边缘计算是什么？边缘计算是如何产生的？边缘计算的业务场景有哪些？边缘计算的关键技术有哪些？
打卡Day33：今天学习了《62｜性能设计篇之“边缘计算”》，我的收获如下：
- 边缘计算：不一定是和IoT相关，它是对于数据中心而言。
- 数据中心把所有服务放在一个机房里集中处理用户的数据和请求，集中式部署一方面便于管理和运维，另一方面也便于服务间的通讯有一个比较好的网络保障。基于CDN让这些边缘节点拥有可定制的计算能力。
为什么要有边缘计算
- 整个计算机发展的本质就是我们人类生活信息化建设的过程。MB 时代（服务商提供内容：新闻资讯）=> GB时代（用户产生内容UGC：文字、图片、视频）=> TB时代（大数据：收集用户信息）=> PB时代（AT、IoT）。
- 数据量越来越大，分析结果的速度需要越来越快，这两个需求，只会把我们逼到边缘计算上去。如果你还是在数据中心处理，你会发现你的成本只会越来越高，到一定时候就完全玩不下去了。
- 当需要处理的数据或是用户请求的规模越来越大时，我们的成本是呈现快速上升的曲线，而不是一个线性上升的成本关系。几十万用户，百级QPS，10台服务器 => 上百万用户，千级QPS，50台服务器 => 上千万用户，万级到十万级QPS，700台服务器 => 上亿用户，百万级QPS，上万台服务器。当架构变复杂了后，就要做很多非功能的东西了，比如，缓存、队列、服务发现、网关、自动化运维、监控等。
关于降低成本的脑洞
如果能够把那上亿的用户拆成100个百万级的用户，只需要5000多台机器（100个50台服务器的数据中心）。同样服务了这么多的用户，但成本下降得很快。运维100个50台服务器的小数据中心的难度应该远远低于运维一个10000台服务器的数据中心。
有地域性的业务是可以这么做的，比如：外卖、叫车、共享单车之类的。但是，有100万用户的时候的业务形态和有1亿用户的业务形态是完全不一样的，1亿用户的业务形态可能会复杂得多得多。也就是说，我们不可能在一个小数据中心只有50台服务器，因为那是百万用户的业务形态，只有几十个服务。当公司成长到上亿用户的规模时，可能会有上百个服务，50台服务器是不够部署的。
所以，我上面那种多个数据中心的理想只存在于理论上，而实际上不会发生。沿着这条路思考下去，可以用边缘结点处理高峰流量，这样数据中心就不需要花那么大的成本来建设了。于是，还是到了边缘计算。
边缘计算的业务场景
- 处理一些实时响应的业务（人脸门禁、共享单车开锁）
- 处理一些简单的业务逻辑（秒杀、红包）
- 收集并结构化数据（识别视频中车牌）
- 实时设备监控（线下数据采集）
- P2P去中心化应用（服务发现）
- 云资源调度（流量接入调度）
- 云资源聚合（语音转文字和语义识别API聚合）
边缘计算的关键技术
- API Gateway
- Serverless/FaaS
Serverless，源于2012年Ken Form《Why The Future of Software and Apps is Serverless》。
Serverless架构提供一种更加”代码碎片化”的软件架构范式，我们称之为Function as a Services（FaaS）。所谓的“函数”（Function）提供的是相比微服务更加细小的程序单元。
Serverless开源项目：
- Serverless Framework
- Fission: Serverless Functions for Kubernetes
- Open Lambda
- Open FaaS
- IronFunction