5G移动通讯关键技术「边缘运算」 弹性解决云端服务传输瓶颈

2018/12/04 - 魏淑芳

「边缘运算」近年陆续成为IT界热门话题，除了Amazon、Microsoft相继推出对应Edge Computing产品与技术方案，ERP商用软件巨头SAP亦投注钜额资本购并IoT发展平台PLAT.ONE，也计划透过新整合公司扩展边缘运算应用…

随着云端服务日趋成熟，目前在线主力云端服务大厂纷纷看准下一代扩展云服务的边缘运算(Edge Computing)新技术方案，因为纯粹将应用或服务移转到云端还须面对应用的限制，未来在IoT趋势下的物联网应用潮流，必须能将应用服务布建在更接近终端用户的周边设施或网通设备，才能就近掌握未来的云应用商机。

发展边缘运算，电信业动作积极

其实电信服务业者，是较早嗅出Edge Computing应用商机，较云端服务厂商陆续投入Edge Computing之前，在电信运营商、通信设备商早已将相关应用或基础设施朝Edge Computing概念进行部署，也就是说在主要连接云或主要网通服务的设备端、透过设置一中介服务器将后端网络数据先行导入服务器进行预处理，相对珍贵的无线网通或是高速网络资源就能用来传输更精简、已有初步处理汇整结果之运算数据，透过这类移动边缘运算(Mobile Edge Computing；MEC)将让无线网络或是高速网络更能维持最佳服务状态，MEC的相关概念与技术成效，也广泛导入如企业大型网络服务、医疗、健康、视讯等需大量数据传输的网通业务方面。

Linux基金会也看准边缘运算趋势，决定成立新专案推动边缘运算应用，建构通用IoT应用场域的边缘运算框架，此计划已吸引Dell、VMware、AMD...超过50家软/硬件厂商加入该计划。而在Linux基金会边缘运算计划之前，网通厂商Cisco也看准市场方向成立OpenFog联盟，有趣的是OpenFog联盟采行雾运算(Fog Computing)与现有边缘运算区隔，凸显其相较边缘运算架构，更重视云端和雾运算间的垂直互通整合，OpenFog联盟目前已有ARM、Dell、Intel、Microsoft、Foxconn、GE、AT&T等业者加入。

边缘运算就近提取资源，具效率、效益双优势

检视「边缘运算」概念，简单来说就是一种就近运算的分散运算概念，即为将运算设置于更靠近数据源所在的Local Network内进行分析、运算，而不像以前集中式地将终端大/小数据皆传回云端进行分析，如此一来便可减少原始数据于云端与终端间往返的传输/等待时间，并可大幅压低运算服务的网络带宽成本。

基本上边缘运算通常采设置于本地端、云端两处交界的区块进行数据分析/运算处理，即相较云运算会更接近数据进出的区网位置，透过将运算环境设置于本地端、同时既可靠近云端边界附近就近衔接服务，在概念上取得效率与效益上的优势。

边缘运算架构提供IoT应用更多综效

以现有的新创应用检视，边缘运算更适合用来部署如AI、AR/VR、自动驾驶车等新创应用。因为如AI、自动驾驶车等应用，通常需要在用户终端预先进行大量数据采集、分析、运算，若将采集数据全数传回云端进行分析，前端应用很可能因为数据传输效能而影响使用体验，若能采如边缘运算架构进行整合，即可将原始采集数据先经由近端的运算架构先行分析与处理，再将关键信息数据透过云端系统进行最终分析与决策，让整体系统的反应效能进一步提升，甚至可以降低终端设备介接云端决策的传输效能瓶颈问题。

特别是在无人机、AR/VR等新兴IoT应用场域，前端设备的采集信息量往往超过云服务可处理的实时传输、实时回传的效能要求，系统对网通低延迟与高频传输的高带宽要求极高，系统整合后的整体服务回应时间通常需在数十毫秒内完成，若无边缘运算整合，系统反应时间可能会高于数百毫秒反馈延迟表现，直接影响服务品质。

透过多元终端参与运算，架构弹性更大

另一个角度观察，边缘运算采用在接近数据源的区域网络内进行初阶运算，可以在配置上采取使用一部大型设备或是数个中/小型设备组合的本地端网络内运算，这类单点的运算节点可以是IoT设备本身、或是智能手机，或是终端自助设备等，正因为设备距离数据源有物理上的距离优势，组构的网络可以是Wi-Fi或是蓝牙无线通讯方案，传输效能会比整包数据传送至云端处理的系统反应速度更快速。

相同的概念其实在早期网络配置的闸道器(Gateway)设备，也是概念十分接近边缘运算的网络设备，但相较早期仅用来撷取、提取传感数据或转发数据用途的闸道器，新一代边缘运算设备会比一般闸道器更具智能运算功能，除可撷取信息、分析信息外，亦可处理周边IoT设备转发来的数据预先进行处理、分析，如果边缘运算设备本身的运算效能有余裕，甚至可以主动判定在区域内自行运算产出结果，而不必再耗费时间将初步运算传回云端、经过云端主机处理后再回传结果，可以为系统榨出更多运算效能。

从前面提到的几种边缘运算逻辑，其实可以发现，边缘运算可以说跟传统云架构最大的不同处在于，边缘运算可以算是接近终端的分散式运算架构，可将分布于终端的数据数据预先在近端设备/设施中进行处理，而不用透过各种传输渠道将最终端的数据传回云才能计算成果，如此一来系统反馈会更快，甚至在云端无网络状态时，在近端系统就能完成基本数据处理，降低云端运算环境的依存关系。

云端服务、软/硬件厂商相继投入边缘运算

随着IoT与各种新创服务部署需求，边缘运算的重要性也越来越高，以前重点投入云端服务的大型厂商，也纷纷重点投入边缘运算方案，如Amazon、Microsoft等云服务业者，也纷纷押宝边缘运算商机。Amazon就发布多款非云端的解决方案，例如，可让云端Lambda程序能在AWS环境之外的边缘环境运行的Lambda@Edge方案；还有可将无服务器运算服务也能带到IoT设备之内的AWS Greengrass；Amazon具备储存、运算的数据储存装置AWS Snowball Edge，透过内建Lambda环境做为离线使用，可于云端资源无法连结情境下，程序亦可以转移至本地端接手继续执行。

Microsoft则推出主攻边缘运算的非云端产品，例如Azure的串流分析工具在原本的云端串流分析服务之外，现在也推出能在本地端使用的版本，透过终端直接采集的数据就近分析串流数据，加快对网络中的异常事件预警反应效能。在网通硬件厂商方面，Cisco则与商用分析软件业者SAS合作，预计将商用分析应用技术整合至边缘运算硬件装置之内，让边缘运算装置也能具备商业分析能力。


图说：运用边缘运算，可有效提升IoT或大型云系统的处理效能，提升使用体验。(Intel)


图说：边缘运算透过更接近数据源的运算资源，甚至连移动终端都能当作整体运算资源的一部分。(SpiderCloud Wireless)


图说：AWS Snowball Edge是内建储存和运算能力的装置，可协助终端应用扩展云服务资源。(Amazon)