由于边缘计算解决了云计算“最后一公里”的问题，成为了云计算在未来发展中的重要落地支撑，边缘计算与云计算势必彼此融合，来到“边云协同”的新阶段。
在无脊椎动物中，章鱼的智商最高，因为它拥有巨量的神经元。这些神经元60%分布在八条腿上，脑部仅有40%。看起来用“腿”来思考并解决问题的章鱼，在捕猎时各条“腿”从来不会缠绕打结，这得益于它们类似于分布式计算的“多个小脑”和“一个大脑”协同工作。
如果将章鱼的大脑比作云端，腿比作边缘，那么这种无脊椎动物的工作模式或许是“云+边缘”协同工作的最佳范例。
边缘计算这种分布式计算的特征是每个节点都有计算功能，缺点是每个用户都需要管理自己的节点；云计算这种集中式计算的做法则解决了用户对中央计算的管理烦恼。
现在，在碎如鸡毛的物联网场景中，单纯依靠云计算往往并不是最佳策略，边缘的速算能力对物联网应用来说显得尤为重要。所以越来越多的企业开始探索“边云协同”的解决方案，青云QingCloud就是其中的典型代表。
传统物联网架构的“共性痛点”
正所谓“哪里有痛点，哪里就有商机”，边云协同的诞生或许源于传统物联网架构让设备直接上云时面临的“共性痛点”。
以共享单车小黄车为例，这是一个典型的面向消费者的海量物联网应用场景。小黄车的物联网整体架构比较清晰：每一辆单车内置的传感器都可以随时采集车辆当前的位置和行驶信息，智能车锁里的控制系统则能远程控制车锁的开关。通过IoT通讯模组和SIM卡，单车会把当前的位置信息上报到物联网平台。当用户端用手机扫描车上的二维码并试图开锁时，开锁指令会通过物联网云平台下发给相应的单车，开锁后控制器又会将信息返回至物联网平台。
然而，在使用共享单车的过程中，用户时常也会遇到一些问题——比如手机信号不好导致车辆无法开锁；服务器宕机导致身边有很多车但就是骑不走；遇到故障车辆时上报信息需要缓冲半天才能接着去扫下一辆……这其中，手机信号不好属于网络抖动的问题；服务宕机属于服务不可用问题；故障车辆上报缓慢则是时延问题。
再来看一个面向行业的应用场景，同样和人们的生活息息相关。当人们开车上高速后，经常会碰到人工收费通道，收费按里程结算。道路运营方希望通过更智能的方式减少人力成本，一种典型的解决方案是用摄像头拍下车牌，AI识别车辆后即把杆抬起来，车辆不做停留就可以出发。
这种解决方案看起来虽然很美好，但在实际执行过程中依然存在不少问题——第一是带宽问题，假设国庆高峰期收费站每天有400万辆车经过，每个高速公路卡口有10个摄像头，以500K计算一张图片的大小，每天整体带宽需求起码得达到40G左右，带宽的成本很高；第二则是时延问题，将摄像图片上传到云端再处理再返回的链路很长，一旦中间任何一个环节出现问题，杆就抬不起来，车也就走不了了；第三是里程结算问题，如果高速路口需要拆除某个收费站或者新增一个收费站，导致整个里程表都要手动逐站更新，这将是多么大的工作量！总结一下，一是成本问题；二是延时问题；三是海量设备管理中应用更新的问题。
通过这两个案例，我们可以看到一些共性的问题：一是延迟，不同场景下对时延的优先级要求不同；二是成本，尤其是在视频领域一定会涉及到高昂的成本问题；三是可用性，相关应用在网络有问题时无法独立工作；另外，在流程工业这类对数据安全要求十分严苛的行业，还需要保证数据的隐私和安全。
边缘计算的出现让这些问题迎刃而解。所谓边缘计算，就是一种通过数据源附近的网络边缘侧执行数据处理来优化云计算系统的方法。
有了边缘计算节点后，人们在传统的物联网架构之下可以补充边缘节点，让设备不直接连到云端，而是直接连到边缘计算的节点之上，即使在网络不好的情况下也可以独立工作，并且能够识别客户感兴趣的、有价值的数据或者信息，再上传到云端来做统一的决策，没必要把没有意义的数据上传到云端，以节省成本。正如所有人类都需要神经末梢一样，所有物联网设备未来都需要配备边缘计算，这样才能实现真正的万物互连。
“云+边缘”，让计算无处不在
“在没有边缘计算节点补充的情况下，原有云计算的计算能力范畴是狭义的，我们称之为‘狭义云计算’。现在有了物联网平台和边缘节点的加持后，我们就可以把云计算的一部分能力延伸到用户侧，让用户侧的设备更方便地接到云平台之上，同时通过边缘计算就地解决一些问题。从传感器→端→边缘节点→物节点→到云平台，计算能力的范围被无限扩大，让计算能力充斥到我们想要改造的每一个地方，让计算无处不在，就会形成真正意义上的‘广义云计算’。”青云QingCloud高级产品经理王小虎在采访中如此阐述边云协同的意义。
然而，管理这样的物联网系统也是相对比较复杂的，因为用户面对的是不同计算能力的设备、不同的边缘节点和不同的终端，但是却希望进行统一的管理。正是为了解决这样的问题，青云QingCloud于今天（7月25日）正式发布了云网边端一体化的QingCloud IoT和边缘计算平台，旨在帮助客户形成云网端一体协同的工作环境或工作平台，实现应用层面、管理层面以及模型层面的统一更新。
平台层作为整个物联网架构中十分关键的一环，向下需要解决海量物理设备上云的问题，向上需要为丰富的物联网应用提供支持，是承上启下的重要枢纽。根据IoT Analytics的数据，截止2018年，物联网平台商已经超过450家，许多平台商提供的解决方案都大同小异，那么QingCloud IoT平台的独特优势又体现在哪里呢？
面对这样的问题，王小虎从三个方面进行了回答：
首先，QingCloud IoT平台在设计之初就是面向海量物联网设备的。试想一下，在共享单车的应用场景里，如何对数百万辆单车进行统一管理？一个一个设备进行单独注册肯定是不现实的，所以QingCloud IoT平台能够提供批量设备注册或者智能的预配置功能。
“假设小黄车的管理者计划投放5万辆车，我们可以帮他们设置一个中间token密码，由于中间token密码会动态生成一个个设备密码，相当于在设备出厂时便完成了潜在的注册功能。这样，当设备连接物联网平台时便会自动完成相应的注册和设备验证，这是面向海量设备时比较高效的解决方案。” 王小虎举了个形象的例子。
第二，QingCloud IoT平台还能提供搜索引擎。在互联网时代，我们有用户画像的概念；在物联网世界里，也有类似的概念，即为真实设备建立一个物体画像，获取设备当前的状态信息，它是一个抽象过的、面向物理节点的数字化模型，这就是物模型。QingCloud IoT平台上的搜索引擎正是基于物模型建立的，无论客户想知道某台设备的任何情况，都可以通过搜索引擎来进行快速查询。
第三，从用户体验的角度来讲，QingCloud IoT平台的设备监控功能设计得更贴近于使用者。用户可以只监控自己关心的设备和重要的数据，并且平台还提供了多种视图、角度的监控。
云端的功能再强大，也离不开边缘侧的补充，EdgeWize边缘计算平台就是QingCloud IoT平台的最好“帮手”。
从本质上来看，EdgeWize是一个软件，可以跑在任何一个符合最低硬件要求的设备之上。首先，它是Linux操作系统；第二，它支持X86和ARM CPU架构，支持最低内存是512MB，这正是最小硬件的要求。
至于为什么要做软件？王小虎解释道：“我们主要考虑到用户侧的设备可能是我们提供的，也可能是用户提供的，所以我们想以软件的形式实现想要的整体功能，使得EdgeWize的模块设计实现硬件和软件的完全解耦。”
除了应用调度、应用监控和离线工作这些边缘计算平台必不可少的功能之外，EdgeWize还希望能够帮助那些传统企业能够以较低的成本改造边缘业务。为了助力传统企业将他们的边缘业务部署在EdgeWize上，青云QingCloud会提供基本标准，但如果用户不想用这一标准，青云也可以把EdgeWize整个开放给用户，让用户自由地安装部署。不遵循标准，用户可能会丧失一些边缘协同能力；遵循标准，就可以享用平台给其带来的优势。青云QingCloud自身则始终保持开放的态度。
有了这套边云协同的解决方案后，我们不如再来看看前文提到的那个高速公路收费的应用场景会发生哪些变化。
为了节省成本，青云QingCloud不可能要求用户拆除所有的旧摄像头并安装一批新的摄像头，他们的解决方案是在视频服务器后面部署一个视频节点服务器，装上EdgeWize，把AI模型放进去。于是，整套架构就会变为：摄像头→原有视频管理服务器→新增视频节点服务器。AI识别在边缘处做计算，当下就能识别出车牌、车型等信息，即使网络出现抖动也不会受影响。另外，由于客户的所有业务都放在青云QingCloud公有云上，所以可以跟其他系统做很好的打通，同时，青云QingCloud在云端不断回归训练模型，通过应用分发的方式分发到边缘节点上，保持循环。
结语
2016年底，在Gartner数据中心年度会议上，硅谷风投大佬A16Z合伙人Peter Levine曾说边缘计算是云计算的“终结者”。然而，经过接近两年时间的验证，边缘计算和云计算的关系更加清晰，两者并非互斥关系的基本论调已奠定。
由于边缘计算解决了云计算“最后一公里”的问题，成为了云计算在未来发展中的重要落地支撑，边缘计算与云计算势必彼此融合，来到“边云协同”的新阶段。
