這些機(jī)制必須在不增加等待時(shí)間或損害用戶體驗(yàn)的前提下，實(shí)現(xiàn)不同層次和等級(jí)的計(jì)算工作流中無(wú)縫集成，原有的基于云計(jì)算的機(jī)制在邊緣計(jì)算領(lǐng)域不再適用。
挑戰(zhàn)3：分區(qū)和拆分任務(wù)
對(duì)于邊緣計(jì)算來(lái)說(shuō)，最大的難點(diǎn)在于如何動(dòng)態(tài)、大規(guī)模地部署運(yùn)算和存儲(chǔ)能力以及云端和設(shè)備端如何高效協(xié)同、無(wú)縫對(duì)接。
不斷發(fā)展的分布式計(jì)算已經(jīng)催生了許多技術(shù)用來(lái)促進(jìn)在多個(gè)地理位置分區(qū)執(zhí)行任務(wù)。任務(wù)分區(qū)通常在編程語(yǔ)言或管理工具中明確表示。
然而，利用邊緣節(jié)點(diǎn)來(lái)實(shí)現(xiàn)分區(qū)計(jì)算不僅僅帶來(lái)了有效分割計(jì)算任務(wù)的挑戰(zhàn)，對(duì)于如何能在不需要明確定義邊緣節(jié)點(diǎn)的能力或位置，以自動(dòng)化的方式進(jìn)行計(jì)算的問(wèn)題上，也遇到了瓶頸。因此，需要一種新型的調(diào)度方式，以便將分割的任務(wù)部署到各個(gè)邊緣節(jié)點(diǎn)上。
挑戰(zhàn)4：高水準(zhǔn)的服務(wù)質(zhì)量(QoS)和服務(wù)體驗(yàn)(QoE)
另一個(gè)挑戰(zhàn)是需要確保邊緣節(jié)點(diǎn)實(shí)現(xiàn)高吞吐量，并且在承接額外計(jì)算工作量時(shí)運(yùn)行可靠。例如，當(dāng)基站過(guò)載時(shí)，可能影響連接到基站的其他邊緣設(shè)備。
因此需要對(duì)邊緣節(jié)點(diǎn)的峰值時(shí)間全面了解，以便可以用靈活的方式來(lái)分割和調(diào)度任務(wù)。復(fù)雜的算法如何在云端和邊緣設(shè)備之間合理分解和整合，需要一個(gè)對(duì)云管端三者都有控制力的技術(shù)來(lái)實(shí)現(xiàn)。
挑戰(zhàn)5：開(kāi)放和安全的使用邊緣節(jié)點(diǎn)
安全橫跨云計(jì)算和邊緣計(jì)算，需要實(shí)施端到端的防護(hù)。由于更貼近萬(wàn)物互聯(lián)的設(shè)備，網(wǎng)絡(luò)邊緣側(cè)訪問(wèn)控制與威脅防護(hù)的廣度和難度因此大幅提升。邊緣側(cè)安全主要包含設(shè)備安全、網(wǎng)絡(luò)安全、數(shù)據(jù)安全與應(yīng)用安全。此外，關(guān)鍵數(shù)據(jù)的完整性、保密性是安全領(lǐng)域需要重點(diǎn)關(guān)注的內(nèi)容。
如果把終端設(shè)備(例如交換機(jī)、路由器和基站)當(dāng)作可共享接入的邊緣節(jié)點(diǎn)，則需要解決許多問(wèn)題：首先，需要定義邊緣設(shè)備使用者和擁有者相關(guān)聯(lián)的風(fēng)險(xiǎn)。其次，當(dāng)設(shè)備用于邊緣計(jì)算節(jié)點(diǎn)時(shí)，設(shè)備的原有的功能不能被損害。第三，邊緣節(jié)點(diǎn)上的多重用戶都需要將安全性作為首要關(guān)注指標(biāo)。第四，需要向邊緣節(jié)點(diǎn)的用戶保證最低服務(wù)水平。最后，需要考慮工作負(fù)載、計(jì)算能力、數(shù)據(jù)位置和遷移、維護(hù)成本和能源消耗，以便建立合適的定價(jià)模型。
邊緣計(jì)算的潛在機(jī)會(huì)
邊緣計(jì)算仍處于起步階段，有可能為更高效的分布式計(jì)算鋪平道路。盡管在實(shí)現(xiàn)邊緣計(jì)算時(shí)出現(xiàn)了不少挑戰(zhàn)，但邊緣計(jì)算將會(huì)催生更多的發(fā)展機(jī)遇，在此我們明確了5個(gè)潛在機(jī)會(huì)：
機(jī)會(huì)1：標(biāo)準(zhǔn)、基準(zhǔn)和市場(chǎng)
統(tǒng)一數(shù)據(jù)連接和數(shù)據(jù)聚合是業(yè)務(wù)智能的基礎(chǔ)，面對(duì)當(dāng)前工業(yè)現(xiàn)場(chǎng)存在的多樣化與異構(gòu)的技術(shù)和標(biāo)準(zhǔn)，離不開(kāi)跨廠商、跨領(lǐng)域的數(shù)據(jù)集成與互操作。網(wǎng)絡(luò)邊緣側(cè)的本地計(jì)算服務(wù)無(wú)疑會(huì)在異構(gòu)環(huán)境中迎來(lái)IT廠商、IT方案商以及開(kāi)發(fā)者集成融合服務(wù)的挑戰(zhàn)，標(biāo)準(zhǔn)化亟待形成。
許多組織正在定義各種邊緣計(jì)算標(biāo)準(zhǔn)，例如美國(guó)國(guó)家標(biāo)準(zhǔn)和技術(shù)協(xié)會(huì)(NIST)、IEEE標(biāo)準(zhǔn)協(xié)會(huì)、國(guó)際標(biāo)準(zhǔn)化組織(ISO)、云計(jì)算標(biāo)準(zhǔn)客戶委員會(huì)(CSCC)和國(guó)際電信聯(lián)盟(ITU)等。只有當(dāng)邊緣節(jié)點(diǎn)的性能可以根據(jù)廣泛認(rèn)可的度量指標(biāo)可靠的進(jìn)行基準(zhǔn)測(cè)試時(shí)，才能形成標(biāo)準(zhǔn)。
機(jī)會(huì)2：架構(gòu)和語(yǔ)言
隨著支持通用計(jì)算的邊緣節(jié)點(diǎn)不斷增加，開(kāi)發(fā)框架和工具包的需求也會(huì)隨之增長(zhǎng)。邊緣分析與現(xiàn)有流程不同，由于邊緣分析將在用戶驅(qū)動(dòng)的應(yīng)用程序中實(shí)現(xiàn)，現(xiàn)有框架可能不適合表達(dá)邊緣分析的工作流。
編程模型需要利用邊緣節(jié)點(diǎn)支持任務(wù)和數(shù)據(jù)的并行，并且同時(shí)在多個(gè)層級(jí)的硬件上執(zhí)行計(jì)算。編程語(yǔ)言需要考慮工作流中硬件的異構(gòu)性和各種資源的計(jì)算能力。這比云計(jì)算的現(xiàn)有模型更加復(fù)雜。
機(jī)會(huì)3：輕量級(jí)庫(kù)和算法
與大型服務(wù)器不同，由于硬件限制，邊緣節(jié)點(diǎn)不支持大型軟件。例如，Intel T3K并發(fā)雙模SoC的小型基站具有4核ARM的CPU和有限內(nèi)存，不足以執(zhí)行復(fù)雜的數(shù)據(jù)處理工作。再比如APAChe Spark需要至少8核的CPU和8 GB的內(nèi)存以獲得良好的性能。邊緣分析需要輕量級(jí)算法，可以進(jìn)行合理的機(jī)器學(xué)習(xí)或數(shù)據(jù)處理任務(wù)。
例如，Apache Quarks是一種輕量級(jí)庫(kù)，可以在小型邊緣設(shè)備(如智能手機(jī))上使用，以實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)分析。但是Quarks支持的基本數(shù)據(jù)處理，例如過(guò)濾和窗口聚合，不足以滿足高級(jí)分析任務(wù)。消耗更少內(nèi)存和使用更小磁盤的機(jī)器學(xué)習(xí)資源庫(kù)有利于實(shí)現(xiàn)邊緣節(jié)點(diǎn)的數(shù)據(jù)分析。TensorFlow是另一個(gè)支持深度學(xué)習(xí)算法并支持異構(gòu)分布式系統(tǒng)的示例框架，但其邊緣分析的潛力仍有待探索。