邊緣計(jì)算是一個(gè)微型數(shù)據(jù)中心的網(wǎng)狀網(wǎng)絡(luò)，可以在本地處理或存儲(chǔ)關(guān)鍵數(shù)據(jù)，并將所有接收的數(shù)據(jù)推送到中央數(shù)據(jù)中心或云存儲(chǔ)庫(kù)。

它通常在物聯(lián)網(wǎng)用例中被提及，其中邊緣設(shè)備收集數(shù)據(jù)，并全部發(fā)送到數(shù)據(jù)中心或云進(jìn)行處理。邊緣計(jì)算在本地對(duì)數(shù)據(jù)進(jìn)行分類(lèi)，由于其中一些數(shù)據(jù)在本地處理，從而減少了到中央存儲(chǔ)庫(kù)的回程流量。

通常，這是通過(guò)IoT設(shè)備將數(shù)據(jù)傳輸?shù)奖镜卦O(shè)備來(lái)完成的，本地設(shè)備包括小尺寸的計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)連接。數(shù)據(jù)在邊緣處理，它們?nèi)炕虿糠直话l(fā)送到公司的數(shù)據(jù)中心、協(xié)同定位設(shè)施或IaaS云中的中央處理或存儲(chǔ)庫(kù)。

邊緣計(jì)算很重要，但它的功能也被夸大了。網(wǎng)絡(luò)邊緣計(jì)算只是整個(gè)云計(jì)算領(lǐng)域的一小部分。由于它很小，它可能只是網(wǎng)絡(luò)規(guī)模云平臺(tái)的補(bǔ)充（并與之集成）。我們不太可能看到主流的提供商推出“下一代Amazon AWS，僅分發(fā)”這樣的名號(hào)。

從功耗看邊緣計(jì)算

為什么網(wǎng)絡(luò)邊緣計(jì)算的領(lǐng)域很?。肯旅鎻牟煌慕嵌葋?lái)觀察：功率。邊緣計(jì)算是計(jì)算行業(yè)頂端和底端人員使用的指標(biāo)，但很少被中間的人使用，例如網(wǎng)絡(luò)所有者。這意味著它們忽略了幾個(gè)數(shù)量級(jí)。

數(shù)據(jù)中心的大功率負(fù)載

云計(jì)算涉及大量數(shù)據(jù)，比如服務(wù)器、處理器、標(biāo)準(zhǔn)尺寸設(shè)備機(jī)架、占地空間之類(lèi)的數(shù)量指標(biāo)。但數(shù)據(jù)中心用戶使用最多的數(shù)字可能是以瓦特為單位的功耗，或者更常見(jiàn)的是kW、MW和GW。

功率不僅包括計(jì)算CPU和GPU的需求，還包括數(shù)據(jù)中心的存儲(chǔ)和網(wǎng)絡(luò)元素。

粗略地說(shuō)，全球大數(shù)據(jù)中心的總功耗約為100GW，典型的數(shù)據(jù)中心可能有30MW的容量，但是世界上最大的數(shù)據(jù)中心單獨(dú)使用的容量已經(jīng)超過(guò)100MW，甚至有計(jì)劃擴(kuò)展到600MW甚至1GW。但它們并非全部都在全力運(yùn)轉(zhuǎn)，任何計(jì)算平臺(tái)都是如此。

這種功耗增長(zhǎng)一部分是由于所需服務(wù)器和設(shè)備機(jī)架數(shù)量的增加（這也導(dǎo)致了占地面積增加），另一方面也與單個(gè)服務(wù)器的功耗有關(guān)，因?yàn)樾酒兊酶鼜?qiáng)大。大多數(shù)設(shè)備機(jī)架使用3-5kW的功率，如果可以提供電源和冷卻，有些可以高達(dá)20kW。

因此，為“云”提供動(dòng)力需要100GW，并且這個(gè)數(shù)字正在持續(xù)快速增長(zhǎng)。我們也看到二線和三線城市的小型區(qū)域數(shù)據(jù)中心有所增長(zhǎng)，公司和政府通常也擁有私人數(shù)據(jù)中心，這些不同區(qū)域所需的功率相差很大，通常1-5MW的基準(zhǔn)是比較合理的。

“邊緣設(shè)備”的功耗

除了數(shù)據(jù)中心，設(shè)備本身及其內(nèi)部的組件也將消耗功率。特別是對(duì)于需要電池供電的設(shè)備，將功率控制在瓦特或毫瓦是至關(guān)重要的。比如：

• 傳感器在空閑時(shí)的使用可能不到10mW，在主動(dòng)處理數(shù)據(jù)時(shí)可能使用100mW
• Raspberry Pi可能會(huì)使用0.5W
• 智能手機(jī)處理器可能使用1-3W物聯(lián)網(wǎng)網(wǎng)關(guān)（控制各種本地設(shè)備）可能是5-10W
• 一臺(tái)筆記本電腦可能需要50W一個(gè)不錯(cuò)的加密設(shè)備可能會(huì)使用1kW

創(chuàng)新正在改變功耗閾值。一些研究人員正在研究亞毫瓦視覺(jué)處理器，比如ARM的設(shè)計(jì)能夠在功耗極低的設(shè)備上運(yùn)行機(jī)器學(xué)習(xí)算法。

但也許最有趣的“邊緣設(shè)備”是未來(lái)的高端Nvidia Pegasus主板，針對(duì)自動(dòng)駕駛汽車(chē)。它是一臺(tái)500W的超級(jí)計(jì)算機(jī)。這可能聽(tīng)起來(lái)很大，但實(shí)際上還不到大多數(shù)汽車(chē)發(fā)動(dòng)機(jī)功率的1％。高端的特斯拉P100D以“l(fā)udicrous mode”為車(chē)輪提供超過(guò)500kW的功率，或1000x。汽車(chē)空調(diào)可能會(huì)使用2kW。

當(dāng)然，邊緣設(shè)備計(jì)算平臺(tái)有很多。當(dāng)我們擁有數(shù)十億的手機(jī)、數(shù)以億計(jì)的車(chē)輛以及個(gè)人電腦時(shí)，潛在的，我們也將會(huì)有數(shù)十億的傳感器，但大多數(shù)并不協(xié)調(diào)。

網(wǎng)絡(luò)中間層的功耗

在分布式計(jì)算中，接近網(wǎng)絡(luò)邊緣的一端是毫瓦，而在另一端，從設(shè)備到云有千兆瓦。那么網(wǎng)絡(luò)的中間呢？

很多公司都在談?wù)揗EC（多接入邊緣計(jì)算）和霧計(jì)算產(chǎn)品，服務(wù)器設(shè)計(jì)在蜂窩基站、網(wǎng)絡(luò)聚合點(diǎn)、固定網(wǎng)絡(luò)節(jié)點(diǎn)和其他地方運(yùn)行。

有些是“微型數(shù)據(jù)中心”，能夠在最大的蜂窩塔附近容納數(shù)個(gè)服務(wù)器機(jī)架。最大的可能是50kW的容器大小的單元，但這些是非常罕見(jiàn)的，并且需要專(zhuān)用的電源。

值得注意的是，典型的宏蜂窩塔可能具有1-2kW的功率。因此，如果我們考慮也許其中10％可以用于計(jì)算平臺(tái)而不是無(wú)線（一個(gè)慷慨的假設(shè)），理論上我們可以得到100-200W。或者換句話說(shuō)，一個(gè)蜂窩塔邊緣節(jié)點(diǎn)的功率還不到單個(gè)車(chē)載計(jì)算機(jī)的一半。

其他是較小的服務(wù)器單元，旨在連接到小型蜂窩、家庭網(wǎng)關(guān)、電纜街道側(cè)機(jī)柜或企業(yè)“白盒”，對(duì)于這些來(lái)說(shuō)，10-30W更合理。

想象一下2023年

想象一下未來(lái)5年，屆時(shí)，可能會(huì)有150GW的大型數(shù)據(jù)中心，加上相當(dāng)數(shù)量的中型區(qū)域數(shù)據(jù)中心，以及私營(yíng)企業(yè)設(shè)施。

我們可能擁有100億部手機(jī)、個(gè)人電腦、平板電腦和其他小型終端，為分布式邊緣做出貢獻(xiàn)，但顯然它們會(huì)在閑置模式下浪費(fèi)大量時(shí)間。我們也可能擁有1000萬(wàn)輛近乎自動(dòng)駕駛的車(chē)輛，這需要很大的計(jì)算量，即使不是完全自動(dòng)駕駛。

現(xiàn)在，假設(shè)我們有1000萬(wàn)“深度”網(wǎng)絡(luò)計(jì)算節(jié)點(diǎn)，在大大小小的蜂窩站點(diǎn)上，內(nèi)置到WiFiAP或控制器中，或者在電纜/固定的街邊柜機(jī)中。它們的額定功率可能在10W到300W之間，盡管很少有能夠達(dá)到300w的。大多數(shù)都選擇100W，以便進(jìn)行更簡(jiǎn)單的計(jì)算。（坦白地說(shuō)，這是一個(gè)慷慨的預(yù)測(cè)，但讓我們先看一下。）

我們添加20000個(gè)容器大小的50kW單元，或者重新設(shè)置中央辦公室作為數(shù)據(jù)中心。

換句話說(shuō)，我們最終可能會(huì)有：

• 150GW大型數(shù)據(jù)中心
• 50GW區(qū)域和企業(yè)數(shù)據(jù)中心
• 20000 x 50kW = 1GW大/聚合點(diǎn)“網(wǎng)絡(luò)邊緣”迷你DC
• 10m x 100W = 1GW“深度”網(wǎng)絡(luò)邊緣節(jié)點(diǎn)
• 1bn x 50W = 50GW的PC
• 100億x 1W = 10GW“小”設(shè)備邊緣計(jì)算節(jié)點(diǎn)
• 10m x 500W = 5GW的車(chē)載計(jì)算節(jié)點(diǎn)
• 100億x 100mW = 1GW的傳感器和低端設(shè)備

這是一個(gè)非常粗略的分析。許多設(shè)備大部分時(shí)間都處于空閑狀態(tài)，可能需要卸載功能以節(jié)省電池電量。筆記本電腦通常完全關(guān)閉。但同樣，網(wǎng)絡(luò)邊緣計(jì)算機(jī)也不會(huì)以100％，24x7運(yùn)行。

邊緣計(jì)算1％的計(jì)算能力

因此，在粗略的、數(shù)量級(jí)的水平上，樂(lè)觀地講，總體實(shí)際“網(wǎng)絡(luò)邊緣”占總的計(jì)算能力還不到1％。而悲觀的假設(shè)，它可能只有0.1％。

除非對(duì)網(wǎng)絡(luò)基礎(chǔ)設(shè)施的電力供應(yīng)進(jìn)行大規(guī)模升級(jí)，同時(shí)安裝5G的回程升級(jí)或部署FTTH，否則再也無(wú)法供電了。

基于區(qū)塊鏈的邊緣“霧”也不可能真正解決這個(gè)問(wèn)題，即使它們也使用分散的、基于區(qū)塊鏈的供電和管理。

這0.1%-1％的計(jì)算工作量將具有如此重要的作用，它們需要把所有的東西帶入其軌道和間接控制。 “邊緣”真的可以成為新的前沿嗎？

答案是并不能，實(shí)際上，情況恰恰相反的可能性更大?；谠O(shè)備的應(yīng)用程序會(huì)選擇性地把某些工作負(fù)載卸載到網(wǎng)絡(luò)，或者webscale云將分發(fā)某些功能。其中網(wǎng)絡(luò)邊緣是某些垂直或應(yīng)用程序的控制點(diǎn)。有些安全功能是有意義的，例如，如今CDN的演變。但I(xiàn)oT管理或AI會(huì)集中在這些邊緣節(jié)點(diǎn)上嗎？這似乎不太可能。

結(jié)論

未來(lái)，網(wǎng)絡(luò)邊緣計(jì)算架構(gòu)（如MEC）將變得更加重要。但盡管如此，他們的功能并不像炒作的那樣強(qiáng)大。

幾乎沒(méi)有應(yīng)用程序是僅在網(wǎng)絡(luò)邊緣運(yùn)行的，它將用于特定工作負(fù)載或微服務(wù)，作為更廣泛的多層應(yīng)用程序的子集，主要的計(jì)算還是在設(shè)備上或云上完成。因此，邊緣計(jì)算提供商和行業(yè)/網(wǎng)絡(luò)規(guī)模云之間的協(xié)作是必要的，因?yàn)榫W(wǎng)絡(luò)邊緣只是更大解決方案中的組件，并且很少是最重要的組件。

有一件事是肯定的：移動(dòng)運(yùn)營(yíng)商不會(huì)成為分布式“準(zhǔn)亞馬遜”，它們通過(guò)5G連接所有附近汽車(chē)或其網(wǎng)絡(luò)中的工業(yè)4.0機(jī)器人進(jìn)行圖像處理。

MEC節(jié)點(diǎn)可以批量托管Amazon Greengrass或其他功能，但很少有開(kāi)發(fā)人員希望在獨(dú)立的基礎(chǔ)上直接編寫(xiě)電信公司的分布式云API，無(wú)論是否有網(wǎng)絡(luò)切片或5GQoS機(jī)制。