譯者 | 朱鋼

審校 | 梁策 孫淑娟

邊緣技術有望在未來一年更加動力十足--但在制定戰略前，以下專家建議可供參考：

2022 年是邊緣計算落地的一年嗎?

從財務角度來看，邊緣計算已經到來：國際數據公司(IDC)預測，今年全球企業在邊緣計算上將花費 1760 億美元，比 2021 年增長約 15%。

但說到底，這也只是一個(大)數字而已。在架構方法、技術能力、企業用例、安全策略等方面，有很多顯著跡象表明邊緣計算已臻于成熟。

最近在分析2022年值得關注的邊緣計算趨勢時，紅帽技術布道者戈登·哈夫(Gordon Haff)寫道：“雖然我們在某些邊緣計算部署中看到舊架構的影子，但我們也確實看到了邊緣計算全新的發展趨勢，或者至少是與以前大不相同的趨勢”。“邊緣計算正在幫助IT和商業領袖解決電信到汽車等行業的問題，這些行業傳感器數據和機器學習(ML)數據呈激增態勢”。

IT領導者在解決業務問題時通常不會毫無計劃，這就是為什么邊緣戰略以及物聯網和機器學習等相關類別在業務路線圖上占據突出地位。例如，在紅帽的《2022年全球技術展望》報告中，61%的受訪者表示計劃在未來12個月內運行物聯網或邊緣工作負載(或兩者兼而有之)。

要避免的五個邊緣計算陷阱

我們邀請到一些IT 領導者和邊緣計算專家，讓他們來闡明各自認為的企業邊緣戰略中存在的一些短板——即使這些短板不完全影響投資回報率(ROI)。 以下是在推出邊緣計劃時需要關注的五個領域。

1. 不要太拘泥于“邊緣”的普遍定義

與其他高端科技術語一樣，行業對術語定義是有些教條的，它并不能反映特定團隊或組織的日常現實。一刀切的定義也就意味著一刀切的戰略。

邊緣戰略中需要留意的第一個大坑是：沒有放之四海而皆準的解決方案。正如Capgemini Engineering公司首席技術官沙邁赫·米什拉(Shamik Mishra)所言：“不要試圖將目標強加到不適合的邊緣戰略(或技術平臺)中”。

“邊緣有不同的解釋，”米什拉說。“移動設備可以是一種邊緣，本地微型數據中心也可以是。”

一家公司的“邊緣服務器”可能意味著專用硬件，而另一家公司的“邊緣服務器”可能意味著非常規位置的傳統服務器。

用例也是如此。雖然基于行業或其他背景的可重復用例會持續出現，但企業戰略需要特定于企業。

“邊緣計算的應用因行業而異，因地區而異，”米什拉說。“基于無人機的檢查方式可能在一個地理區域適用，但相同的用例在另一個地理區域可能就不適用。”

這并不是說沒有普遍關注點。安全性就是一個很好的例子：忽略安全性的邊緣策略是不完整的。

自動化是另一個共同點。“缺乏自動化也可能導致維護成本更高，從而抵消邊緣計算的業務優勢，因此需要預先考慮適當的自動化策略”，米什拉說。

2. 低估變更管理，風險自負

對于經驗豐富的 IT 領導者來說，這不是什么爆炸性內容，更多是一種溫馨提醒，不過也值得在此列出：忽略影響人們日常工作的這樣一項重要邊緣計算計劃，并不是好事。

“邊緣戰略中最大短板之一是未能讓所有必要利益相關者參與進來，”Akamai 企業架構師 喬希·約翰遜(Josh Johnson) 表示。“將工作負載遷移到邊緣不是一個‘直接遷移'的操作，而是一個涉及多個團隊更改的項目。”

在 IT 層面內，幾乎每個廣泛的功能都需要一些學習和/或適應，特別是如果你還沒有在邊緣架構中運行大量工作負載并且也沒有可以利用的過去的經驗。 示例包括：

開發人員：比如主要負責編寫代碼的人員可能需要學習邊緣開發和部署的優秀實踐。

約翰遜表示：“從服務器數量和位置較少的環境遷移到數千個位置更小的環境，需要完全不同的設計和架構考慮因素”。

Operations/DevOps/SRE：負責檢測、監控和配置管理等運營需求的人員可能需要重新考慮各自邊緣計算實踐和工具。

“如果不了解在邊緣執行的代碼，就很難驗證應用程序是否按預期運行，”約翰遜說。

安全性：隨著越來越多的工作負載遷移到邊緣(無論組織對該術語定義具體如何)，安全性自然會成為一個重要的關注領域。這將需要改變傳統的安全策略，正如向分布式IT環境(比如混合云和多云)的更廣泛轉變也需要類似的變化一樣。

約翰遜表示：“安全團隊需要改進其實踐，以確保邊緣應用程序受到保護”，“代碼和數據存在于邊緣，在數據中心內傳統防火墻的保護之外”。

3. 優先考慮一致性、可預測性和可重復性

依靠一次性“雪花”模式取得成功的邊緣策略可能會在長期產生麻煩。

這是混合云架構經驗可能有利于邊緣模式的另一個領域：如果你已經了解自動化和可重復性對生產中運行的數百個容器的重要性，那么在邊緣計算方面你也會看到類似的價值。

Aerospike電信解決方案全球總監馬沙希德·馬祖默德(Shahed Mazumder)建議：“遵循標準化架構并避免碎片化，碎片化是數百種不同系統的管理噩夢”，“一致性和可預測性將是邊緣部署的關鍵，就像它們是基于云的部署的關鍵一樣。”

事實上，這正是一個云與邊緣關系加深的體現，比如一些混合云中有益又實用的方法將同樣延續到邊緣。一般來說，如果你已經在解決混合云或多云環境中涉及的一些復雜性問題，那么你已走在正確的道路上。

SAS物聯網高級經理薩如阿布·米什拉(Saurabh Mishra)表示：“邊緣環境本質上是異構的，組織應該準備好解決這個問題，”“當嘗試使用容器和Kubernetes在邊緣創建一個公平的競爭環境時，這一點尤其重要。它還有助于將工作負載從云轉移到邊緣，因為邊緣變得更加突出”。

4. 了解如何處理大規模管理

第三點直接影響第四點：你不會想在投入生產環境后才弄清如何管理一切。就像云管理一樣，集中式平臺對于任何重要實施都是一個好主意。

“在投資平臺時，重要的是專注一個能集中管理邊緣基礎設施和工作負載的平臺，”SAS的米拉什說。“雖然大多數邊緣用例都希望通過與云的持續連接來執行工作負載，但關鍵是要有一個管理平臺，允許配置更改并將新工作負載從云中推送到邊緣。從邊緣到云的報告狀態和警報是推動企業規模和進行采用的原因”。

邊緣和云之間的關系應該是互相助益的。例如，SAS 的米什拉表示，設計依賴于邊緣和云工作負載的用例很有價值，其中本地處理和警報發生在邊緣，但在云中創建了全局“隊列級”視圖。

5. "一次構建，隨處運行"的心態不適用于所有工作負載

正如云計算和邊緣計算天生關聯一樣，機器學習和邊緣/物聯網用例也是如此。

然而，一些團隊可能會發現，在本地或超大規模云中運行良好的模型在邊緣環境中開始出現問題。

Wallaroo平臺工程副總裁保羅·萊加托(Paul Legato)表示：“我們看到客戶構建和訓練的模型令人驚嘆，但他們最終無法在邊緣使用AI / ML”，“原因在于，執行效率至關重要。你需要從有限的計算中獲取所有能得到的推論”。

隨著邊緣計算工作負載變得越來越復雜，IT領導者和團隊需要記住，在現代軟件范式中適用于其他地方的“隨處運行”理念在邊緣架構中可能比較棘手。ML工作負載就是這種情況的一個主要示例。

“邊緣的機器學習也是關于在高度有限的硬件上運行模型”，萊加托說。“你可以按下一個按鈕，在云中獲得最新、最強大的128 CPU核心機器，但在邊緣，你是運行在一個小型的、功能不足的工業PC或安全攝像頭上，而其只有最少的CPU和RAM可用”。

譯者介紹

朱鋼，51CTO社區編輯，2019年CSDN博客專家20強，2020年騰訊云+社區優秀作者，10年一線開發經驗，曾參與獵頭服務網站架構設計，企業智能客服以及大型電子政務系統開發，主導某大型央企內部防泄密和電子文檔安全監控系統的建設，目前在BIM頭部企業從事招投標軟件開發。

原文標題：Edge computing strategy: 5 potential gaps to watch for，作者：Kevin Casey