5G行動通訊關鍵技術「邊緣運算」 彈性解決雲端服務傳輸瓶頸

2018/12/04 - 魏淑芳

「邊緣運算」近年陸續成為IT界熱門話題，除了Amazon、Microsoft相繼推出對應Edge Computing產品與技術方案，ERP商用軟體巨頭SAP亦投注鉅額資本購併IoT發展平台PLAT.ONE，也計畫透過新整合公司擴展邊緣運算應用…

隨著雲端服務日趨成熟，目前線上主力雲端服務大廠紛紛看準下一代擴展雲服務的邊緣運算(Edge Computing)新技術方案，因為純粹將應用或服務移轉到雲端還須面對應用的限制，未來在IoT趨勢下的物聯網應用潮流，必須能將應用服務佈建在更接近終端用戶的周邊設施或網通設備，才能就近掌握未來的雲應用商機。

發展邊緣運算，電信業動作積極

其實電信服務業者，是較早嗅出Edge Computing應用商機，較雲端服務廠商陸續投入Edge Computing之前，在電信運營商、通信設備商早已將相關應用或基礎設施朝Edge Computing概念進行部署，也就是說在主要連接雲或主要網通服務的設備端、透過設置一中介伺服器將後端網路資料先行導入伺服器進行預處理，相對珍貴的無線網通或是高速網絡資源就能用來傳輸更精簡、已有初步處理彙整結果之運算數據，透過這類行動邊緣運算(Mobile Edge Computing；MEC)將讓無線網路或是高速網路更能維持最佳服務狀態，MEC的相關概念與技術成效，也廣泛導入如企業大型網路服務、醫療、健康、視訊等需大量資料傳輸的網通業務方面。

Linux基金會也看準邊緣運算趨勢，決定成立新專案推動邊緣運算應用，建構通用IoT應用場域的邊緣運算框架，此計畫已吸引Dell、VMware、AMD...超過50家軟/硬體廠商加入該計畫。而在Linux基金會邊緣運算計畫之前，網通廠商Cisco也看準市場方向成立OpenFog聯盟，有趣的是OpenFog聯盟採行霧運算(Fog Computing)與現有邊緣運算區隔，凸顯其相較邊緣運算架構，更重視雲端和霧運算間的垂直互通整合，OpenFog聯盟目前已有ARM、Dell、Intel、Microsoft、Foxconn、GE、AT&T等業者加入。

邊緣運算就近提取資源，具效率、效益雙優勢

檢視「邊緣運算」概念，簡單來說就是一種就近運算的分散運算概念，即為將運算設置於更靠近資料源所在的Local Network內進行分析、運算，而不像以前集中式地將終端大/小資料皆傳回雲端進行分析，如此一來便可減少原始資料於雲端與終端間往返的傳輸/等待時間，並可大幅壓低運算服務的網路頻寬成本。

基本上邊緣運算通常採設置於本地端、雲端兩處交界的區塊進行數據分析/運算處理，即相較雲運算會更接近資料進出的區網位置，透過將運算環境設置於本地端、同時既可靠近雲端邊界附近就近銜接服務，在概念上取得效率與效益上的優勢。

邊緣運算架構提供IoT應用更多綜效

以現有的新創應用檢視，邊緣運算更適合用來部署如AI、AR/VR、自動駕駛車等新創應用。因為如AI、自動駕駛車等應用，通常需要在用戶終端預先進行大量數據採集、分析、運算，若將採集資料全數傳回雲端進行分析，前端應用很可能因為數據傳輸效能而影響使用體驗，若能採如邊緣運算架構進行整合，即可將原始採集資料先經由近端的運算架構先行分析與處理，再將關鍵資訊數據透過雲端系統進行最終分析與決策，讓整體系統的反應效能進一步提升，甚至可以降低終端設備介接雲端決策的傳輸效能瓶頸問題。

特別是在無人機、AR/VR等新興IoT應用場域，前端設備的採集資訊量往往超過雲服務可處理的即時傳輸、即時回傳的效能要求，系統對網通低延遲與高頻傳輸的高頻寬要求極高，系統整合後的整體服務回應時間通常需在數十毫秒內完成，若無邊緣運算整合，系統反應時間可能會高於數百毫秒反饋延遲表現，直接影響服務品質。

透過多元終端參與運算，架構彈性更大

另一個角度觀察，邊緣運算採用在接近資料源的區域網絡內進行初階運算，可以在配置上採取使用一部大型設備或是數個中/小型設備組合的本地端網路內運算，這類單點的運算節點可以是IoT設備本身、或是智能手機，或是終端自助設備等，正因為設備距離資料源有物理上的距離優勢，組構的網路可以是Wi-Fi或是藍牙無線通訊方案，傳輸效能會比整包資料傳送至雲端處理的系統反應速度更快速。

相同的概念其實在早期網絡配置的閘道器(Gateway)設備，也是概念十分接近邊緣運算的網絡設備，但相較早期僅用來擷取、提取感測資料或轉發資料用途的閘道器，新一代邊緣運算設備會比一般閘道器更具智慧運算功能，除可擷取資訊、分析資訊外，亦可處理周邊IoT設備轉發來的資料預先進行處理、分析，如果邊緣運算設備本身的運算效能有餘裕，甚至可以主動判定在區域內自行運算產出結果，而不必再耗費時間將初步運算傳回雲端、經過雲端主機處理後再回傳結果，可以為系統榨出更多運算效能。

從前面提到的幾種邊緣運算邏輯，其實可以發現，邊緣運算可以說跟傳統雲架構最大的不同處在於，邊緣運算可以算是接近終端的分散式運算架構，可將分佈於終端的數據資料預先在近端設備/設施中進行處理，而不用透過各種傳輸渠道將最終端的數據傳回雲才能計算成果，如此一來系統反饋會更快，甚至在雲端無網絡狀態時，在近端系統就能完成基本數據處理，降低雲端運算環境的依存關係。

雲端服務、軟/硬體廠商相繼投入邊緣運算

隨著IoT與各種新創服務部署需求，邊緣運算的重要性也越來越高，以前重點投入雲端服務的大型廠商，也紛紛重點投入邊緣運算方案，如Amazon、Microsoft等雲服務業者，也紛紛押寶邊緣運算商機。Amazon就發布多款非雲端的解決方案，例如，可讓雲端Lambda程式能在AWS環境之外的邊緣環境運行的Lambda@Edge方案；還有可將無伺服器運算服務也能帶到IoT設備之內的AWS Greengrass；Amazon具備儲存、運算的資料儲存裝置AWS Snowball Edge，透過內建Lambda環境做為離線使用，可於雲端資源無法連結情境下，程式亦可以轉移至本地端接手繼續執行。

Microsoft則推出主攻邊緣運算的非雲端產品，例如Azure的串流分析工具在原本的雲端串流分析服務之外，現在也推出能在本地端使用的版本，透過終端直接採集的資料就近分析串流資料，加快對網絡中的異常事件預警反應效能。在網通硬體廠商方面，Cisco則與商用分析軟體業者SAS合作，預計將商用分析應用技術整合至邊緣運算硬體裝置之內，讓邊緣運算裝置也能具備商業分析能力。


圖說：運用邊緣運算，可有效提升IoT或大型雲系統的處理效能，提升使用體驗。(Intel)


圖說：邊緣運算透過更接近資料源的運算資源，甚至連行動終端都能當作整體運算資源的一部分。(SpiderCloud Wireless)


圖說：AWS Snowball Edge是內建儲存和運算能力的裝置，可協助終端應用擴展雲服務資源。(Amazon)