边缘计算的6个挑战

随着“万物互联”趋势的不断加深，一些创新型的应用（比如增强现实、无人驾驶等）对于时延提出了更高的要求。

虽然云计算为大数据处理提供了高效的计算平台，但是目前，网络带宽的增长速度远远赶不上数据的增长速度，网络带宽成本的下降速度要比CPU、内存这些硬件资源成本的下降速度慢很多。同时，复杂的网络环境让时延很难有突破性提升。从而，在即将到来的万物互联时代，传统云计算模式需要解决带宽、时延这两大瓶颈。

边缘计算通过把网络边缘上的计算、网络与存储资源组成统一的平台为用户提供服务，使数据在源头附近就能得到及时有效的处理，数据可以直接在离终端设备更近（相比于离云数据中心的距离而言）的地方进行分析等处理，而不是进入云端后再处理，从而可以降低时延。

这种模式不同于要把所有数据传输到（云）数据中心的云计算，避免了网络带宽与时延的“瓶颈”，引起了广泛的关注。

虽然这听起来像一个伟大的计划，但在充分利用边缘计算的优势之前，仍然必须解决一些严重的问题，比如下面的6个。

1、电源供给

为了实现以最佳状态运行，边缘数据中心必须能够在任何地方进行处理。不幸的是，世界上并不是每个地方都能够很方便地取电（获得电力供给）以支撑边缘计算服务器正常工作。

使边缘计算服务器实现“泛在”连接，说起来很容易，但是在把想法付诸实践时可能会困难得多。

2、位置

在实际的边缘计算中心部署方面，存在两个问题——可用的空间、物理环境。

“可用空间”方面：一些地区，比如大学校园，需要部署比服务于家庭住宅区域的服务器“农场”更多的处理器。所有这些处理都需要服务器，而这些服务器的部署，需要较多的物理空间，从而会引发物业协调较难等问题。

“物理环境”方面：用于边缘计算的服务器，对于部署环境也有较高的要求，在湿润、温暖、潮湿的地方都无法达到最佳的工作状态。在考虑部署这些服务器的位置时，工程人员必须考虑所有事情。

3、自我评估

已经得到部署的边缘数据中心，在实际投入运行后，就要对其进行运维。由于将来部署的边缘数据中心数量庞大，且位置分散，所以可以预见将来的潜在运维量将会很大。

当人们花费更多时间来修理某些东西而不是机器时，维护会导致问题。无论什么时候，服务器宕机对于边缘计算而言，都是非常糟糕的。因此已经有少数公司正在尝试研发这样的解决方案：使得相关智能设备及时预测到边缘计算服务器何时宕机，并能在服务器宕机后自动地修复它们——研发这种解决方案的初衷，就是尽量减小人为干预、提高边缘数据中心的运维效率。

如果让新的、处于同步实时工作状态的服务器处于待机状态来作为“热备份”，将会占用更多的物理空间来部署，但目前仍然是终极解决方案。

4、人工智能的应用

提前预测边缘计算服务器何时会发生什么类型的故障，与人工智能（AI）技术的应用有关。但这不仅仅是对于硬件的优化，而是要更为广泛地实现“边缘侧AI”，比如对于相应的流量数据，AI必须能够判断哪些信息重要、哪些信息不重要。

人工智能需要管理数据并实施自动维修，助力数据在边缘侧以及更远的云端上实现更快的处理。

5、安全

虽然“在边缘处理数据”对于所涉及的每个人来说都更安全，但这种技术并不像恶意软件那样简单。

此处所要提的问题是，如果边缘侧的数据被黑客入侵，那么处理数据的所有设备也会受到损害，从而导致比此前所预期的更大的风险。为了使边缘计算安全运行，需要对安全措施进行大规模的改造，但是这可能需要较多时间才能完成。

6、与5G的高效融合

5G网络是互联网和数据处理的未来，边缘计算是确保5G无缝工作的关键组成部分。问题是，边缘计算首先需要5G系统最佳地运行（小邮注：比如，把5G核心网的UPF（用户面功能）网元下移部署到边缘数据中心）。

以更快的速度，边缘计算可以与物联网（IoT）进行通信，并且可以同时考虑设备的时延，从而使得云端可以实现更好的处理和网络连接。

小邮补注：上述的6个挑战，更多集中于边缘计算的工程部署层面。而实际上，边缘计算还面临着技术研发方面的一些挑战。目前，关于边缘计算技术的研究才处于起步阶段，从实际应用方面，还有很多问题需要研究，包括如何实现灵活的多主体资源管理、如何对边缘计算应用进行移动性管理（以及对应的自适应快速热迁移方案）、如何设计真正适应边缘计算特点的虚拟化技术、在进行数据分析时如何权衡提取信息的价值量与时效性、如何开发可以适应边缘计算资源特性的编程模型等。

参考文献：

[1] Kayla Matthews. 6 CHALLENGES TO BE OVERCOME FOR EDGE COMPUTING TO WORK[EB/OL]. [2018-12-16].