所谓边缘计算，即：将计算和存储功能分配到网络的边缘，而这种边缘可以是企业工厂的车间，也可以是运营商的终端，手机信号发射塔或智能建筑。将计算和分析功能推向离网络边缘更近的地方，有助于减少网络流量，并可以减少在集中式云平台上发送数据进行分析的往返延迟，从而提供额外的隐私性、弹性和安全性。

　　较之以往，现如今已经有越来越多的计算发生在边缘了。

　　随着当前企业业务数据处理需求量的不断增长，以及次级响应时间的成本变得不可接受，迫使数据中心运营商们将维持甚至提高边缘的容量，使其更接近用户和连接的机器。一些分布式边缘数据中心的流量将会非常高，并且可能涉及许多的数据集和应用程序。网络中的故障或拥塞可能会导致机器、设备和用户体验方面的严重问题，进而推动了当前数据中心运营商们对于诸如软件定义的网络(SDN)等灵活、敏捷的网络方法的需求。

　　在过去，边缘扩展主要是为小型企业应用程序或分支机构和部门计算需求提供服务的IT孤岛(Silo)。它们在本质上很大程度上是偶然的或战术性的。而未来的边缘计算装置预计则会有很大的不同。下一代的边缘数据中心将支持，并在某些情况下推动战略性IT服务体系架构。

　　而我们如果想要了解在边缘所需的不同类型的数据中心，就有必要区分边缘和“近”边缘。

　　边缘数据中心的功能

　　严格地说，“真正的”边缘是需要接近实时的响应，并采取措施的地方，以亚秒级(sub-second)为单位进行测量。边缘将没有或很少有网络路径或“跳数(hops)”，并很少使用或不使用共享通信基础设施。 (当市场调研机构451 Research公司在向他们的企业客户询问关于边缘的含义时，所得到的答案各不相同：有些受访者表示其是在设备级别;其他一些受访者则表示在第一个聚合点;其他一些受访者则表示其在企业CIO对于性能、安全性等方面的所有权和控制权方面。)

　　在某些情况下，电信网关(如4G和5G基站和信号发射塔)将需要专用的数据中心容量在非常近的地方协同定位，最有可能以微型模块数据中心的形式存在。这些将满足在边缘的东西向走向的流量需求，其中光纤并不是符合经济效益或较实用的选择，例如在最终用户设备和彼此相邻的服务之间。(SDN依赖于一个控制面板，通常位于大型数据中心内，只有很少的网络跳数。)

　　某些边缘应用程序(如流程制造和车辆远程遥控操作)会生成需要快速响应和执行操作的数据。他们需要平台将数据流转换为应用程序所能够获取的格式，以便能够实时分析和处理数据。通过管理软件、协议和处理/存储为其提供支持的标准化移动网络被称为超可靠的低延迟通信(URLL)。在这些环境中，计算和存储容量需要在数据生成点或非常接近数据生成点——这些是“真正的”边缘计算功能。这也被称为“雾计算”，其被用来以尽可能接近数据的方式——或者说是物联网(IoT)的“物”，执行所需的分析，并由此采取行动措施。

　　近边缘数据中心的功能

　　近边缘可以大致被定义为‘区域(zone)’，在该区域通常不能保证跨可用网络的亚毫秒的延迟或低单位数的延迟，但性能和安全性已经被构建为能够安全的处理、分析、存储并转发大量数据——并还有可能连接到其他应用程序和数据源，而无需返回到集中式云服务。

　　近边缘数据中心可能是微数据中心和更大的设施(包括企业、主机托管和云数据中心)的混合体，它们有意或无意地位于数据用户附近。

　　为了更有效地优化和利用带宽，网络管理正日益虚拟化，并与交换机和设备分离。如果实现了可视化，这些边缘网络和数据中心体系架构可能看起来像树木，由其“叶子”执行聚合、控制和分析，如下图1所示。

图1：在边缘的潜在网络和数据中心拓扑架构

　　边缘计算的用例

　　边缘计算涵盖了一系列的工作负载类型和用例——其中一些已经建立，一些正在出现。

　　已经建立的边缘使用案例

　　●CDN：最普遍被访问的数据，尤其是大容量、不变的数据(如视频)通常会更靠近使用点，以缓解容量限制或降低网络成本。

　　●本地处理和存储：本地处理和存储主要存在于分支机构、服务器机房或服务器机柜中，计算嵌入到现有设施中(而不是专用数据中心)。通常，本地处理与集中式应用程序(包括在云服务中)结合使用，提供集中处理所不能支持的额外的弹性、安全性或功能。

　　●“离云(Off cloud)”处理和存储：由于延迟、合规性和安全性等方面的原因，这些工作负载和数据主​​要是独立的，故而不会因此将任务转移到云服务中。它们包括HPC和高安全性应用程序(如涉及分类数据的应用程序)。

　　新兴的使用案例

　　●IoT：低延迟边缘网络处理适用于边缘设备生成的数据，通常在应用程序可能无法容忍高延迟的情况下(例如，车辆自动导航)通常数量很大。

　　●下一代网络和分布式云服务：用于最后一英里连接的电信网关，移动到光纤(mobile-to-fiber)切换和其他新兴网络(例如5G)，预计将为工作负载提供网络基础设施，以便跨(光纤和蜂窝数据网络)边缘和其他地方容纳和移动工作负载。这种联合集中式的方法有时被称为“分布式云”。

　　边缘和近边缘数据中心的最终用户业务驱动因素

　　我们已经确定了至少四个业务驱动因素，以便在边缘进行更多的处理，交换和存储。这些驱动因素横跨垂直市场，并非特定于应用程序。

　　边缘处理将缓解网络速度，延迟或容量问题：网络边缘受到高速连接和流量增长的巨大压力。这些可能会阻塞接入点和网络交换机。

　　●网络路径的复杂性会增加延迟：通过多台交换机/路由(跳数)传输的数据通常会减慢，尤其是在网络共享时。多个连接和路径也增加了数据暴露于组件故障的可能性。

　　●边缘系统的可用性和可靠性对于关键业务比以前更具重要性：支持IT服务的IP网络必须始终工作。

　　●边缘数据中心将经济高效地支持大数据量：一些应用程序产生的数据量太大，无法经济有效的“直接迁移”(Lift-and-Shift)，更不用说在在公共云基础架构上执行存储和处理任务。新的应用程序将需要本地容量或接近用户。

　　●边缘将有助于缓解数据安全/业务连续性问题：许多的企业组织担心，即使公共云基础设施可能具有成本经济效益，但少数运营商的容量过度集中也会增加风险。一些企业(即使是那些采用了“云优先”IT战略的企业)也会保留一些本地部署的系统用于灾难恢复和备份。

　　阻碍快速的“近边缘”数据中心部署的因素

　　以下，是一些可能阻碍部署'近边缘'型数据中心的潜在因素。

　　●企业不愿意拥有/管理边缘能力：当前的企业和其他相关组织越来越倾向于拥有尽可能少的基础设施。而边缘基础设施意味着复杂性，成本提升，以及性能和安全方面的责任增加。

　　●对可用PFM选项缺乏了解：微型模块化数据中心以及其他预制形式因素在数据中心领域仍然相对较新，但业界对其并不总是能够很好的理解。

　　●成本和ROI也是企业对其采用的障碍：部署边缘计算能力属于额外成本。

　　为边缘数据中心提供支持的技术

　　1、弹性和边缘数据中心群集

　　支持边缘计算的主要技术进步因素是分布式弹性的理念，这是一种架构方法，可使用多个微模块化数据中心支持边缘需求。

　　通过在较小的数据中心之间传输工作负载，可以减少对物理基础设施的依赖性和成本。如果设计有效，这应该有助于减少单点故障。而在边缘使用较小的数据中心可能彼此靠近，使其更加可行，同时在经济上和技术上更为可行。

　　分布式弹性涉及在IT级别更多地使用工作负载平衡，分配和故障转移，而不是在电力、基础设施级别。随着工作负载日益虚拟化(在虚拟机或容器中运行)和高速数据复制技术更容易获得，一些企业和电信运营商们正在为其边缘站点评估更细化的多层构建战略。

　　我们预计这种趋势不会迅速发展，因为其涉及到需要在应用程序、网络和IT层面的重大投资和技术规划，以及边缘网络的部署。支持这种趋势的技术已经得到证实，但以前大部分都是由技术熟练的团队在大型数据中心的项目基础上进行部署的。

　　2、可替代的电源拓扑

　　一些边缘数据中心将部署纳米网格或微电网用于数据中心现场发电、安全性和可用性。纳米网和微电网结合了许多由软件控制的能源，以保持稳定的电力供应。这些来源包括可再生能源(太阳能、风能和水力发电)，基于化石燃料的发电机，燃料电池以及超级电容器和锂离子电池等储能装置，用于在非发电时段提供电力(白天储存太阳能，并在夜间使用)。

　　3、数据中心管理即服务(DMAAS)

　　大多数微型模块化数据中心将不会配备全职的人员，并且可能会部署预集成的传感器和仪表，以及DCIM软件，这些软件将像智能楼宇管理系统一样运行——根据预先测量的情况监控、测量和自动管理物理操作运营环境——设置规则和阈值。451 Research相信：随着时间的推移，基于DCIM的云服务(称为DMaaS)很可能将用于管理边缘的微型模块数据中心。

　　4、紧耦合冷却

　　许多边缘微模块数据中心将使用能够处理较宽温度范围的紧密耦合密封冷却系统。

　　5、微型服务器

　　微型模块化数据中心是独立的，可能会变得越来越密集，以便为物联网、CDN和其他用例提供必要的计算能力。与传统服务器相比，微服务器可以提高密度，分解CPU和内存，并且可热插拔。由于每台微服务器可以独立服务，因此可以实现更高效的支持，更换和升级周期。此外，微型模块的规格尺寸可能会有利于服务器前端的IT服务，因为后端访问可能有限或无法选择。

　　结论

　　边缘计算有望重塑数据中心的容量，在用户和设备附近增加新的分布式计算和存储容量，同时推动对于大型托管和超大规模云数据中心的更多需求。

　　边缘数据中心运营商们很可能是本地化，分布式发电和备用设备的早期采用者。他们将更积极地参与电力事业，并将越来越需要更多的能源和IT运营和管理服务，这将包括交互式需求响应和可再生能源计划，以及微型发电控制和自动化等等方面。

　　责任编辑:DJ编辑