边缘计算系统逻辑架构：云、边、端协同，定义及关系

2023-01-18 2206

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 边缘计算系统逻辑架构：云、边、端协同，定义及关系

引言

５Ｇ和物联网时代的到来，海量数据的产生与任务计算对现有网络产生极大的冲击，基于Internet的云计算虽然提供了对虚拟共享的可配置计算和存储资源的广泛访问和按需访问，是处理海量数据与计算任务的绝佳平台，但是对于５Ｇ时代的诸如在线游戏、虚拟现实和超高清视频流等高速访问超低延时的应用和海量终端互联来说，云计算是无法满足其要求的。

与此同时，下一代互联网的关键特征之一是信息越来越多地在本地生成并在本地消费，且大量的边缘设备存在可用计算和存储资源。因此，为应对云计算存在的挑战、网络压力和提升用户体验满足业务需求，业界提出将云计算平台迁移至网络边缘，即边缘计算，发掘网络的内在能力在数据源附近提供边缘服务，以满足在敏捷连接性、实时优化、智能应用、安全性和隐私性方面的关键要求.

1、“云-边-端”架构

在面向新一代信息基础设施的物联网体系架构中，数据处理以及基于数据的智能服务变得越来越重要。

前两年出现了一个比较热的词，叫做"边缘计算"，是指把简单的、需要实时计算和分析的过程放到离终端设备更近的地方，以保证数据数据处理的实时性，同时也减少数据传输的风险。

最近又出现了一个新的热词，叫做“云边协同”，其含义跟边缘计算相差不是很大，只是强调“云-边-端”这样的架构，终端负责全面感知，边缘负责局部的数据分析和推理，而云端则汇集所有边缘的感知数据、业务数据以及互联网数据，完成对行业以及跨行业的态势感知和分析。

“云” 是传统云计算的中心节点，是边缘计算的管控端；

“边” 是云计算的边缘侧，分为基础设施边缘和设备边缘；

“端” 是终端设备，如手机、智能家电、各类传感器、摄像头等。

基于AI的智能服务则是贯穿“云-边-端”整个架构，在感知终端，AI技术旨在提高全面感知的敏感性、准确性以及人机交互、物物交互的实时性，同时也可以通过芯片来进行简单的逻辑推理。

在边缘处

AI技术主要负责汇集该域内的局部数据以及相关的业务数据，完成感知数据的分析和推理，并且能够把相关的分析结果或模型传送给感知终端，达到感知终端与边缘云的协同，同时，边缘云与边缘云之间也可以通过联网共享，共享数据、资源、算法等，完成边缘云之间的相互协同。

在云端

不仅需要提供类似边缘云的云计算相关的存储、计算、网络、安全资源，还需要汇集、融合所有的数据，提供基于全局数据的智能服务，包括智能调度、运维、宏观决策等。

云中心擅长全局性的、非实时的、长周期的大数据处理与分析，能够在长周期维护、业务决策支撑等领域发挥优势。

边缘计算更适合局部性、实时、短周期数据的处理与分析，能更好地支撑本地业务的实时智能化决策与执行。边缘计算与云中心是互补协同的关系，边云协同将放大边缘计算与云计算的应用价值：边缘计算既靠近执行单元，更是云端所需高价值数据的采集和初步处理单元，可以更好地支撑云端应用；反之，云计算通过大数据分析处理优化输出的业务规则或模型可以下发到边缘侧，边缘计算基于新的业务规则或模型运行。

从表中可以看出云计算和边缘计算是各有优势的，云计算的主要优势是海量计算和海量存储、计算效率高、广域覆盖，适合计算密集型、非实时性的计算任务和海量数据的并行计算与存储，能够在长周期维护、业务决策支撑等领域发挥优势，并且计算硬件都集中在云计算中心，实行集中式的管理，因此无需在本地维护计算硬件、数据存储和相关软件。

边缘计算的主要优势是广泛分布的边缘节点提供了实时的数据处理，边缘计算的过程是一个以用户和应用为中心的过程，弥补了云计算中时延和移动性的缺陷，适合非计算密集型、实时性、移动性数据的处理分析和实时智能化决策，并且作为一种新的网络范式能够满足５Ｇ时代计算需求的空前增长和用户体验质量的不断提高，数据的本地化处理相较于云端也更安全。

但是，边缘平台的处理性能通常不如云平台，它通常没有足够的内存和处理器来处理大量数据，因此无法执行复杂的操作，例如深度学习

除了云边协同，由图上图可知，逻辑架构侧重边缘计算系统云、边、端各部分之间的交互和协同，包括云、边协同，边、端协同和云、边、端协同3个部分。