解决边缘计算的挑战

边缘计算是处理发生在活动和数据源附近的一种计算形式，靠近边缘的工作减少了将数据传输到处理单元的延迟，对于需要快速响应的用例（例如物联网）来说是理想选择。边缘计算是云计算的有效补充，云计算通常是远离数据源的集中式处理。

很容易就得出这样的结论：边缘计算解决了云计算无法解决的很多问题，但由于边缘系统的高度分布性，这一结论有待商榷。每个边缘节点都不是完全独立的，因为每个边缘节点都需要有其他节点共享信息，保持数据的一致性将是一大挑战。问题是：如何协调大量边缘计算系统，同时仍需要它们独立工作？这是一个多年来一直困扰分布式系统设计者的问题，也是大家认知当中的分布式、一致性和同步问题。

边缘计算系统的数量将会很庞大，因此任何解决方案都需要大幅度扩展。总而言之，这是一个亟待解决的重大问题。

边缘数据

除了一些专门处理事件和上传数据的工作负载之外，很多在边缘处理的应用程序需要共享安全性、用户和其他信息。这些应用程序包括：物联网应用、游戏、广告、VR/AR以及移动应用等等。

有些人提出了数据引力（data gravity）的想法，任何应用程序工作负载的相关部分都是数据，因此应用程序的设计和部署使得访问数据不会遇到瓶颈，如果程序和数据彼此靠近，这样的效果最好。如果需要维护一个中央共享数据库，那么这些程序需要驻留在中央数据库附近，这不是我们需要的分布式边缘计算。

另一个挑战是边缘计算的计算功率不高，很难运行传统的数据库或应用程序服务器，其中许可和数据处理成本可能很高。轻量计算如容器或无服务系统可能更适合边缘计算应用场景。

新兴的解决方案

为了解决这些问题，一些厂商正在推出可实现基于边缘计算和存储的轻量级系统。如AWS Greengrass是一种使用无服务器计算和本地缓存数据，在本地处理数据的系统，但需要依赖云进行长期存储。

而以Kuhiro为代表的初创公司通过创建一个illusion加以实现，illusion每个边缘节点在其本地副本上工作时存在单个逻辑一致性数据库。