海量数据带来的问题是存储不便、计算结果的迟滞性。云计算是解决该问题的方法之
一。在面临如此庞大的数据量时,云计算可以为大数据提供存储和计算支持。但是物
联网产生的大量数据如果完全由云计算进行处理,那么网络边缘侧产生的数据就需要
全部通过网络上传到云端,不仅传输时间将非常长,传输代价也很大。更重要的是,
由于数据是先上传至云端,再反馈于终端执行,数据处理效率将大打折扣。
以智能驾驶为例,在监测到车子前方有障碍物时,如果无法及时智能化处理,控制方
向躲避障碍物,而是先传入云端,再反馈回终端的的话,极小的延迟,都有可能导致
车祸的发生。
而如此大量的设备需要智能化计算,仅仅依靠云计算是难以完成的。因此,面对未来
物联网时代产生的大量连接与大量数据,就需要重新考虑网络布局。举个例子,一段
网红的短视频约为10MB,如果一个区域内有1000个人观看这段视频就会产生10GB
的网络流量。在这过程中,实际上这段视频内容从互联网到移动网络内被重复发送了1
000遍,99.9%的网络带宽被浪费了,如果将视频缓存在靠近边缘侧的节点,将大量
节省带宽。
物联网的数据特征是多样化、异构性、海量性和高增长。因此,数据的筛选与及时处
理便对目前的网络架构构成了挑战。根据国际电信联盟(ITU)的调查结果,在物联网
时代,数据处理效率与有效信息抓取是使用者面临的主要问题,分别有44%和36%的
受访人群认为数据量太大以及有效信息难以抓取是主要问题。
传统的观点认为解决数据多样化与异构性应当从基础软件入手,不同的微型设备可能
需要不同的操作系统,不同的感知信息需要不同的数据结构和数据库,不同的系统需
要采用不同的中间件。这三个系统的正确选择可以屏蔽数据的异构性。但采取这种方
式,成本支出将是巨大的。而移动边缘计算可以首先对数据进行筛选,将筛选后的数
据再上传至云端,从而实现数据的顺利传递、过滤、融合,对及时、正确感知数据具
有重要意义。
对于物联网数据的海量性与高增长性问题,如果直接去建设更多更大的数据中心会极
大地增加管理成本并且使得系统可靠性下降。而移动边缘计算作一个十分靠近终端信
息源的小型信息中心,将应用、处理和存储推向移动边界,使得海量数据可以正常处
理,而不必完全去建设更多的数据中心。
2.2 移动边缘计算是5G的核心技术之一
5G技术以“大容量、大带宽、大连结、低延迟、低功耗”为诉求。根据联合国国际电
信联盟(ITU)对5G的标准要求,5G标准包括增强型移动宽带(eMBB)、超高可靠低
时延通信(URLLC)以及海量机器通信(mMTC)三大应用场景,并定义了以下关键
指标:峰值吞吐率10Gbps、时延1ms、连接数100万、高速移动性500km/h。