算领域持续发力的。如上图所示，这是一个边缘云的协同。在数字世界里，最上方是一个集中式的云服务，它包括公有云和私有云，一般被建立在某个IDC中。
在云服务的PaaS和IaaS之上，可以提供边缘通用的AI、大数据服务，以及上方的Enterprise Intelligence服务。
在边缘侧，我们配有嵌入式LiteOS(轻量级系统)、物联网关、服务器、以及第三方的节点。在此基础上，我们提供了一个基于K8的、优化了的边缘云。
由于在工业上的诸多场景中，资源都是极其有限的。因此，我们不能直接照搬K8，而需要做适当的优化。
再往上面就是一些诸如：流式数据分析和数据管理等基础服务。同时用户也可以把自己的应用和训练的模型，推送到微服务的架构之中。
另外，该架构除了能实现完全的分布式，还能提供一致性的服务接口。因此，该边缘侧既满足了即时的业务需求，又在云端满足了长周期的分布式架构。
上图是华为EI大数据的网页。除了提供一些缺省的服务之外，我们还提供一些面向行业解决方案，包括：水务、制造、交通、金融和零售等相关解决方案。