“邊緣在哪里？”這個問題在我們最近討論云計算和邊緣計算時頻繁出現。即便是技術人員，也很難確定邊緣的確切位置。大約10年前，思科引入了“霧計算”這一概念——鑒于如今存在諸多計算位置選擇，尋找邊緣更像是在迷霧中玩捉迷藏。
邊緣對于不同的用例來說總是會有所不同，因此，要描述邊緣，讓我們借鑒一下約翰·蓋奇（John Gage）上世紀 80 年代的策略。在 Sun Microsystems 工作時，他提出了“網絡即計算機”的觀點。約翰描述的是超出工作站范圍、存在于網絡上的計算能力。稍作修改后，我想提出“網絡即邊緣”的觀點。
更具體地說，你的數據在通過網絡傳輸時，每經過一個網絡轉換節點都有可能成為邊緣。那么，你應該把邊緣放在哪里呢？雖然數據隱私和基礎設施管理始終是可能影響結果的因素，但成本和延遲對你的應用程序的相對重要性才是驅動決策的關鍵因素。
以汽車為例。汽車上的攝像頭或激光雷達會生成大量數據，這些數據被神經網絡消耗，以做出瞬間駕駛決策。推理模型需要在毫秒內完成前向傳播——即非常低的延遲。許多這些“嵌入式邊緣”或“產品邊緣”設備要么生成大量數據，這些數據難以快速傳輸到另一個位置，要么在本地設備上做出這些決策的成本足夠低。如果你需要在源頭進行低延遲決策或可視化，那么嵌入式邊緣將是首先要考慮的邊緣。
那些仍需要低延遲但可以接受將數據向上游發送一兩個跳數所引入的時間的設備和應用，可能會利用電信提供商網絡中的邊緣。例如，智能城市設備可能會利用 5G MEC（移動邊緣計算）中的計算能力來確定行動。5G MEC 提供了低延遲連接，并允許部分計算邏輯和決策駐留在嵌入式邊緣之外，以便在大量設備上擴展。
這種“移動邊緣”通常是霧邊緣的起點。邊緣的選擇可能包括私有企業云或數據中心、電信云、互聯網數據中心或交換中心——實際上是任何先于當今最常考慮的超大規模云邊緣的邊緣變體。
評估和操控數據流的功能可能會部署在距離本地 ISP一兩個網絡跳的 CDN 邊緣。推理模型、游戲和實時金融應用可能可以接受算力被部署在連接良好的對等交換或會合數據中心，這些數據中心具有專屬 IP 傳輸和互聯互通。訓練大型語言模型則可能需要在核心數據中心或超大規模計算環境中部署 GPU。根據延遲要求，我們可以評估從設備、數據和用戶到整個網絡路徑，并找到一個能在延遲和成本之間為應用程序提供最佳平衡的網絡邊緣。
在不斷演變的邊緣計算領域中，企業正越來越多地采用一系列解決方案來加強其戰略舉措并實現目標。通過利用不同的邊緣環境，企業可以確保他們正在優化其運營效率、可擴展性和安全性。這種多邊緣方法有助于優化延遲和成本之間的平衡，以及適應市場需求和技術進步的靈活性。因此，選擇一個能夠容納各種用例的邊緣提供商已經變得復雜。
在 Zenlayer，我們深知延遲的重要性以及評估成本、隱私、安全性和部署靈活性的復雜性。我們的超連云部署在增長最快且最難觸及的市場中，我們致力于為您的應用程序提供最低延遲的邊緣算力。
我們擁有近 300 個接入點（PoP），它們與本地網絡高度互連，并且可以通過專屬骨干網實現與其他城市或地區的低延遲連接。在 zenConsole 中，您可以評估我們接入點與最終用戶網絡之間的延遲，以評估您的裸機或虛擬機部署的最佳位置。您還可以使用我們的控制臺來評估接入點之間的延遲，并在其他城市或地區的接入點之間無縫部署二層點對點或完全網狀的三層連接。
在每個接入點，我們與廣泛的本地對等體和傳輸提供商構建 BGP 混合，以優化我們客戶的流量。我們與 AWS、Microsoft、Oracle、Alibaba 和其他公共云合作，提供從我們的接入點到這些領先的超大規模計算環境和靈活部署模型的直接連接，以便將您的私有數據中心連接到我們的網絡。
以下是達卡接入點以及到孟加拉國本地網絡的延遲的示例。
隨著技術的發展和邊緣的擴展，選擇一個能夠提供廣泛算力和低延遲能力的合作伙伴至關重要。Zenlayer 的超連云體現了我們致力于提供靈活、經濟高效且位置優越的服務的決心，從而在不斷演變的邊緣生態系統中推動您的業務向前發展。
