2019年4月16日的Oracle Code開發(fā)者大會上，工業(yè)物聯(lián)網(wǎng)領(lǐng)域的創(chuàng)業(yè)公司米尺網(wǎng)絡創(chuàng)始人邱勇剛，作為Oracle在IoT領(lǐng)域的優(yōu)秀合作伙伴，受邀發(fā)表了一場《邊緣計算引領(lǐng)IoT未來》的演講，在現(xiàn)場引起了巨大反響。會后邱勇剛表示，其實他只是分享了幾個“邊緣計算+IOT”的真實案例，告訴大家期間碰過的壁，踩過的坑而已，現(xiàn)場反應是出乎他的意料的，“這只能說明目前這樣的真實案例太少了?！蹦敲?，邱勇剛分享了哪些案例呢？

5個邊緣計算+IoT的案例

案例一某知名連鎖酒店的消防設(shè)備報警

在該案例中，消防設(shè)備聯(lián)網(wǎng)后，可以將消防栓的水壓，設(shè)備的運行情況，以及是否有設(shè)備故障等信息，直接反饋給管理人員，這個依賴的就是邊緣端（米尺自主開發(fā)的智能LoRa網(wǎng)關(guān)）的計算能力。當然，云端依然有它的作用，設(shè)備端的數(shù)據(jù)也會同時上傳到云端，通過長期的積累，做事件的算法優(yōu)化，從而更加精準地去預測、預警消防事件的發(fā)生，以更加快速地做出應急響應。

案例二某知名連鎖快餐店的照明設(shè)備管理

招牌燈，一個我日常生活中極其常見的設(shè)施?；旧弦归g營業(yè)的商業(yè)機構(gòu)都會用到，以往都是手動控制，天黑了就打開，天亮了就關(guān)掉，但是人總有忘記的時候，尤其是一些24小時營業(yè)的商業(yè)機構(gòu)，可能天亮了忘記關(guān)掉，多開一天，就會浪費掉幾度電。在這個案例中，米尺的客戶就是這樣一個連鎖快餐店。

首先，米尺通過經(jīng)緯度算出每一個店的地理位置，就可以知道它的日出日落時間，然后再接入天氣數(shù)據(jù)，比如是陰天、晴天、起霧等等，再加裝光感傳感器來判斷光照的亮度，同時再打通排班時間表，就可以實現(xiàn)在合適的時間，自動開關(guān)?？刂贫说乃胁僮?，無需通過云端，而是依靠邊緣端（招牌燈自行決策）的決策。

案例三某博物館內(nèi)的新風及環(huán)境管理

大家都知道很多文物對溫濕度非常敏感，所以博物館里新風系統(tǒng)是必不可少的。但是要根據(jù)博物館里面的空氣環(huán)境，實時地去控制新風設(shè)備的開關(guān)，邊緣計算是最佳的技術(shù)。在本案例中，本地決策自然是由米尺的LoRa來完成。

案例四某車廠空壓機的故障預測

圖中所示是一臺空壓機的震動傳感器，它每秒鐘都在產(chǎn)生數(shù)據(jù)，并且數(shù)據(jù)相當復雜，有位移，有震動，有速度，有溫度等等。如果把所有數(shù)據(jù)都傳到云端的話，云端也無法承受如此大的數(shù)據(jù)量。所以就要把很多垃圾數(shù)據(jù)在設(shè)備端處理掉，并且對有價值的數(shù)據(jù)進行基本的頻譜分析，然后再把分析過的數(shù)據(jù)傳到網(wǎng)關(guān)端，網(wǎng)關(guān)再對這組數(shù)據(jù)做更進一步的分析，做出一些實時的判斷。當這些分析、判斷的數(shù)據(jù)量足夠多的時候，再在云端在做大規(guī)模的風險判斷。目前已經(jīng)做到在一個小的一個閉環(huán)里頭，提前十天對空壓機的停機故障做出預測。

案例五某煙草企業(yè)的數(shù)據(jù)安全

物聯(lián)網(wǎng)安全是一個長久的話題，尤其是2016年的Mirai病毒事件后，大家對物聯(lián)網(wǎng)安全的關(guān)注進一步提升。那么邊緣計算能夠如何加固物聯(lián)網(wǎng)設(shè)備、系統(tǒng)和數(shù)據(jù)的安全呢？在此案例中，非常規(guī)的數(shù)據(jù)包攔截就可以通過設(shè)備端的計算來完成；網(wǎng)關(guān)端會設(shè)定接入設(shè)備的黑白名單，以防止“非法”設(shè)備的接入。

邊緣計算在IoT系統(tǒng)中的位置及存在價值

縱觀以上5個案例，邊緣計算在IoT中的位置可以歸結(jié)為：

該圖簡單明了的指出了邊緣計算技術(shù)在IoT系統(tǒng)架構(gòu)中的位置：

1、傳感器/設(shè)備端；

2、數(shù)據(jù)采集終端；

3、基站。

那么邊緣計算又是因為什么原因得以在IoT系統(tǒng)的多個環(huán)節(jié)中存在呢？“這一點和IoT數(shù)據(jù)的三個特性有密不可分的關(guān)系”，邱勇剛?cè)缡钦f。

第一個特性就是海量數(shù)據(jù)。物聯(lián)網(wǎng)設(shè)備已多達百億量級，這些設(shè)備每時每刻都在發(fā)送數(shù)據(jù)。某咨詢機構(gòu)預測到2020年物聯(lián)網(wǎng)的數(shù)據(jù)量將達到4.4億zb。

第二特性是數(shù)據(jù)的異構(gòu)性。數(shù)據(jù)產(chǎn)生自數(shù)十百萬種的傳感器和設(shè)備，不同終端和不同采集維度的數(shù)據(jù)結(jié)構(gòu)和協(xié)議都不盡相同，所以異構(gòu)是物聯(lián)網(wǎng)數(shù)據(jù)的天然特性。

第三個特性是數(shù)據(jù)時序性。所有IoT的數(shù)據(jù)都是基于時間概念的，即時序數(shù)據(jù)，脫離時間談IoT數(shù)據(jù)與計算都是沒有意義的。

物聯(lián)網(wǎng)的這三大明顯特征，導致物聯(lián)網(wǎng)的三大現(xiàn)實問題：

第一個實時性。實際的控制決策都在現(xiàn)場執(zhí)行，但是響應未必能夠?qū)崟r。

第二個安全性。IoT數(shù)據(jù)跟企業(yè)的商業(yè)機密有關(guān)時，怎么保障數(shù)據(jù)安全？

第三個網(wǎng)絡堵塞，以及隨之而來的可靠性問題，比如會不會在傳輸過程中丟包？

另外，成本問題，也非常重要。想象一下500億個設(shè)備聯(lián)網(wǎng)，數(shù)據(jù)流量成本、存儲成本，得要多大投入？

正是有了這些問題，我們今天探討邊緣計算+物聯(lián)網(wǎng)才有了基礎(chǔ)。

首先，邊緣計算是什么？大部分的決策都在離“執(zhí)行現(xiàn)場”最近的地方進行，而不是都放在“大腦（云端）”上。這種決策方式首先可以解決物聯(lián)網(wǎng)應用中最重要的實時響應問題；然后因為決策和執(zhí)行都在現(xiàn)場，減少了指令從設(shè)備到云端的上傳/下達過程，更能保障安全，同時也規(guī)避了可能因網(wǎng)絡堵塞造成的響應不及時問題。最后，因為現(xiàn)場決策可以省去一部分數(shù)據(jù)的傳輸和存儲，可以較大幅度地降低物聯(lián)網(wǎng)系統(tǒng)的使用成本。

當然，邊緣計算也是不能脫離云計算的?！耙磺忻撾x云計算來談物聯(lián)網(wǎng)計算的都不是真正的邊緣計算?！标P(guān)于云計算和邊緣計算的關(guān)系，總結(jié)如下：

第一，邊緣計算一定和云有聯(lián)系。云端可以做算法，進行遠程、隨時因需的更新，新的算法下載到邊緣處做控制，這是與傳統(tǒng)工業(yè)控制的巨大差異，也是質(zhì)的變化。

第二，云端做算法、邊緣做控制的特性，意味著控制和外部會有互動。比如天氣數(shù)據(jù)、地理位置的變化即可作為空調(diào)變頻控制的判斷依據(jù)。與外部因素的互動使智能化程度更高。

第三，云計算和邊緣計算的結(jié)合可以更快部署、實施應用，帶來顯而易見的成本下降，才使應用的大規(guī)模落地成為可能性。

“總之，邊緣計算讓很多物聯(lián)網(wǎng)應用具備了‘小智能’的能力，而物聯(lián)網(wǎng)的‘大智能’，一定是和這樣一個個的、碎片化的小智能同步發(fā)生并發(fā)展的”，“所以不存在先有大腦，還是先有手足，只談手足，或者只談大腦的物聯(lián)網(wǎng)都是偽命題?！?/p>