邊緣計算撲面而來

2018年即將過去，在年末我們回首IT行業(yè)的技術熱點時，在業(yè)界的眾多關注技術熱點之中，邊緣計算也是如此耀眼的那一個，令人難以錯過。假若數(shù)年后再次回首，你將不得不承認，2018就是邊緣計算廣泛進入公眾視野并快速發(fā)展的一年。

在這一年里，咨詢和評論機構(gòu)對邊緣計算可以說是不吝筆墨。其中IDC給出了一些精確描述性的信息：“邊緣計算是微型數(shù)據(jù)中心的網(wǎng)狀網(wǎng)絡，在本地處理或存儲關鍵數(shù)據(jù)，并將所有接收到的數(shù)據(jù)推送到中央數(shù)據(jù)中心或云存儲庫，其覆蓋范圍不到100平方英尺”，不僅定性圈定了邊緣計算所處的位置，還定量給出了離數(shù)據(jù)發(fā)生地的距離數(shù)字；相對IDC這段充滿術語的描述，Ganter的副總裁兼分析師Dave Russell的定義更加文藝范：“邊緣計算就是現(xiàn)實與數(shù)字的交互之處”。

通常評測機構(gòu)對技術發(fā)展看得更早一些，而評判一個技術趨勢是否正在成為大潮，不妨去觀察業(yè)界廠商是否真正開始有所舉措。而當我們深入探究，令人驚訝地發(fā)現(xiàn)產(chǎn)業(yè)鏈上的頭部廠商們幾乎都有所動作，涉及廠商范圍之廣，以近年的一個流行詞匯“從芯到云”正好可以描述這種情況。

芯片廠商的領頭羊Intel在2018年2月份推出的Xeon D-2100系列處理器，基于最新的Skylake架構(gòu)，明確指明了面向邊緣計算和其他一些受限應用場景，這些場境對密度和能耗都更為敏感。ARM幾乎同時推出了“Trillium”項目，包括一系列特別設計優(yōu)化的處理器，提高邊緣設備的機器學習、人工智能和目標檢測能力。AMD也在18年推出了兩款嵌入式處理器，分別是EPYC 3000以及Ryzen V1000，采用“ZEN架構(gòu)”，依然是瞄準邊緣計算。

系統(tǒng)廠商介入邊緣計算大部分都是通過超融合產(chǎn)品，這類產(chǎn)品多針對缺乏IT技術支持的分布式邊緣環(huán)境，在一個統(tǒng)一解決方案中提供多種功能，包括計算、存儲和網(wǎng)絡資源以及管理軟件和其他功能的一體化集成。設計上注重密集度，低能耗和低成本且易于管理。例如惠普宣布接下來4年將在邊緣計算領域投資40億美元。該公司的Edgeline Converged Edge Systems系統(tǒng)正是一個面向邊緣計算的拳頭產(chǎn)品，目標客戶是那些希望獲得數(shù)據(jù)中心級計算能力，且通常在邊遠地區(qū)運營的工業(yè)合作伙伴。這個系統(tǒng)明確提出在不依賴于將數(shù)據(jù)發(fā)送到云或數(shù)據(jù)中心的情況下，為工業(yè)運營（比如石油鉆井平臺、工廠或銅礦）提供分析計算能力。

思科通過HyperFlex超融合系統(tǒng)來支持多種云和邊緣環(huán)境，這個系統(tǒng)集合了之前的統(tǒng)一計算系統(tǒng)(UCS)、Nexus網(wǎng)絡交換機以及去年該公司收購的Springpath的軟件，強調(diào)了敏捷性和適應能力。

VMware是另一家高調(diào)宣布支持邊緣計算的公司，它主要是基于自己現(xiàn)有的技術，比如vSAN超融合存儲，vSphere和VMware的Pulse IoT Center，Pulse IoT Center為邊緣系統(tǒng)和網(wǎng)關提供管理、監(jiān)控和安全，以及傳感器等連接設備。在今年上半年的MWC全球移動通信大會發(fā)布了一系列三個邊緣計算解決方案，其中的首要方案正在努力將超融合基礎設施（HCI）引入邊緣位置，將使用VMware Pulse IoT Center和HCI工具，在邊緣對由物聯(lián)網(wǎng)設備收集的傳感器數(shù)據(jù)進行實時分析。

老牌的互聯(lián)網(wǎng)和云廠商也都令人驚訝的大力推動邊緣計算，當然首先是云端能力向編譯輻射。例如AWS推出的 Greengrass服務將AWS擴展到設備上，這樣它們就可以“在本地處理它們所生成的數(shù)據(jù)，同時仍然可以使用云來進行管理、數(shù)據(jù)分析和持久的存儲”。 而微軟在這一領域計劃在未來4年內(nèi)大幅投入，在邊緣計算，物聯(lián)網(wǎng)領域?qū)⑼度?0億美元。同時他們已經(jīng)發(fā)布了Azure IoT Edge解決方案，“將云分析擴展到邊緣設備”，支持離線使用。希望聚焦于邊緣的人工智能應用。谷歌軟件硬件同步進行，包括硬件芯片Edge TPU和軟件堆棧Cloud IoT Edge。谷歌表示，“Cloud IoT Edge將谷歌云強大的數(shù)據(jù)處理和機器學習功能擴展到數(shù)十億臺邊緣設備，例如機器人手臂、風力渦輪機和石油鉆井平臺，如此它們就能夠就近對終端設備的大量傳感器返回的數(shù)據(jù)進行實時操作，并在本地直接進行結(jié)果預測。

邊緣計算把原本打算在云中心進行的存儲、數(shù)據(jù)處理?/?預處理、簡單分析工作分擔給邊緣節(jié)點去做?，這種方式，一方面能夠有效幫助云中心緩解壓力，同時提高系統(tǒng)的容錯能力，在部分節(jié)點出現(xiàn)異常的時候仍保證其他部分功能可以正常使用，不再“牽一發(fā)而動全身”。另一方面能夠提高響應用戶的速度，在一些關鍵應用上提供更好的用戶體驗。

邊緣計算和云計算在某種視角上看有點像蹺蹺板的兩端，一頭是集中，一頭是分布。云計算進入主流視野已經(jīng)有10年以上了，從本質(zhì)上看還是大集中——將計算存儲能力都集中到云端統(tǒng)一處理，用戶或者終端能做的事只剩下連上去使用。而?邊緣計算的主要思路還是把工作切分并分布出去，能夠完成工作的部件或子系統(tǒng)直接放在網(wǎng)絡的邊緣?，?就近處理?。實在無法就地完成的工作任務再拉回云端統(tǒng)一處理。使用邊緣計算的系統(tǒng)設計的一個核心思想在于讓計算靠近數(shù)據(jù)；如果以物聯(lián)網(wǎng)應用為例，大量的物聯(lián)網(wǎng)設備在把數(shù)據(jù)傳輸上傳到云端之前，會經(jīng)過一個由一定數(shù)量的邊緣節(jié)點組成的邊緣層。這些?邊緣節(jié)點?具有一定的數(shù)據(jù)存儲能力、計算能力和應用分析能力，會把位于邊緣局域網(wǎng)當中的設備信息經(jīng)過篩選過濾、分析匯總之后再經(jīng)由廣域網(wǎng)交給云中心處理。而大量只需要在設備之間通信即可完成的工作，就不需要再傳輸給云中心，只需要在邊緣層上處理即可。

為何我們需要邊緣計算？美國前總統(tǒng)克林頓，在1992年美國總統(tǒng)大選時曾有一句名言——“笨蛋，根本問題是經(jīng)濟!” 有人認為他是因為這句話戰(zhàn)勝對手老布什而當選，可能有點夸大，但他的確一針見血找到了根本問題所在。在這里我也想引用這個句式，“是的，根本問題是網(wǎng)絡”。云計算之后再提邊緣計算的根本原因剖析到底還是網(wǎng)絡，之所以云計算無法全盤通吃所有的IT系統(tǒng)，網(wǎng)絡帶寬的限制，特別是網(wǎng)絡時延的難以消除，是橫亙在前的巨大鴻溝。并非所有的應用都是所謂“云原生”，大量的應用系統(tǒng)仍然分散部署在各處，離云端數(shù)據(jù)中心很遠。尤其是一些需要實時響應的系統(tǒng)，例如自動駕駛，不可能每一個操作都等待千里之外的云端數(shù)據(jù)中心發(fā)回的反饋，數(shù)據(jù)一個來回加上處理的時間，車子可能就已經(jīng)錯過路口或發(fā)生事故了。

而邊緣計算的出現(xiàn)能夠大幅減少到云端的數(shù)據(jù)傳輸量，減少了網(wǎng)絡限制，而最關鍵的是提供了更好的實時響應能力。當然衍生開來闡述的話，由此還降低了時間成本和大量數(shù)據(jù)傳輸和存儲的資金成本。

超融合現(xiàn)狀

回到HCI超融合，這是一個已經(jīng)出現(xiàn)了3年多的技術，經(jīng)過這些年的發(fā)展，從Gartner的技術成熟曲線上看，超融合技術明顯已經(jīng)越過了最受關注的頂點，將在2-5年內(nèi)進入平穩(wěn)期。

從我看來，而今年最大的新消息是超融合技術分家，原本的定義里是“集成系統(tǒng)：超融合（integrated systems:hyperconvergence）”分成兩個技術名詞

超融合系統(tǒng)HCIS（hyperconverged integrated systems） 超融合基礎設施HCI（ hyperconverged infrastructure）。

主要區(qū)別在于產(chǎn)品技術形態(tài)，HCIS是以硬件為中心，使用專有的優(yōu)化硬件，而HCI則以軟件為中心，硬件上采用通用設備。大部分的廠商還都是兩者兼顧的，既有HCIS也有HCI產(chǎn)品，例如Nutanix/Dell EMC/HPE(SimpliVity)/Pivot3/華為/H3C/等。而只有HCI(軟件)的代表廠商相對少一些，例如VMware /Microsoft/ Stratoscale/SmartX。（我猜想這個拆分和老牌重量級軟件廠商MicroSoft的加入會不會有關系？不得而知。）

超融合發(fā)展已經(jīng)有一些時間，曾經(jīng)有些爭議和關注點現(xiàn)在業(yè)界也有了共識，例如數(shù)據(jù)路徑引發(fā)的關于真?zhèn)纬诤系臓幾h，超融合最核心的和關鍵的難點技術在于SDS軟件定義存儲實現(xiàn)的優(yōu)劣等等，甚至關于產(chǎn)品形態(tài)也出現(xiàn)了很多新東西。

最初關于產(chǎn)品的標準化業(yè)界是一致認可的，所有的節(jié)點硬件都是一個統(tǒng)一規(guī)格，2U或1U的X68兼容硬件，多個多核CPU，大內(nèi)存，SSD+HDD的內(nèi)置存儲。但到三年后的今天，除了標準化設備，漸漸很多廠商支持不同定位的節(jié)點，比如偏計算的節(jié)點和偏存儲的節(jié)點。

例如提供更大容量的“存儲型超融合產(chǎn)品”，單臺設備提供0.5PB～1PB左右的容量，滿足一些海量數(shù)據(jù)要求的應用場合。再有基于ARM架構(gòu)的超融合產(chǎn)品，在基本體系架構(gòu)上有別于X86的硬件，然而實現(xiàn)的功能相差無幾，在能耗和計算核心提供數(shù)量上更有優(yōu)勢。再就是精簡型的超融合產(chǎn)品，特殊定制更小體積，無風扇等機械部件，抗震可靠，甚至有額外增添的GPS定位等特殊功能。當然還有不少面向AI機器學習的超融合產(chǎn)品，支持GPU，TPU和TensorFlow/Caffe等AI典型計算框架的產(chǎn)品

而處于2018年底的今天，我們不僅要看現(xiàn)狀，超融合的未來發(fā)展方向更加值得關注。有典型的幾個發(fā)展方向如下：

首當其沖的是超融合和云的相愛相殺，我們看到一些廠商就直接以超融合直面競爭私有云，甚至在項目里也不做嚴格區(qū)分，但技術上講，更適合的未來應該是混合云的場景；如何實現(xiàn)更強大的功能，如何適配于多云環(huán)境，這是超融合下一步發(fā)展的重要方向。

另一個發(fā)展方向是處于風口浪尖AIOps，人工智能化運維。超融合基礎架構(gòu)上搭載的系統(tǒng)和工作負載越來越復雜，很多關鍵應用也加載上來，對復雜系統(tǒng)的適應能力和本身的高可靠甚至是自愈能力都顯得更加重要，如何導入AI幫助更好的運維，以達成前述的能力，必然成為超融合系統(tǒng)是否能進入大型部署規(guī)模的一個關鍵點。

最后一個非常值得關注的方向無疑是邊緣計算，精簡型的超融合系統(tǒng)是非常適配的選擇。我們接下來將重點討論。

邊緣計算呼喚超融合

在前面我們已經(jīng)討論了邊緣計算興起的根本原因，當由于網(wǎng)絡限制和巨大數(shù)量導致的計算處理能力前移，我們會發(fā)現(xiàn)最迫切的需求是處理能力和存儲資源，而且需求量很大，當然還需要數(shù)據(jù)分析工具，將軟件和數(shù)據(jù)推送到邊緣的工具，以及跨邊緣與集中式云聯(lián)合起來的方法，甚至需要在邊緣本身處的機器學習。

這一切的一切都清晰地指出，邊緣需要一些更加強大的基礎架構(gòu)能力。

我們認為，超融合適合邊緣計算有以下三個理由

滿足新邊緣節(jié)點的定位, 邊緣計算讓計算靠近數(shù)據(jù)，數(shù)據(jù)處理應用，分析應用軟件都將部署到邊緣，超融合可以為邊緣節(jié)點提供更強大的性能和存儲空間。 HCI完全虛擬化的廣泛兼容應用軟件，擁有合理存儲能力、計算能力和彈性擴展能力，可以滿足更多系統(tǒng)搭載的需求。 滿足邊緣計算的受限環(huán)境 邊緣的工作環(huán)境條件低于IDC，空間，能耗，維護便利性都不樂觀。 精簡型HCI更小尺寸，占用空間小，功耗更低，散熱要求更低，模塊化快速部署能力，遠程管理能力。 大幅提升中的性價比 邊緣計算規(guī)模大，大批量的采購場景中，性價比必須考慮 HCI的硬件正變得更強勁，價格同時也在下降 同時，超融合架構(gòu)相比傳統(tǒng)系統(tǒng)，是一個“預處理”好的模塊化基礎架構(gòu)，省掉很多逐個項目設計部署的工作，而以最適合應用程序的標準化形式創(chuàng)建一致的范例和環(huán)境來運行工作負載。如今許多邊緣工作負載都在Linux或VM上運行，基本可以無縫遷移到超融合基礎架構(gòu)。

而關于超融合產(chǎn)品在邊緣計算里出現(xiàn)的形態(tài)，目前看和普通的超融合產(chǎn)品還是有所區(qū)別的。目前超融合集中部署的情況還是比較多，很多都部署在大型企業(yè)用戶IDC或者云服務商IDC里。而針對邊緣的使用場景，更合理的形態(tài)是精簡加固型硬件平臺，具有小尺寸，低能耗，高可維護性和安全性的特點，同時還具有其他附加特性，如GPS/加密/自毀等標準產(chǎn)品上不會出現(xiàn)的功能。同時它必須具有完整系統(tǒng)的兼容性，具有相對完整的OS平臺，能夠搭載大多數(shù)的基礎數(shù)據(jù)分析平臺。

典型應用場景

最后我們來看一些實際出現(xiàn)的行業(yè)應用，在邊緣計算的很多場景都可以部署超融合，例如能源行業(yè)的石油鉆井平臺，安防監(jiān)控行業(yè)的人臉識別比對，遠洋貨輪的綜合系統(tǒng)和各子系統(tǒng)，環(huán)保行業(yè)的水文信息監(jiān)測，氣象行業(yè)的遙感云圖，交通行業(yè)的無人駕駛，大型客機機載系統(tǒng)和軌道交通的車載各類系統(tǒng)。

我們以火車的車輪平衡系統(tǒng)的工況監(jiān)控系統(tǒng)為例，已經(jīng)部署下去的大量傳感器能夠不停收集數(shù)據(jù)，如果工程師想要了解最近三個月傳動系統(tǒng)，火車車輪和剎車系統(tǒng)運行得怎么樣，最近工況如何，未來兩周內(nèi)是否需要維修或者替換，他就得使用歷史累計的傳感器數(shù)據(jù)，利用專業(yè)分析預測軟件來評估相關零部件是否需要維修。

現(xiàn)在數(shù)據(jù)有了，而在何處進行后續(xù)處理分析就是一個問題？這種情況下，使用超融合的架構(gòu)在邊緣完成數(shù)據(jù)處理，就是一個非常適合的方案。短期分析可以就地進行并很快返回，而避免了每次從不同地點把大量采樣數(shù)據(jù)完全返回到一個千里之外的云端數(shù)據(jù)中心處理，并等待返回結(jié)果。雖然這一應用場景并不要求秒級或是分鐘級響應，但系統(tǒng)仍然需要在一個限定的時間窗口（例如8小時/12小時/24小時）計算完成并做出相應反饋，這其實對計算還是有實時性的剛性需求。

使用邊緣計算超融合的方案，大數(shù)據(jù)的分析過程可以在給定的時間窗口內(nèi)實現(xiàn)，精簡加固型的超融合系統(tǒng)也能夠適應部署的糟糕環(huán)境。

其實這一類的物聯(lián)網(wǎng)應用，感應器產(chǎn)生數(shù)據(jù)量其實非常巨大，例如龐巴迪的C系列飛機，在12小時的飛行過程中會產(chǎn)生844TB的數(shù)據(jù)量。

如果不能就近處理，通常這樣的原始數(shù)據(jù)要么丟棄，要么得等待緩慢的數(shù)據(jù)傳輸轉(zhuǎn)移的過程和占用云端大量的存儲計算資源以完成相關分析。

如果最終的應用是一個大數(shù)據(jù)的分析，部署到邊緣的超融合節(jié)點至少可以完成第一步的數(shù)據(jù)清洗，節(jié)省大量的低信息含量的原始數(shù)據(jù)傳輸成本。

總結(jié)一下，這類系統(tǒng)有幾個典型的需求特征如下

無須分秒必爭，但確定時間窗口 數(shù)據(jù)種類多，數(shù)量大。 算法不復雜，非計算密集型 利用精簡型超融合搭建邊緣計算平臺可以提供幾個明顯優(yōu)勢點 更高可靠性硬件設備 更強數(shù)據(jù)存儲能力，保存更多原始數(shù)據(jù) 全虛擬化計算能力，部署分析應用，在給定時間點即可完成短期分析，不需完全返回中央云

Gartner預測到2022年，所有企業(yè)將有75％全面展開邊緣計算戰(zhàn)略，而到2018年底，這個比例還不到10％。在未來三年邊緣計算大行其道的時刻，我們相信超融合基礎架構(gòu)能夠幫助大家應對在這一全新領域要解決的許多新挑戰(zhàn)，一些剛性需求諸如小尺寸，低能耗，極簡部署，易于管理和維護性等能夠得到滿足，有力支持邊緣計算發(fā)展。