邊緣雲計算典型應用場景

去年末，中國電子技術標準化研究院、阿里雲等單位共同編制併發布了一份《邊緣雲計算技術與標準化白皮書》，定義了邊緣雲計算的概念和標準等，白皮書篇幅略長，邊緣計算社區將經過幾篇文章拆解白皮書。本文來源：邊緣雲計算技術及標準化白皮書（2018）。

邊緣雲計算應用場景綜述

邊緣雲計算場景有不少。內容分發網絡（CDN）是一個典型應用。目前不少公司和團隊因爲業務架構的須要，在全國各地的運營商IDC機房採購資源，自建多個邊緣計算節點。這些公司和團隊開展邊緣計算的業務時共同的痛點是重資產、業務彈性、運維投入等。當邊緣節點有覆蓋度要求時，以上問題將會成倍放大。邊緣雲計算服務在邊緣節點交付、運維、服務等方面的技術優點以及規模效應，解決了這些客戶的痛點問題。目前，邊緣雲計算的應用場景從覆蓋上能夠分爲全網覆蓋類和本地覆蓋類兩大類：

1.全網覆蓋類應用的核心要求是從邊緣節點在地區和運營商網絡兩個層面上的覆蓋度，來保證就近計算（如CDN、互動直播、邊緣撥測/監控等業務），或者基於足夠多的節點進行網絡鏈路優化（如SDN/SD-WAN、在線教育、實時通訊等）。

2. 本地覆蓋類應用的核心要求是邊緣節點的本地化，即邊緣節點的接入距離要足夠近（目標<30 千米），時延足夠低（目標<5ms），來支持本地化服務的上雲需求，例如新零售、醫療等行業的監控數據上雲，連鎖門店等線下行業的IT基礎設施上雲等。這類應用的大帶寬需求是最能體現邊緣雲計算時延和成本優化等核心優點的場景。

隨着人工智能和大數據的發展，各行各業都在利用科技智能化和大數據分析等前沿科技手段，提高行業應用的科技效率，減低產業數字化系統的運維成本。例如在數字機牀和工控領域等行業，能夠把AI能力和數字分析能力部署在工業園區內，以實如今邊緣局域範圍內完成實時的工控智能。在機場、車站等人流密集區域，經過把人臉識別和視頻監控能力部署在邊緣側，實如今邊緣側實時處理分析具備特徵值的人和物，知足實時監控需求。

場景一：互動直播中的邊緣雲計算應用

此類應用通常屬於全網覆蓋類應用。圖2是互動直播業務架構，展現了基於邊緣雲計算技術的邊緣節點在相似場景中起到的做用。

主播的媒體流推送到就近的邊緣節點，在邊緣節點直接進行轉碼，轉碼後的媒體流分發到CDN邊緣節點，當有用戶訪問時就近返回內容。基於邊緣節點上的服務、直播流的上下行內容推送以及轉碼處理等都不用再回中心，大大下降了業務時延，提高了互動體驗，同時邊緣處理架構對帶寬成本的節省也很是明顯。 以虎牙直播爲例，做爲具備行業影響力的互動遊戲直播平臺，對視頻直播技術有着極高的追求，以知足用戶對藍光畫質、低延時、穩定性以及實時互動等方面的要求，直播業務場景具備「高帶寬、高併發、計算密集」的特性。邊緣雲計算服務在主播直播推流時，實現就近節點進行轉碼和分發，同時支持高併發實時彈幕的邊緣分發，減小了對中心的壓力，節省了30%以上的中心帶寬成本，同時得到網絡低時延，實現了邊緣節點網絡鏈接時延小於5毫秒，提高了主播上行質量和用戶觀看體驗。經過基於邊緣雲計算技術的邊緣節點服務（ENS）與 CDN資源協同，爲虎牙直播提供穩定可靠的計算和網絡服務，實現了彈性伸縮和分鐘級交付的能力，具有了規模經濟性，節省了用戶帶寬成本。

場景二：智慧城市中的邊緣雲計算應用

此類應用通常屬於本地覆蓋類應用。智慧城市須要信息的全面感知、智能識別研判、全域整合和高效處置。智慧城市的數據聚集熱點地區、公安、交警等數據、運營商的通訊類數據、互聯網的社會羣體數據、IoT設備的感應類數據。智慧城市服務須要經過數據智能識別出各種事件，並根據數據相關性對事態進行預測。基於不一樣行業的業務規則，對事件風險進行研判。整合公安、交警、城管、公交等社會資源，對重大或者關聯性事件進行全域資源聯合調度。實現流程自動化和信息一體化，提升社會處置能力。在智慧城市的建設過程當中，邊緣雲計算的價值一樣巨大：如圖3所示，在邊緣雲計算的架構下，整個系統分爲採集層、感知層、應用層。

在採集層，海量監控攝像頭採集原始視頻並傳輸到就近的本地匯聚節點。在感知層，視頻匯聚節點內置來自雲端下發的視覺 AI 推理模型及參數，完成對原始視頻流的匯聚和AI計算，提取結構化特徵信息。 在應用層，城市大腦可根據來自各個匯聚節點上報的特徵信息，全面統籌規劃造成決策，還可按需實時調取原始視頻流。

這樣的「雲—邊—端」三層架構的價值在於：

1. 提供 AI 雲服務能力：邊緣視頻匯聚節點對接本地的監控攝像頭，可對各類能力不一的存量攝像頭普惠地提供 AI 能力。雲端能夠隨時定義和調整針對原始視頻的AI 推理模型，能夠支持更加豐富、可擴展的視覺 AI 應用。

2. 視頻傳輸穩定可靠：本地的監控攝像頭到雲中心的距離每每比較遠，專網傳輸成本太高，公網直接傳輸難以保證質量。在「先匯聚後傳輸」的模型下，結合匯聚節點（CDN 網絡）的鏈路優化能力，能夠保證結構化數據和原始視頻的傳輸效果。

3. 節省帶寬：在各種監控視頻上雲的應用中，網絡鏈路成本不菲。智慧城市服務對原始視頻有高清碼率和 7×24 採集的需求，網絡鏈路成本甚至可佔到總成本的 50%以上。與數據未經計算全量回傳雲端相比，在視頻匯聚點作 AI 計算能夠節省 50%~80%的回源帶寬，極大下降成本。 

與用戶自建匯聚節點相比，使用基於邊緣雲計算技術的邊緣節點服務（ENS）做爲視頻匯聚節點具備如下的優點：

1. 交付效率高：ENS全網建設佈局，覆蓋CDN網絡的每一個地區及運營商， 所提供的視頻匯聚服務，各行業視頻監控均可以複用，在交付上不須要 專門建設，可直接使用本地現有的節點資源。

2. 運營成本低：容許客戶按需購買，按量付費，提供彈性擴容能力，有助於用戶下降首期投入，實現業務的輕資產運營。

場景三：新零售中的邊緣雲計算應用

此類應用通常屬於本地覆蓋類應用。在新零售的行業中，線下服務和線上服務結合，各種視頻監控的數據量巨大，具有如下特徵：

1. 本地化：各門店視頻流的生成、採集、分析、管理等環節主要在本地進行，流量跨區狀況少。

2. 多機構：與傳統單門店系統不一樣，客戶會在本地有多家分支機構，視頻監控流須要統一匯聚、分析、管理。

3. AI 分析：客戶須要對視頻監控流內容進行AI分析以知足模式識別、結構化信息提取、事件上報等各類行業需求，有別於傳統的視頻流推送和回看等單一功能。採用邊緣雲計算技術，可以解決新零售客戶的上述問題。新零售行業所採用的邊緣雲計算架構如圖 4 所示。

整個邊緣雲計算系統被分爲三層：

1. 視頻採集層：門店對視頻數據進行採集，僅配置監控攝像頭及必要的網絡設備，再也不須要配置大量的計算和存儲設備。各門店以專線接入同城邊緣節點，實時上傳視頻監控流。

2. 視頻分析層：邊緣節點爲同城各門店提供基礎設施服務以承載 AI分析、視頻結構化解析、回放存儲等，替換本來在門店中的物理服務器組。邊緣節點以優選公網鏈路，回傳至雲中心。

3. 視頻管理層：中心雲的相關平臺對接全網上報的數據，作統一運營管理、人工審覈、關鍵數據的持久存儲等。

   更多邊緣計算資訊，盡在邊緣計算社區。