边缘计算是分布式体系结构的一个重要发展方向。根据IDC在Red Hat的新闻稿中引用的Worldwide Edge支出指南，估计2024年全球Edge计算市场将达到2506亿美元。显然，这是一项值得关注的技术。
边缘计算的本质是将计算尽可能接近使用者的物理侧，提供快速，有效的复杂计算服务。然而，与基于数据中心的分布式体系结构不同的是，边缘计算涉及分布在广阔区域的物理设备，该体系结构涉及位于同一区域位置的计算机集群之间的服务间通信。在某些情况下，机器还在持续移动中，诸如仓库的铲车，无人驾驶车辆。将各种各样的物理设备引入数字领域从根本上改变了分布式计算的方式。（见下图1）
图1：在分布式计算模式中，边缘计算需要更高程度的分割（segmentation）
边缘计算架构设计的一个关键因素是逻辑、物理、数据的分割。计算设备在应用场景中的位置和方式是边缘计算的重要因素。在云计算环境中，保护数字数据是首要考虑的问题，而在边缘计算中，保护数十个、数百个甚至数千个物理设备免受恶意入侵与保护进出设备的数据同样重要。以避免例如客厅智能设备的入侵和监听，或者接管行驶中汽车的驾驶员辅助系统等等事件的发生。
这些风险是边缘计算中的一些真正挑战，必须加以解决。幸运的是，他们主要是通过关注围绕分割（segmentation）的架构设计考虑。
在本文中，将研究边缘计算环境中的分割以及隐含的挑战。最后将研究分割物理、逻辑和数据的不同方法。
面临的挑战
1，硬件的挑战
边缘计算将分布式计算引入到许多因素中，这些因素增加了架构设计分割策略的复杂性。标准的云计算环境是相对同质的，由包含x86机器机架的数据中心和通过光纤以太网TCP/IP进行通信的大型机组成。而边缘计算则不同，边缘计算结合了各种各样的设备和通信协议，可以由任何数量的物理芯片组提供支持，一些设备，如自动柜员机（ATM）使用标准x86cpu，运行在Raspberry-PI上的设备使用ARM架构。有些设备使用的芯片组是该设备所独有的，比如机器人系统和汽车中的芯片组。
2，通信协议的挑战
一个设备可以通过直接以太网电缆进行通信，另一个设备使用通过802.11x进行通信的无线技术，还有第三个设备使用蓝牙进行连接。所有这些设备都需要支持。
3，系统更新的挑战
在使用笔记本电脑、平板电脑或手机等标准计算设备时，更新这些系统相当简单，因为通常可以从网络中访问这些系统。但如果一辆自动驾驶汽车有特殊的硬件，使用特殊的协议，并且有间歇性的网络连接，那么升级将构成一项重大的挑战，又必须被适应。因此，在物理、逻辑和数据级别关注边缘计算环境中的资源分割非常重要。
物理分割
物理分割是关于在各种物理机器上分离分布式体系结构的各个部分。如上所述，在中央数据中心，物理分割通常涉及将计算机硬件放置在建筑物内的服务器机架中。在网络上的机器之间需要闪电通信的情况下，这些设备需尽可能彼此靠近。设备间的距离越近，数据传输时间就越短。对于时间敏感度较低的应用，数据中心内机器的实际距离影响较小，只要把所有东西都放在同一栋楼就够了。
然而，当边缘计算开始发挥作用时，事情变得更加复杂。机器放置在哪里很重要，特别是当应用程序域分布在广阔的地理区域时。设备之间的长距离可以转化为通信链中更大的延迟。在这种情况下，物理计算网格需要分解成更小的部分。
其中一个已经出现的分割模式被称为雾模式。Fog模式是将卫星数据中心和采集点定位为物联网设备和主数据中心之间的中间计算点。（见下图2）
图2:Fog模式描述了一种在物联网设备和主数据中心之间分割物理计算的方法
雾中的数据中心充当准边缘设备，因为很多时候，它们运行在专用网络上，在特定的位置，并且有特殊的用途。
Fog架构的一个例子是交通摄像头系统，其中一组交通摄像头连接到市政电网的地区数据中心。每个地区的数据中心连接回城市的主要数据中心。由于每个摄像头都连接到雾灯，因此数据传输效率更高。然而，简单地来回移动数据只在使用数据的逻辑方面有意义。通过将关键的编程智能放置在边缘架构中计算资产的适当位置，可以获得大量的效率。这就是分段编程逻辑发挥作用的地方。
逻辑分割
在web应用程序中分发智能的典型模式是将UI逻辑、验证规则和一些计算能力放在web页面或客户端设备中。与范围更广的应用程序相关的计算逻辑托管在数据中心，例如，在亚马逊网站.在许多方面，web应用程序体系结构更接近于传统的客户机-服务器体系结构。
然而，对于边缘计算，在边缘设备和主数据中心之间应用分段逻辑的web服务器模型并不总是有意义的。当边缘设备是专用机器时尤其如此，例如仓库中的智能叉车或交通路口的摄像头。光是网络流量就可能成为一个拦路虎。如果设备无法与主数据中心通信，例如，当设备中出现“死区”时，操作可能会停止。因此，如何以及在何处分割逻辑是一个重要的架构决策。
在考虑逻辑分割时的经验法则是在每个物理分割中只放完成工作所必需的逻辑。例如，假设特定的物联网设备是一个支持实时定位的智能叉车，它可以自动在仓库中找到正确的货架，从中提取商品。此时叉车应具备导航逻辑，而不必始终连接服务器以获取路径导航的指示。此外，叉车应具有进行系统更新所需的逻辑，这样的逻辑可能采用SSH服务器的形式，允许人工或bash脚本进行手动更新，或者采用消息订阅者的形式，该订阅者在Fog中绑定到消息代理。在这种情况下，叉车上的消息订阅者从中央消息代理接收更新消息，叉车使用HTTP客户机回调Fog服务器以更新其代码。
仓库导航并选择商品，以及应用更新是智能叉车的核心功能。但是，处理客户订单等非核心功能最好由托管在其他地方的逻辑来完成，例如，在仓库中的一小组服务器或位于仓库区域的私有Fog中。
限制仓库的订单处理适用于设备的上下文边界。不过，在公司供应链管理系统的大局中协调特定客户订单的逻辑可以在公司的资源规划服务的堆栈中进一步托管。（见图3。）
图3：在边缘计算架构中，逻辑应该根据分割层的基本目的进行划分
在边缘架构中，在逻辑分段方面确实没有“一刀切”的解决方案，但重要共识是获得尽可能接近需要的适当数量的逻辑。实际操作将因设备阵列和应用程序域（application domain）而异。智能手机本质上是一种多功能设备，它将包含各种各样的软件，而功能范围较窄的设备，如家用恒温器，则会少很多。
弄清楚如何分割逻辑是艺术和科学的两部分。逻辑分段是边缘计算体系结构的一个关键方面，它需要进行重要的思考和规划，并且需要对边缘体系结构中每个实体的用途有敏锐的洞察。
数据分割
除了在边缘计算网格中确定逻辑的分割外，还需要考虑对数据进行分割。同样也没有“一刀切”的方法，具体取决于数据交换的目的和网络的物理环境。
一个指导原则是较小的数据包比较大的数据包更容易移动，处理速度更快。将数据转换为二进制格式（如协议缓冲区）和在高效通信协议（如gRPC）下的流数据具备了非常快速的交换。折衷的办法是，移动到以流传输的二进制数据结构会在打包和处理数据方面给架构增加更高的复杂性。这一点，让我们重温上述的智能叉车和仓库场景。
在智能叉车和仓库场景中有三个数据交换点：智能叉车、本地仓库私有云（也称为Fog）和协调供应链的ERP系统。ERP系统托管在一个安全的全球云中。
智能叉车的目的是从仓库隔间中取出一个调色板的商品。为了满足需求，本地私有云向智能叉车发送特定的订单信息。
本地私有云跟踪智能叉车的移动。此外，本地私有云在智能叉车完成客户订单时，会发送与客户订单相关的ERP系统信息，将调色板上的商品带到仓库码头，并将其装载到卡车中交付给客户。
全局云中的ERP将有关要填充的订单的信息发送到仓库。整个场景如上图3所示。让我们根据端点检查数据分割。
1，了解物联网环境中的数据交换
首先，智能叉车需要将其位置和运行状态信息发送到仓库级别的专用Fog。仓库需要位置信息，以提供最有效路径。如果智能叉车发生故障，需要向仓库发出警报，从而需要操作状态信息。
其次，位置和状态信息对时间非常敏感。如果仓库里的过道被堵住了，智能铲车就需要立即改变路线。又或者叉车发生故障，那么正在处理的订单需要转移到另一台机器上。叉车可以将位置、路由和状态数据封装为小型结构化消息，并以连续流的形式传回仓库。如上所述，流数据是快速和有效的，特别是当消息从文本转换为二进制格式时。因此，将数据分割成通过在gRPC下运行的数据流交换的二进制消息将满足工作需要。
再次，在发送和接收订单信息方面，智能叉车不需要了解客户订单的所有信息。它真正需要知道的是订单ID、商品ID（SKU）和存放托盘商品的仓库。这三个值可以构造成从仓库接收的非常小的消息。这种消息交换可以通过针对RESTful程序接口的典型HTTP请求响应来实现。为了更快地传输，智能叉车和专用Fog之间的订单信息可以通过双向gRPC流进行交换。
最后，无论系统使用哪种传输方法，物联网设备（在本例中是智能叉车）和协调仓库中物联网设备活动的专用Fog之间交换的数据必须分割成可以非常快速地发送和接收的小消息。速度是必不可少的。数据分割也是必需的。
2，云雾数据交换的分割
私有Fog和全球云中托管的ERP系统之间的细分有很大的区别。最显著的区别是对数据交换的时间敏感度。
物联网设备和私人Fog之间的信息交换需要几乎是即时的。仓库的专用Fog和全球ERP系统之间的数据交换可以有更长的时间。虽然物联网设备和专用Fog之间的数据交换需要以毫秒为单位进行，但仓库和ERP系统之间的交换可以容忍一到两秒的延迟。而且，ERP系统和仓库中的私有Fog只对与订单履行相关的信息感兴趣。这意味着可以批量提交和接收数据。一条消息可以包含大量订单的数据。（参见下面的图4。）
图4：数据分割是边缘计算环境中企业架构的一个重要方面
可以在RESTful程序接口上使用标准HTTP促进交换，也可以在流中传输。这是一个选择偏好的问题。对于一些公司来说，在ERP级别使用REST要比在开放和连续的网络连接上支持二进制数据流的编码和解码机制容易得多。此外，正如数据是根据物理环境和交互目的分割的一样，数据也是如此。因此，确保组织有合适的人在合适的领域工作至关重要。
为物联网设备编程需要不同于为ERP系统编写代码的技能，尤其是在使用专有编程语言编写专用物联网设备时。公司倾向于相应地划分IT开发人员。因此，决定使用的API框架和数据格式将在某种程度上取决于可用的人力资源、数据交换的目的和交换发生的物理环境。
整合
边缘计算是分布式计算的下一个重大机遇。物联网（IoT）的持续增长和商业网络应用程序的广泛分布使边缘技术成为架构设计和实践的前沿。
边缘计算给现代数字化企业带来了巨大的能量。对边缘计算中驱动分割模式的动力机制有一个普遍的关注是必不可少的。虽然本文中讨论的思想只是边缘计算中体系结构分割的原则和最佳实践的皮毛，但提出的概念是一个很好的起点。
