什么是边缘计算架构

MEC是一种由ETSI定义的网络架构概念，能够在蜂窝网络边缘提供云计算能力和IT服务环境。它允许蜂窝运营商向授权的第三方（如应用开发商和内容提供商）开放其无线接入网络。

与MEC不同，雾计算是位于边缘计算和云计算之间的一个独立层，每一层都有自己的职责。雾计算通常被等同于较小规模的边缘计算部署，在大规模部署中，雾计算则充当中间层的角色。边缘计算侧重于靠近最终用户的服务器，雾计算则更加宽泛地定义为任何非传统数据中心的计算。

边缘设备或节点是指位于网络边缘的物理设备，如传感器、摄像头和数据采集设备等，用于采集或生成数据。这些设备是边缘计算架构的数据源头，为整个系统提供原始数据输入。

边缘计算硬件指的是部署在网络边缘的计算基础设施，如单板计算机和工业PC等。这些硬件为边缘设备提供就近的数据处理能力，减少了数据传输延迟和网络拥塞。

边缘软件和应用程序运行在边缘计算硬件之上，用于执行数据处理、分析和应用托管等任务。这些软件可以对采集的数据进行实时处理，提高响应速度。

边缘计算架构允许数据在边缘节点进行本地存储和处理，而不是全部传输到中央云端。这种就近处理模式可以显著提高响应时间，降低网络带宽需求。

有线或无线网络是边缘计算架构中不可或缺的一部分，用于连接边缘设备、边缘计算硬件和云端基础设施，实现数据的传输和交换。

云端基础设施为边缘计算架构提供集中管理和处理能力，处理那些无法在边缘节点完成的任务。它还负责存储和管理从边缘节点收集的数据。

为了确保边缘计算基础设施的安全可靠运行，需要配备相应的安全和管理工具，对整个系统进行监控和控制。

首先需要确定哪些应用程序和使用场景能从边缘计算中获益，例如物联网、自动驾驶和实时分析等对低延迟有严格要求的应用。然后根据这些应用的计算和存储需求，来确定边缘节点所需的资源。

边缘节点是分布在靠近终端用户的计算设备，可以是蜂窝基站、边缘设备或其他类型的计算设备。组织需要在适当的位置部署这些边缘节点，并确保它们与云端有安全可靠的数据传输通道。

为了有效管理分布在各处的边缘节点及其上运行的应用和服务，需要部署一个统一的编排系统。该系统负责应用的部署、更新、监控和故障转移等管理工作。

边缘计算架构引入了一些新的挑战，如可扩展性、安全性和故障管理。组织需要通过适当的调度技术、加密机制和容错措施应对这些挑战，确保系统的高效、安全和可靠运行。

边缘计算并不意味着完全脱离云端。相反，边缘节点和云端需要紧密集成，实现数据和计算资源的无缝流动。这样可以充分利用云端的海量存储和计算能力，同时获得边缘计算的低延迟优势。

边缘计算的分布式特性要求独立于云的特殊加密机制，以确保在不同分布式节点之间通过互联网传输的数据的安全性。这种加密机制对于保护数据在边缘设备和云之间的传输至关重要。

与传统的集中式顶层架构不同，边缘计算需要从集中式向去中心化信任模型的转变，以确保整个架构的安全性。这种去中心化的信任模型有助于减少单点故障，提高系统的整体安全性。

通过在边缘保留和处理数据，可以最大限度地减少向云传输敏感信息，从而增强隐私。数据所有权从服务提供商转移到最终用户也有助于提高安全性。

边缘设备通常资源受限，可能会限制可以采用的安全方法的选择。在考虑可扩展性的同时，还必须考虑安全性要求，这可能会引入节点间通信的额外延迟，从而减慢扩展过程。

边缘计算的分布式特性，将计算和数据存储更靠近终端用户，有助于减轻单个节点故障的影响。如果单个边缘节点发生故障，用户仍然可以通过连接其他可用的边缘节点而不中断地访问服务。

边缘计算系统必须提供故障恢复和事件告警的行为。每个边缘设备都必须维护整个分布式系统的网络拓扑，从而实现轻松检测错误和恢复。这使系统能够快速识别并响应故障，保持服务可用性。

边缘计算采用了先进的调度技术，可以提高边缘资源的有效利用率，并通过为每个卸载任务分配最小资源来扩展边缘服务器。这有助于确保即使在面临需求增加或部分节点故障的情况下，也有足够的资源来处理用户请求。

通过更靠近数据源进行处理和存储，边缘计算架构减少了对集中式数据中心和云基础设施的依赖。这有助于减轻网络中断或连接问题可能导致的运营中断影响。

边缘计算可以将分析资源部署在更靠近终端用户的位置，从而提高应用程序的响应能力和吞吐量，满足低延迟要求。这对于需要短响应时间的应用十分有价值，如物联网、自动驾驶和人工智能应用（如人脸识别）。边缘计算还可用于内容分发网络（CDN），在靠近用户的边缘服务器上缓存内容。

通过在数据源附近部署复杂的分析和AI工具，边缘计算可以提高运营效率。例如，可以在风力发电机中安装服务器和远程局域网，收集和处理其生成的数据。此外，边缘计算可用于边缘视频缓存，减少网络延迟，提高用户体验。

边缘计算可支持协作计算，如利用5G网络等移动边缘计算基础设施开发超低延迟应用。它还可用于联网汽车，在车辆上部署边缘服务器，实现快速的车载数据处理和车辆间通信。

在智能场所和智能企业中，边缘计算可用于自动化、数据收集、提高生产效率和实现快速的机器对机器通信。在医疗保健领域，它可用于本地存储患者数据，提高隐私保护。

边缘计算架构将计算能力部署在靠近数据源的位置，如物联网设备、边缘服务器等，从而减少了与云计算相比的延迟。它能够在请求发出的附近运行计算程序，提供快速响应，而不是在远程数据中心进行处理，对于需要即时数据处理的应用程序（如物联网、自动驾驶和人工智能感知应用）特别有利。相比之下，云计算架构依赖于集中式数据中心通过互联网提供IT服务和资源。文件和数据可以存储在云端，而不是本地设备。云计算架构通常由前端客户端与后端服务器通过网络进行交互。

边缘计算代表了向更分布式、去中心化的处理模式转变，计算能力更靠近终端用户。这与云计算的集中式模式形成鲜明对比，并引入了新的安全性和管理挑战。

尽管边缘计算和云计算可以互补，通过雾计算作为中间层，但边缘计算架构更侧重于将计算和存储资源分散部署，靠近数据产生和消费的位置，以实现低延迟和高可靠性。

边缘计算的分布式特性要求与集中式云计算不同的安全方案。不同边缘节点之间通过互联网进行数据传输时，需要独立于云的特殊加密机制。此外，边缘节点可能是资源受限的设备，限制了安全方法的选择。同时，边缘计算需要从集中式的自上而下基础架构转变为分散式的信任模型。

边缘计算系统必须考虑边缘设备的异构性，设备在性能和能耗方面存在差异。安全要求也可能引入节点间通信的额外延迟，从而减缓扩展过程。

保持边缘服务的可用性至关重要。如果单个节点发生故障，用户仍应能够无中断地访问服务。边缘计算系统必须提供从故障中恢复的机制，并向用户发出警报，这需要每个设备都能了解整个分布式系统的网络拓扑结构。

边缘设备如传感器和物联网设备会产生大量数据。将大量数据从边缘传输到集中式数据中心可能会由于带宽需求而导致高昂的成本。边缘计算模型通过仅将关键数据从现场发送到数据中心来解决这一问题，从而可能节省大量成本。