边缘计算,为什么一定会迎来大爆发?

2022-01-20 14:24:59 浏览数 (1)

导读:边缘计算可能会是算力的最终形式。

作者:赵志为 闵革勇

来源:大数据DT(ID:hzdashuju)

以满足无处不在的高质量运算为最终目标,需求与成本的博弈不断颠覆计算机软件服务的形态架构,并逐步形成了我们当前所讨论的边缘计算模式。

如果我们从“计算任务在何处完成”这个角度来看待计算形态,那么可以看到历史上计算形态经历了几次重要变化,即先是任务汇聚到大型机上集中处理,而后分散到用户终端设备处理,再然后相当一部分的计算任务重新汇聚到云计算中心处理。

如前所述,这一变化过程的影响因素相当纷杂,如硬件成本的降低、计算需求的提升、通信网络的飞跃、传感器技术的丰富等。而究其本质原因,则是人类对计算形态或者说计算方式的需求,即“无处不在的高质量计算服务”:既要无处不在,又要保障服务质量。

“无处不在”需要通过各式各样的网络通信技术、嵌入式技术来实现,“高质量”则需要通过计算机软硬件技术的不断迭代来实现。

接下来我们从计算形态的变化趋势上分析边缘计算为何出现,又是如何出现的。

图1-4是计算形态不同阶段的计算与通信成本的对比示意图。图中虚线圈标记的位置是本地计算成本与通信成本的翻转点,这些翻转点伴随着计算模式的变革。

▲图1-4 网络计算形态的发展历程

如本地计算成本低于通信成本时,计算模式由分时共享的方式迅速转变为本地计算的方式(第一个翻转点)。

当网络技术的发展使得通信成本再次低于计算成本时,开始出现由本地计算向云计算的过渡,并且随着通信成本的不断降低,越来越多的计算需求由本地转到云端(第二个翻转点)。

随着以苹果手机为代表的智能手机的快速发展迭代,以及以3G/4G为代表的移动通信技术的普及,云计算模式得到了进一步强化;然而,随着各类新型的、要求更高的计算业务(如AR/VR)的出现,对很多计算任务而言,本地计算成本再次低于云计算成本(第三个翻转点)。

5G/6G通信技术的出现,则再次大幅拉低了通信成本,使得这些新出现的复杂任务可以使用远程的方式来执行,并形成了边缘计算的模式。

可以看到,几个阶段的共同特征是不断地将硬件负担远离用户,不断地将计算服务贴近用户,用户既要“无处不在的高质量服务”,又要“不承担额外的软硬件开销”,这也是计算形态变化的内在逻辑。按照计算模式的变化,我们将网络计算形态大致分为以下三个阶段。

01 第一阶段:共享计算模式

在共享计算模式中,由于大型机的计算成本过于昂贵,普通用户无法负担,因此通过分时系统批处理、ARPANET等方式将用户任务汇聚到大型机上进行集中处理。这一过程与现在的云计算很类似,但是任务传递和任务计算的过程均十分低效。此阶段形成的重要原因是任务传递和通信的成本要显著低于用户本地配备一台大型机的成本。

随着集成电路技术的快速发展,个人计算机的出现使得计算形态从“共享计算”的方式快速进入“本地运算”的形态,即多数消费者计算任务在其个人计算机上进行处理。这一变化的直接原因是硬件成本的大幅降低和人们对计算要求的逐步提升。

02 第二阶段:本地计算过渡到云计算

随着通信网络技术的发展,计算形态逐步走向了“将一切交给网络”这条路。伴随着窄带互联网、宽带互联网以及移动通信网络的出现,部分数据开始通过Web的方式共享,一些数据量较小的信息系统(如电子邮件)也开始通过Web服务器的方式提供服务。此时,以文本为主的低数据要求的数据共享和计算服务开始从本地走向服务器端。

随着光纤宽带网络和3G/4G技术的进一步普及,以及以智能手机为代表的移动智能设备的出现,越来越多数据量较大的计算任务开始从本地走向云端,如音视频多媒体业务、直播业务等。此时仍有相当一部分对于计算实时性要求较高的计算业务(如高画质3D游戏)需要在本地执行,这是由于本地计算的延迟要小于通过网络传输的延迟。

在第二阶段,一个显著特征是随着用户需求的不断提升,计算成本和通信成本交替成为成本瓶颈,导致越来越多类型的计算任务被转移到网络当中,从而在整体上形成了“本地与云计算混合”的计算模式。

03 第三阶段:云计算到边缘计算

随着5G/6G技术的到来,通信延迟和通信速率的性能表现再次迎来成倍的提升,与此同时,集成电路进入了“后摩尔时代”,在本地计算环境实现成倍的性能提升变得越来越困难。这使得在完成一个计算任务时,远程计算成本显著低于本地计算成本。

这一成本差异有可能会持续数年,伴随着更多类型的需求进入计算机世界,越来越多的本地计算将从本地转移到服务器上,直至出现大量足够复杂的计算任务,使得通信成本再次成为任务执行的瓶颈。

这一阶段的关键技术是边缘计算,也必然是边缘计算的形式。这是由于:

  1. 超低的网络通信延迟一方面是通信技术的革新,另一方面也是由于用户和服务器之间的距离被拉进。
  2. 随着物联网技术的爆发,计算需求持续指数级增长,将全部的计算和数据均交由集中式的云计算中心来处理既不合理也不现实。而边缘服务器则扮演了“分布式迷你云计算中心”的角色,通过广泛的边缘服务器的部署承接绝大部分计算任务。很多前沿研究用“雾计算”来定义这一形态,本质上与边缘计算是同一思想。

这一阶段中,用户设备仅保留传感与通信的硬件模块,所有的计算任务、数据访问任务等均交由边缘服务器进行。

04 为什么一定是边缘计算

接下来我们通过标志性的技术驱动过程,再来理解“网络化计算服务”是如何一步步发展到边缘计算形态的。

如果我们关注计算需求(或者说计算完成的过程)在边缘设备和计算中心分布情况,可以看到自计算机出现以来,越来越多的计算任务通过网络化的方式来执行。图1-5展示了驱动网络化计算服务不断演进并成形的关键技术,从中我们可以观察到边缘计算背后的技术必然性。

▲图1-5 边缘计算出现并成形的关键技术驱动过程

伴随着硬件能力与计算需求的发展,网络化计算服务的形态也不断地发生进化,从多用户分时批处理的方式逐步发展到边缘计算的形态上来。

  • 具体而言,最初的网络计算可以看作是通过低效的传输方式(卡带、软盘等形式)将任务集中到中心化的大型计算机上进行处理;
  • 随后在个人计算机和宽带网络逐步普及后,开始出现以Web服务为代表的网络化服务;
  • 伴随前端技术的发展和网络速率的进一步提升,更加复杂的计算任务可以通过网络计算的形式来解决,也导致网络化计算形式从单向转变为接近于本地程序的网络应用形式;
  • 进一步地,随着智能手机和3G/4G移动网络的到来,网络化计算服务进入到云计算的模式;
  • 而随着物联网和5G/6G时代的到来,网络化计算机服务将快速进入到边缘计算的模式,为智能万物提供无处不在的算力服务。

1. 传统集中式云计算方式不可持续

在云计算时代,数据的集中导致了计算的集中,海量用户的数据集中在少数云计算服务器上,使得计算随之迁移到云计算中心。而随着智能化、嵌入式设备的发展,越来越多的设备开始接入网络,产生无处不在的计算需求,这使得网络带宽逐渐成为服务瓶颈,为计算过程带来不必要的延迟开销。

前端智能设备涌现的各类超低延迟服务,由于云计算的广域网传输延迟而无法被满足;不仅如此,所有数据汇聚到少数的云计算中心,在增加网络的流量承载压力的同时,也造成了大量的能源浪费。

2. 摩尔定律已经失效

想要达到“无处不在的高质量运算”,广泛铺设的算力网络并非唯一思路。

特别是当我们回顾过去几十年的计算机发展历程,在最理想的状态下,只要计算机一直沿着摩尔定律发展下去,硬件最终会变得非常小,而算力却又特别强,加之近年来能量采集(Energy Harvesting)技术的发展,可以做到随时具有充沛的能源、算力和通信能力,从而形成无处不在的高质量运算。

但随着半导体制程逐步逼近原子半径,量子计算又暂时无法实现实用系统,边缘计算就成了唯一选择——广泛、大规模地部署算力,将物理环境改造为“算力场”,从而使得身处其中的用户可以享受无处不在的高质量运算服务。

3. 历史机遇:5G与物联网的需求形成合力

一方面,海量的物联网设备产生的计算需求逐渐无法被满足;另一方面,计算服务质量的要求也使得通信网络不堪重负,网络传输延迟成为计算服务的性能瓶颈。

两方面的共同需求,使得将计算下沉到网络边缘成为历史必然。一方面可以显著降低数据传输的延迟,另一方面通过分散地处理物联网设备的海量计算需求,也可以疏解云计算中心的计算压力。

不仅如此,5G、Wi-Fi 6等技术的发展,使得前端设备的单跳延迟可以降到个位毫秒级,在满足现有计算需求的前提下,势必催生各类实时计算服务。卡内基-梅隆大学的Mahadev Satyanarayanan教授也指出:“没有边缘计算的5G大规模部署是没有意义的”。

4. 人类计算需求的增长不会停滞

通过技术和需求的交替发展,我们可以观察到:人类的计算需求会不断涌现,并快速填满算力的天花板。当本地执行效率高时,新型业务会以本地执行的方式出现;当远程执行效率高时,新型业务会以远程执行的方式出现。

虽然在过往的经验中,新型的计算需求通常是先在本地执行,待通信成本降低后,逐步转变为远程执行;但可以预见,当远程执行成本持续低于本地运算成本,边缘计算模式成熟时,新型的业务会直接以边缘运行的方式出现,并且由于边缘算力充沛,新型业务的出现将有望迎来井喷。

5. 边缘计算可能会是算力的最终形式

过去的经验告诉我们,计算模式呈现了“合久必分,分久必合”的发展过程,那么计算模式的下一站会是怎样的形式呢?运算过程会不会重新回到任务发起的设备上去呢?

如果按照上述梳理的以“无处不在的高质量计算服务”为驱动,边缘计算很可能是最终的计算形式。我们设想当本地算力和通信延迟逼近极限时,本地运算和在直接相连的另一台边缘设备上进行远程运算的整体性能极可能是相仿的,而本地资源永远是有限的,边缘设备的资源却是持续增长的。

因此边缘计算极有可能是算力的最终形式,前端设备仅保留必要的传感器、通信模块以及少量的计算和存储资源,利用环境中的边缘算力完成计算过程。

关于作者:赵志为,电子科技大学计算机学院副教授、博士生导师。主要研究方向为低功耗物联网与边缘计算。在计算机网络领域国际重要学术期刊/会议上发表60余篇学术论文,期刊包括IEEE/ACM Trans.on Networking、IEEE Trans.on Mobile Computing、IEEE JSAC、IEEE INFOCOM、IEEE ICNP、IEEE ICDCS等,并获得3项国际会议论文奖,主持国家级、省部级科研项目10余项。

闵革勇,英国埃克塞特大学计算机系教授。在移动互联网、无线通信、物联网、分布式计算等领域取得了一系列创新性科研成果,在国际重要学术期刊/会议上发表300多篇论文,获得10余项国际会议论文奖。现任多个国际学术期刊的编委并担任多个国际学术会议的主席。

本文摘编自《边缘计算:原理、技术与实践》,经出版方授权发布。(ISBN:9787111690894)

0 人点赞