10多年前，马克·安德森在华尔街日报发表了他的著名文章《为什么软件正在吞噬世界》。他从投资者的角度解释了为什么软件公司正在接管所有行业。
作为公司创始人，我们公司的业务就是在边缘支持GraphQL。所以，我想就边缘为什么在“吞噬”整个世界这个话题，分享一下我的看法。我们将快速回顾过去，然后俯视现在，并基于当前的观察，用第一原理进行推理，以窥见未来。
让我们开始吧。
CDN简史
Web应用程序使用客户机-服务器模型已经超过40年了。客户端向运行Web服务器程序的服务器发送请求，并返回Web应用程序的内容。客户端和服务器只是连接到互联网的计算机。
1998年，五名麻省理工学院的学生观察到了这一点，并有了一个简单的想法:让我们将这些文件分发到世界各地的许多数据中心，与电信提供商合作，并使用他们的网络。这样，所谓的内容分发网络的想法就诞生了。
CDN不仅开始存储图像，还开始存储视频文件和任何你能想到要存储的数据。对了，这些出口都是边缘。它们是分布在世界各地的服务器——有时这数百台服务器的全部目的是存储经常访问的数据的副本。因为CDN最初的重点只是提供正常的基础设施，目标是“只是让它正常工作”，所以这么多年一直很难使用。
2014年，一场关于CDN的开发者体验革命开始了。网站和CDN文件直接打包捆绑在一起使用，人们不再需要手动上传网站文件，然后用CDN链接。通过CDN连接，这两个部分打包在一起。像surge.sh、Netlify、Vercel这样的自动化部署工具诞生了。
到目前为止，通过CDN分发静态网站已经成为绝对的行业标准。所以现在我们已经把静态资产移到了边缘。但是计算呢？数据库中存储的动态数据呢？我们能通过把它放在离用户更近的地方来减少延迟吗？如果是，我们该怎么办？
欢迎来到边缘。
我们来看看edge的两个优势:①计算②数据。
在这两个领域，我们已经看到了令人难以置信的创新，这些创新将彻底改变未来应用程序的工作方式。
计算
如果传入的HTTP请求不需要一直传递到远处的数据中心，会发生什么？如果可以直接在用户旁边提供呢？欢迎来到边缘计算。
如果我们将数据从一个集中的数据中心转移到许多分散的数据中心，我们就越需要处理一个新的权衡决策系统。在边缘，你不需要使用“奢侈”的配置，也不需要给你的应用增加一个强大的几百GB内存的机器。假设您的应用程序可以部署在500个边缘位置，所有这些位置都离您的用户很近。但是如果你在你的用户旁边买500的强力机，显然一点都不经济。
因为成本太高了。当然，我们要选择的是更小更简单的配置方案。
能够很好地适应这些约束的架构模式是无服务器模式。不需要自己买托管主机，只需要写一个函数，然后智能系统会在需要的时候自动执行。你不需要担心单个服务器的抽象；你需要做的就是编写和运行基本上可以无限扩展的函数。
可以想象，这些函数应该又小又快。如何才能实现这个目标？对于那些又快又小的功能，什么是好的运行环境？目前业内普遍有两种答案:使用Javascript V8隔离或者使用WebAssembly。一家名为Cloudflare的美国公司广泛使用V8 isolate。它允许你在边缘运行一个完整的Javascript引擎。2017年，当Cloudflare引入这种工作机制时，它首次为edge提供了这种新的简化计算模型。
此后，包括Stackpath、Fastly和我们优秀的Akamai，也相继发布了他们的边缘计算平台——一场新的革命开始了。相比V8 Javascript引擎，另一种计算模式WebAssembly可以完美适配边缘。
2017年首次推出WebAssembly，现在增长迅速；像Mozilla、亚马逊云技术、ARM、Google这些大公司都在大量使用，微软、英特尔也都在大力投资。WebAssembly允许您用任何语言编写代码，并将其编译成可移植的二进制文件。它可以在任何地方运行，无论是在浏览器中还是在各种服务器环境中。WebAssembly无疑是过去20年中Web最重要的发展之一。它已经驱动了浏览器中的象棋引擎和设计工具，在区块链上运行，并有可能取代Docker。
数据
虽然我们已经有一些边缘计算产品，但是边缘革命的最大障碍是如何将数据带到边缘。如果你的数据存储在远程数据中心，那么即使你把电脑搬到用户端，你也将一无所获——因为那些“远程”的数据仍然是瓶颈。为了实现边缘的主要承诺，提高用户的速度，你不可能同时找到数据分发的解决方案。
你可能会想，“难道我们不能把地球上的所有数据都复制到我们的500个数据中心，并保持更新吗？”虽然现在世界各地都有一些新的复制数据的方式，比如最近加入fly.io的Litestream
可惜没那么容易。假设您有100TB的数据要在由多台机器组成的分散集群中运行，将这些数据复制500次根本不划算。我们真正需要的是能够存储“成吨”的数据，同时将其带到边缘。
换句话说，在资源有限的情况下，如何智能高效的分发数据，让我们在边缘依然可以快速获取？受资源限制，业界使用两种方法:切片和缓存。
你想切片吗？
切片根据具体情况将数据分成多个数据集。例如，选择用户的国家作为划分数据的方式，这样数据就可以存储在不同的地理位置。
为所有应用程序实现一个通用的切片框架是相当具有挑战性的。在过去的几年里，这一领域出现了许多研究。例如，脸书提出了他们的切片框架，称为片段管理器，但即使这样，它也只能在某些特定条件下工作，并且需要许多研究人员来运行它。我们仍将看到该领域的许多创新，但这不是将数据带到边缘的唯一解决方案。
缓存才是王道。
另一种方法是缓存。如果不能在边缘上存储所有100TB的数据库，就设置一个上限，比如设置1GB的限制，只存储那些访问次数最多、最频繁的数据。在计算机科学中，很容易只理解最普通的数据，LRU算法就是最著名的解决方案之一。
你可能会问，“为什么我们不使用LRU在边缘缓存数据，然后完成工作？”没那么快。我们希望这些数据是正确的和最新的:最后，数据应该是一致的。但是，等等，在数据一致性方面，cache有一系列优势:从“最弱一致性”或“最终一致性”到“强一致性”。两者之间也有很多层次，比如“读取我自己输入的数据的一致性。”
Edge是一个分布式系统。在处理分布式系统中的数据时，CAP定理是适用的。这意味着，如果你希望你的数据有很强的一致性，你必须做出取舍。换句话说，在写入新数据时，你永远不希望看到以前的旧数据。
为了在全局设置中保持如此高的一致性，只有分布式系统的各个部分才能对刚刚发送的数据信息达成共识，或者至少达成一次共识。这意味着，如果您使用一个全球分布式数据库，它仍然需要向世界各地的所有其他数据中心发送消息至少一次，这不可避免地会引入延迟。即使是像FaunaDB这样优秀的新SQL数据库也无法避免这样的延迟。
老实说，这里没有免费的午餐:如果你想要高一致性，你必须接受这一点，包括一定的延误费。现在你可能会问，“但是我们总是需要强一致性吗？”答案是:看情况。许多应用程序的功能不需要高度一致。比如有一个你可能听说过的小网店:亚马逊。
亚马逊创建了一个名为DynamoDB的数据库，这是一个可扩展的分布式系统。然而，它并不总是完全一致的。就像DynamoDb说他们不保证高一致性一样，亚马逊云技术用了很多巧妙的方法来“尽可能保持一致性”。
我相信这一代的所有应用最终都能够达到很好的一致性。实际上，你可能已经想到了一些用例:社交媒体推送有时有点过时，但它通常非常快且可用。在博客和报纸中，发表文章只有毫秒甚至秒的延迟。如您所见，在许多情况下，最终的一致性是可以接受的。
如果我们假设我们都接受最终的一致性:我们会从中得到什么？这意味着我们不必等到每个人都接受了改变之后才这样做。因为如果我们现在接受改变，那么当数据被全球分布时，延迟成本将不复存在。
然而，最终达到“良好”的一致性并不容易。因为，我们要处理一个叫做“缓存失效”的小问题。当底层数据发生变化时，缓存需要相应地更新。是的，你猜对了:这是一个极其困难的问题。它的难度使得它成为计算机科学界的一个笑话。
为什么这么难？因为，不仅要跟踪所有缓存的数据，而且底层数据源在更改后也要失效或正确更新。有时候甚至会出现根本无法控制底层数据源的问题。例如，想象一下使用Stripe API这样的外部API。
此时，您需要构建一个定制的解决方案来使数据无效。简而言之，这就是为什么我们要构建Stellate，让这个棘手的问题变得更容易被接受，甚至可以通过给开发者配备合适的工具来解决。如果GraphQL不存在，我可以坦率地说:我们也不会创建这个公司。只有在强约束下，这个问题才能得到解决。
我认为，碎片化和缓存应该更加适应这些新的需求。没有一家公司能够“解决数据问题”，我们需要整个行业为之做出努力。关于这个话题还有太多的话要说，但是现在，我觉得这个领域前途无量。我对未来会发生什么感到兴奋。
未来:就在此时此地。
在所有技术进步和技术瓶颈的情况下，让我们展望未来。但不提凯文·凯利就太没礼貌了。
同时，我承认我们无法准确预测技术革命的未来趋势，也无法知道未来25年哪些具体的产品或公司会成为领导者。甚至，可能会有一家全新的公司，在边缘云领域异军突起。然而，有些趋势是可以预测的，因为它们已经在发生了。
凯文·凯利于2016年出版了《必然性》一书。在书中，他讨论了将塑造未来的十二种科技力量。正如书名所说，这些事情是未来必然会发生的。以下是其中的八个:
认知:对事物的认知，也就是让事物变得更加智能。要做到这一点，就必须在需要计算的地方直接提供越来越多的计算能力。举个例子，自动驾驶汽车在云端进行道路分类不太实用吧？
流:我们会有越来越多的实时信息流，人们非常依赖这些实时信息流。延迟的问题在这里至关重要:让我们想象一下，如果我们要控制一个机器人完成一项任务。如果没有必要，你不会想把控制信号发到半个地球以外吧？但是对于持续的信息流、聊天应用、实时仪表盘或者网络游戏来说，不应该有延迟是必不可少的。因此，我们需要利用优势。
阅读:我们生活中越来越多的东西会有屏幕。从智能手表到冰箱，甚至你的电子秤。因此，这些设备经常频繁地访问互联网，形成了新一代的边缘。
分享:未来大规模合作必然增长。假设你和一个朋友在同一个城市编辑同一个文档。为什么要将这些数据发送回地球另一端的数据中心？你为什么不把文件放在身边？
过滤:我们会用强烈的个性化来预测我们的欲望。这实际上可能是边缘计算的最大驱动力之一。由于个性化是针对个人或团队的，这是在他们旁边运行边缘计算的完美用例。使用边缘可以加快速度，节省的毫秒相当于利润。我们不仅在社交网络中看到了个性化的身影，也看到了它在电子商务中更多的应用。互动:通过越来越多地沉浸在电脑中，人们可以更多地与他人保持联系。这种沉浸将不可避免地被个性化，并直接或在用户的设备附近运行。
跟踪:不可避免地，我们会被更多地跟踪。一切都将配备更多的传感器，它们将收集大量的数据。但是这些数据并不能一直传输到中央数据中心。因此，现实世界中的应用程序需要快速做出实时决策。
开始:具有讽刺意味的是，最后但同样重要的是，这是“开始”因素。过去的25年是一个关键的平台期。然而，不要指望我们第一次瞥见的趋势。让我们拥抱他们，这样我们才能创造最大的利益。这不仅是为了我们开发者，也是为了全人类。
我预言，在未来的25年里，今天的“无稽之谈”将会成真。这就是为什么边缘正在“吞噬”这个世界。我之前说过，我们程序员面临的问题不是某个公司的利益，而是整个行业的帮助。
Stellate公司首席技术官Tim Suchanek。
编译:边缘计算社区@Julian
