2018WOT全球軟件與運維技術(shù)峰會(huì )日前于北京正式落下帷幕，在本屆論壇上，來(lái)自九州云的黃舒泉先生就邊緣計算的話(huà)題進(jìn)行了精彩演講。以下是演講實(shí)錄：

邊緣計算是如何興起的

大家都知道，過(guò)去的十年二十年以來(lái)云計算是非?；鸬囊粋€(gè)概念。但最早的概念出現在上個(gè)世紀60年代，最早是由非常出名的一名教授，他提出了一個(gè)分時(shí)的概念。其實(shí)這個(gè)概念奠定了后面一系列計算的發(fā)展。因為有了分時(shí)，我們才想到需要有虛擬化這樣的技術(shù)。需要用虛擬化來(lái)實(shí)現各種資源的共享，包括計算、存儲、網(wǎng)絡(luò )等等一系列資源的共享。

然后到了上個(gè)世紀的九十年代逐漸地才有人把正式的云的概念包裝提出來(lái)。最早其實(shí)我們可以看到云其實(shí)是基于虛擬化技術(shù)演變發(fā)展過(guò)來(lái)的。而虛擬化技術(shù)最早并不是在我們現在熟悉的X86這個(gè)平臺上。它最早其實(shí)是IBM的小型機、大型機上的一些虛擬化的技術(shù)。

等到了90年代才有了VMware開(kāi)始把這個(gè)技術(shù)引入到X86平臺。也正是因為X86平臺對虛擬化技術(shù)一系列更好的支持，包括KVM項目逐漸的成熟，我們才有了云計算的爆發(fā)。這個(gè)可以看到大概在2005年、2006年的時(shí)候Google發(fā)布了一系列的云服務(wù)，以及亞馬遜也發(fā)布了它的EC2的服務(wù)。

九州云黃舒泉

然后另外一個(gè)里程碑可以看到就是2010年的這個(gè)OpenStack。OpenStack作為一個(gè)開(kāi)源的云計算的管理平臺。它可以幫助我們使用KVM或者使用別的一些虛擬化的技術(shù)以及整合了像開(kāi)源的這種存儲的技術(shù)，OVS的網(wǎng)絡(luò )虛擬化技術(shù)來(lái)實(shí)現一整套的云計算的平臺的搭建。不需要像以前一樣還是使用自己的一些研發(fā)去實(shí)現自己公司內部的一些系統去解決這樣的問(wèn)題。

所以逐漸從2010年開(kāi)始OpenStack成為了云計算的開(kāi)源領(lǐng)域的事實(shí)上的一個(gè)標準。接著(zhù)才有了后面最近十年來(lái)云計算蓬勃的發(fā)展。企業(yè)對于自己內務(wù)要求比較高的可能會(huì )搭建私有云，主要供內部的系統服務(wù)。然后更注重于數據的安全性方法。

然后對于有能力、有IDC資源的一些廠(chǎng)家，他們可能逐漸轉型成為公有云，他們也可以使用OpenStack技術(shù)來(lái)搭建一整套公有云的服務(wù)，對外提供服務(wù)。然后有些企業(yè)它也可以使用混合云的業(yè)務(wù)里提供這樣的一個(gè)滿(mǎn)足企業(yè)內部的需求。

所以我們其實(shí)可以看到，總結一下就是云計算它是過(guò)去十年來(lái)的一個(gè)主導的計算的模式。隨著(zhù)我們的這個(gè)移動(dòng)手機的發(fā)展，我們還是把大部分的計算能力放在了后端。然后正式因為這種超大規模的數據中心，它才可以強化我們最早提出的這個(gè)資源共享分時(shí)這樣一個(gè)概念，使得我們可以降低用戶(hù)的成本，然后降低我們總體的運營(yíng)的成本。所以這是云計算最近20年來(lái)發(fā)展的一個(gè)歷程。

可以看到，有了這樣的一個(gè)開(kāi)源的云計算的技術(shù)，它使得我們有能力去軟件定義數據中心。我們可以把傳統的這種通過(guò)專(zhuān)有的設備、專(zhuān)有的技術(shù)，井倉式的結構的數據中心把它打散成為一種更通用型的數據中心。它是完全可以采用軟件定義。

其實(shí)大家需要明白什么是軟件定義，舉一個(gè)最簡(jiǎn)單的例子，就是我所有的資源的調配，我都可以非常方便靈活地使用一個(gè)API的調用就可以去實(shí)現這點(diǎn)。這就是一個(gè)比較直白的軟件定義的理解。

然后OpenStack他非常地靈活，他可以有不同的項目來(lái)專(zhuān)注于某一個(gè)資源的管理。比如說(shuō)NOVA是幫助我們管理這個(gè)計算資源的。然后計算資源分別有什么呢？它可能是有虛擬化，大家可能非常地熟悉采用這個(gè)虛擬化的技術(shù)產(chǎn)生一個(gè)虛機。然后計算還有別的一些表現的形式。比如說(shuō)裸機、裸金屬、Bare Metal。通過(guò)Bare Metal的這種計算的形式，我們可以去承載更多比如說(shuō)像HPC這類(lèi)的應用。

另外現在也非?；鸬木褪侨萜?，容器也是一種計算表現的形式。當然OpenStack有別的項目去專(zhuān)門(mén)地為容器的管理而提供這樣的一些服務(wù)了。但是OpenStack它通過(guò)把資源靈活地來(lái)管理，對外提供上層的API來(lái)實(shí)現我們可以根據自己的業(yè)務(wù)的需求而實(shí)現資源的靈活的調配，從而滿(mǎn)足我們不斷快速變化的需求。

所以云計算發(fā)展到這個(gè)時(shí)候，大家可以理解它對外是提供了一整套標準的API。這個(gè)API可以幫你去實(shí)現對計算存儲網(wǎng)絡(luò )的靈活的管理。這一點(diǎn)非常重要，因為其實(shí)邊緣計算它的實(shí)質(zhì)也是這樣子。

邊緣計算為了能夠像我們在云計算這一端、在邊緣端，我們也能夠有靈活的這么一個(gè)軟件的框架或者是架構來(lái)去管理，你在邊緣端所有的計算存儲網(wǎng)絡(luò )的資源。

但是大家看一下現在邊緣發(fā)展的一個(gè)情況。比如說(shuō)剛剛提到的這個(gè)IOT。其實(shí)IOT是非常異構的一個(gè)環(huán)境，它可能有ARM的設備、Intel的設備，還有別的一些芯片的設備。這個(gè)異構的情況遠遠比云計算的這個(gè)領(lǐng)域要復雜得多。云計算現在可能大家用的就是X86或者是大機、小機，ARM可能都很少用。但邊緣可能是完全不同的一個(gè)情況。

所以邊緣的平臺同樣要解決云計算我們要解決的問(wèn)題。所以它的問(wèn)題遠遠更加地復雜。異構的環(huán)境、復雜的API的調度、計算存儲網(wǎng)絡(luò )的調度。對于計算存儲網(wǎng)絡(luò )。每一種這樣三大資源其實(shí)都有非常復雜的表現的形式。以我剛才舉例的計算來(lái)講，就是容器、Bare Metal和虛擬機。

邊緣其實(shí)同樣遇到這樣的一個(gè)問(wèn)題。我在邊緣也可以是啟容器來(lái)承載更加復雜的一些應用。而更加傳統的一些應用，我可以用虛擬機。高性能的EDN的應用我可以用Bare Metal，對吧？

所以這也希望給大家一點(diǎn)啟發(fā)，就是云計算跟邊緣計算其實(shí)在架構上是趨同，他們在某種程度上遇到的問(wèn)題也類(lèi)似。帶著(zhù)這樣的一個(gè)想法我們可以看一下接下來(lái)對邊緣計算的一些理解可能會(huì )有幫助。

九州云黃舒泉

工業(yè)智能制造與邊緣計算

工業(yè)革命的演進(jìn)最早其實(shí)是1.0，就是蒸汽機的發(fā)明，然后他帶來(lái)了我們一種新的動(dòng)力。然后到了電力，更方便地去使用各種各樣的一些以電為主要能源的自動(dòng)化的設備，從而實(shí)現了大規模的生產(chǎn)。

然后到工業(yè)的3.0，我們有集成電路，我們能夠相對可編程地自動(dòng)化地去實(shí)現我們一些復雜的工序。然后到了4.0其實(shí)并沒(méi)有提出像之前1.0、2.0、3.0一樣一些完全新的想法。他其實(shí)是說(shuō)我要把原來(lái)很多孤立的一些設備，通過(guò)網(wǎng)絡(luò )把它連接起來(lái)。所以網(wǎng)絡(luò )化是4.0非常重要的一個(gè)特點(diǎn)。

另外一點(diǎn)就是智能化。我單單把所有的設備聯(lián)網(wǎng)其實(shí)并沒(méi)有什么用，關(guān)鍵是這些設備是不是智能地能夠去幫我們做一些事情，以及它能夠不斷地反饋、不斷地去改進(jìn)我的工序，這才是更關(guān)鍵的一個(gè)事情。所以智能化+網(wǎng)絡(luò )化是我們在工業(yè)4.0非常關(guān)注的兩個(gè)特點(diǎn)。

邊緣計算在這里面扮演了一個(gè)什么樣的角色呢？其實(shí)邊緣計算就像神經(jīng)末梢一樣，它賦予了我們在每一個(gè)聯(lián)網(wǎng)的設備上的末端的智能化。為什么叫末端的智能化？因為更復雜的智能化，非常復雜的智能化其實(shí)這個(gè)決策還是必須由中心的云計算做出來(lái)的。因為它可能需要搜集全局的數據做一些分析。

但是邊緣的智能化也是很重要，這里舉了一個(gè)神經(jīng)末梢的例子。我就以我們平時(shí)大家都會(huì )感受到的一個(gè)例子來(lái)說(shuō)明。比如說(shuō)我們生火，然后當你的手碰到這個(gè)火的時(shí)候，你會(huì )本能地把手指縮回來(lái)，因為你要趨利避害。所以你這個(gè)縮回來(lái)的動(dòng)作其實(shí)是神經(jīng)末梢的感覺(jué)。它通過(guò)你最末端地智能，本能的一個(gè)反映。這就是我們說(shuō)邊緣端給予了設備的一個(gè)反映。

如果你想一下這里有一個(gè)火，你的手碰到了火。你所有的感受到你的大腦里面，你再想兩秒鐘，這是一個(gè)火、很燙，你再收回來(lái)。這時(shí)候可能就會(huì )已經(jīng)出現了很大的問(wèn)題。

而邊緣端其實(shí)就是賦予了我們很多設備本能的一些反應、本能的末端的一些智能。它給予了我們很多IOT設備感知的能力、智能的一些能力。再往上它把這些數據整理了之后可以到云端進(jìn)行全局的分析，然后云端再把它整合的信息通過(guò)推送的方式推送到這個(gè)智能邊界設備邊緣端來(lái)不斷提高邊緣端所有的智能。所以是這么一個(gè)統一的結構。

所以從這個(gè)關(guān)鍵的技術(shù)體系和平臺架構，我們可以看到在對于工業(yè)互聯(lián)網(wǎng)領(lǐng)域最底層的就是這個(gè)邊緣層它主要包括了這個(gè)設備的接入、協(xié)議的解析以及邊緣數據的一些簡(jiǎn)單的處理。

然后處理完了之后它可以把這些數據反饋到我們中心服務(wù)器、中心云段的一些IaaS層，比如說(shuō)就是我們常見(jiàn)的這個(gè)OpenStack這樣的一個(gè)云基礎設施。

然后云基礎設施可以管理非常多的邊緣的設備，成千上萬(wàn)個(gè)邊緣設備。然后它把所有的數據進(jìn)行一個(gè)匯總，匯總了之后上面有我們工業(yè)PaaS平臺的一系列的工業(yè)特定領(lǐng)域的組件服務(wù)。比如說(shuō)這個(gè)機器學(xué)習、可視化、數據清理、模型建模等等。

再往上可能是一些應用層。應用層，我可以把這樣的一些數據分析處理完了之后，通過(guò)一些工業(yè)應用的系統，然后我可能是直接地控制某些生產(chǎn)線(xiàn)，也有可能是我進(jìn)行一些報表。然后給我們的這個(gè)企業(yè)的負責人進(jìn)行一些分析。

然后同時(shí)我也可以根據所有設備的一些傳感器的情況分析這個(gè)設備的壽命來(lái)進(jìn)行這個(gè)生產(chǎn)線(xiàn)的更替，對這個(gè)生產(chǎn)量進(jìn)行一些預測等等。

我們再回到整個(gè)云+邊緣的這個(gè)大架構來(lái)看。其實(shí)無(wú)非就是在我們傳統的這個(gè)用戶(hù)端或者終端領(lǐng)域和核心云端加了一個(gè)管道。也就是剛剛給大家最早看的這個(gè)CDN的例子，其實(shí)我們就是在中間加了一層。這一層也是同樣非常地重要。它是跟我們之前在云計算領(lǐng)域是類(lèi)似的，它也是有計算存儲網(wǎng)絡(luò )的資源。它也是需要對接的一個(gè)設備，它也是需要對外提供標準的API。所以它解決的問(wèn)題、它面臨的問(wèn)題跟十年、二十年前我們在云計算的領(lǐng)域面對的問(wèn)題也是類(lèi)似的。我們帶著(zhù)這樣的一個(gè)思路就可以去看邊緣計算整個(gè)技術(shù)架構的發(fā)展。

現在有非常多的邊緣計算的一些開(kāi)源項目，主要的有三個(gè)。第一個(gè)是這個(gè)CORD，就是局端的這個(gè)，在電信領(lǐng)域的這個(gè)局端機房改造的項目。它通過(guò)把電信機房的局端改造成數據中心而對外提供更靈活的資源編排的能力。

然后第二個(gè)是vCO，也是一個(gè)開(kāi)源的項目，它采用的網(wǎng)絡(luò )編排是以OpenDaylight，然后資源承載是采用OpenStack。

第三個(gè)是最近比較火的這個(gè)Intel和AT&T一起捐獻代碼發(fā)布了這個(gè)Akraino項目。它的網(wǎng)絡(luò )編排是ONAP，然后資源承載也是OpenStack。所以其實(shí)大家看到在邊緣的開(kāi)源項目中，資源承載這一層其實(shí)還是沿用了原來(lái)在云計算的一些技術(shù)的框架。比方說(shuō)OpenStack，所以這也是九州云為什么把我們從云計算的技術(shù)一直把我們擴張到邊緣計算的一個(gè)原因。

我們再根據剛剛看的那三部分，我們其實(shí)可以看一下總體的、具體里面的技術(shù)分別有什么。主要是三部分，最靠近用戶(hù)，我們把它叫做數據源，然后中間的叫做edge computing，然后在核心云的我們把它叫做Cloud computing。在Data source這一端，其實(shí)數據采集我們就通過(guò)IOT設備進(jìn)行數據采集。然后在邊緣端的話(huà)其實(shí)它更重要的是一個(gè)數據搜集、數據的一些加密，然后如何把數據傳送到核心云這么一些主要的技術(shù)。

然后它上面的這個(gè)基礎的設施的管理，我們可以采用OpenStack，然后也可以采用容器化的方式來(lái)進(jìn)行一些基礎設施的管理。

在傳統的云、數據中心中，我們可以采用比較常見(jiàn)的技術(shù)架構，比如說(shuō)你采用容器的話(huà)，你可以使用這個(gè)KBS，存儲可以采用ceph，然后云平臺的管理你可以采用OpenStack。再往上就是一些管理性的組件，比如說(shuō)你可以用ELK來(lái)進(jìn)行一些數據的分析，采用SAHARA來(lái)做Big Data這個(gè)平臺。然后通過(guò)neutron來(lái)提供一系列的LB的服務(wù)，可能這個(gè)需要有專(zhuān)門(mén)的管理的一些組件來(lái)進(jìn)行遠端的IOT設備的管理。

邊緣端其實(shí)可以直接地去操控這個(gè)IOT的設備。因為他離用戶(hù)更加近，所以他就可以提供實(shí)時(shí)性的操作。比如說(shuō)某一條產(chǎn)線(xiàn)的變動(dòng)。我通過(guò)換一些比如說(shuō)以紡織為例，我通過(guò)剪切這個(gè)布都可以實(shí)時(shí)地進(jìn)行一些操作。

當然邊緣端到核心云端，它的傳輸途徑也是很多的。一般邊緣端可能是在，比如說(shuō)以電信為例，它可能是在局端機房。那么它可能有較好的網(wǎng)絡(luò )條件，我可以通過(guò)互聯(lián)網(wǎng)或者甚至是光纖的方式直接跟我們的云端進(jìn)行數據的交互。

當然也有可能它本身就是一個(gè)小的基站。那么如果沒(méi)有這個(gè)網(wǎng)絡(luò )的話(huà)可能就通過(guò)LT這樣的一些無(wú)線(xiàn)網(wǎng)絡(luò )進(jìn)行數據的一些傳輸。

核心云端它扮演的一個(gè)角色其實(shí)就是搜集了非常多的邊緣端的數據，然后它進(jìn)行更復雜的運算之后，它可以把相關(guān)的更高的一些分析后的結果push到我們的邊緣端。然后邊緣端實(shí)現了一個(gè)模型的更新，然后還實(shí)現了自身的升級。所以這個(gè)是三個(gè)主要的模塊之間他們交互的一個(gè)流程。

我們可以從紡織行業(yè)來(lái)看一下邊緣計算帶給了紡織行業(yè)什么樣的好處。首先紡織行業(yè)其實(shí)都有一個(gè)非常重要的環(huán)節就是驗布。因為像這么一個(gè)工廠(chǎng)里面，它一塊布匹是非常大的，可能有幾米寬、好幾十米甚至上百米長(cháng)。然后這么一大塊布只要有一個(gè)小的瑕疵，那么其實(shí)若干米個(gè)布就廢掉了。這個(gè)就對紡織企業(yè)就是一個(gè)非常大的損失。

那么傳統就是整個(gè)布織完了之后，我需要一個(gè)工人站在這邊不斷地看這個(gè)布匹在滾動(dòng)。一旦有一個(gè)瑕疵點(diǎn)，他就要暫停這臺機器，然后用手標出這個(gè)瑕疵點(diǎn)在哪里。同時(shí)做上一個(gè)標記，在這個(gè)布匹的第幾米有一個(gè)瑕疵點(diǎn)。接下來(lái)要做的一個(gè)事情就是這個(gè)機器需要去把這個(gè)瑕疵點(diǎn)找出來(lái)，然后裁掉，接上去另外一個(gè)布，然后繼續進(jìn)行滾動(dòng)。

所以這個(gè)其實(shí)對于人力成本是非常地高的。然后對工人也是有損害的。因為長(cháng)期看來(lái)，一個(gè)工人長(cháng)期凝視著(zhù)同一個(gè)顏色的布，準確性也會(huì )降低，同時(shí)對視力影響也很大。

所以根據一些統計，一個(gè)小時(shí)來(lái)講，一個(gè)紡織工可能只能檢測最多200個(gè)瑕疵點(diǎn)，而且他們每天工作的時(shí)長(cháng)也是有限的。因為一旦時(shí)間過(guò)長(cháng)的話(huà)，他總的這個(gè)誤判的程度就會(huì )很高。因此其實(shí)就有一個(gè)想法是說(shuō)，我能不能通過(guò)計算機視覺(jué)的辦法，通過(guò)甚至是機器學(xué)習的方法，我來(lái)自動(dòng)地找出這個(gè)布匹里的瑕疵點(diǎn)，這樣子我就可以代替人工。然后我通過(guò)機器來(lái)標注這個(gè)點(diǎn)，然后回頭能不能再自動(dòng)地用機器去控制這個(gè)布匹裁剪，把這個(gè)瑕疵點(diǎn)自動(dòng)裁剪掉。這樣我就可以完全替換掉人了，我不需要人工去驗布。

我通過(guò)一個(gè)機器上面裝上攝像頭，打上相關(guān)的光源，我不斷地在滾。然后這個(gè)攝像頭實(shí)時(shí)地識別這個(gè)布匹的質(zhì)量。一旦發(fā)現某些瑕疵點(diǎn)，他自動(dòng)地把這個(gè)機器停下來(lái)，然后自動(dòng)地去讓這個(gè)機器把瑕疵點(diǎn)給裁剪掉，然后再把布匹接起來(lái)，自動(dòng)地去滾動(dòng)。這個(gè)其實(shí)是紡織行業(yè)在驗布環(huán)節希望改進(jìn)的一個(gè)點(diǎn)。

所以現在比較多的一個(gè)方案其實(shí)是這么一個(gè)方案。就是說(shuō)我需要有非常多的車(chē)間，有一到N個(gè)車(chē)間，然后每個(gè)車(chē)間又有非常多的織布機。然后在織布機上放了這攝像頭，然后也放了比如說(shuō)別的一些設備，像打印機、光源等等。

這時(shí)候所有的攝像頭需要拍這個(gè)照片，拍了照片之后它再傳輸回我這整個(gè)企業(yè)統一的云平臺。然后這個(gè)云平臺對這個(gè)數據進(jìn)行分析。分析完了之后它再把這個(gè)數據返回到這個(gè)車(chē)間的某一個(gè)驗布機，看看在某一個(gè)地方有這個(gè)瑕疵點(diǎn)，你需要怎么做。

這種傳統架構的缺陷就在于往往是一種事后的分析。也就是說(shuō)我整卷布可能都卷完了，可能還要過(guò)一段時(shí)間，我這個(gè)工人才可以拿到這個(gè)報告說(shuō)這個(gè)布第幾米到第幾米之間有瑕疵點(diǎn)，我應該去裁掉。所以這還有一個(gè)返工的工序。我需要看著(zhù)這個(gè)報告把這個(gè)布重新地再打一遍，然后手工地把它再裁一遍。

因為整個(gè)圖像在網(wǎng)絡(luò )中的傳輸，尤其是非常多的車(chē)間的時(shí)候，這個(gè)傳輸的帶寬是非常地高的。然后核心云平臺處理能力也是有限的。所以這個(gè)時(shí)候等到他反饋回來(lái)的時(shí)候，其實(shí)這個(gè)延時(shí)一定很高，我不能實(shí)現剛剛說(shuō)到實(shí)時(shí)的處理瑕疵點(diǎn)的這么一個(gè)事情。

因此我們當采用了這個(gè)邊緣云的架構的時(shí)候，我們可以以車(chē)間為單位，或者是以這個(gè)驗布機為單位。我在驗布機的旁邊可能就可以放上一個(gè)小的計算設備。然后這個(gè)計算設備它直接跟驗布機的控制單位連接，它直接操作這個(gè)攝像頭、光源以及旁邊的這個(gè)打印機，它直接完成這個(gè)數據的采集。

我預先在企業(yè)的云平臺中，我把已有的這個(gè)瑕疵庫的特征給推送到我的邊緣的云平臺中去。這個(gè)驗布機在邊緣平臺中跑的時(shí)候，邊緣云平臺根據我已有的瑕疵庫先做一部分的識別。同時(shí)它也會(huì )離線(xiàn)地把這些數據再匯總到企業(yè)的云平臺中。然后有企業(yè)的云平臺不斷地去更新這樣的一個(gè)模型。所以雖然有可能剛開(kāi)始我的準確性是由最原始的瑕疵庫、特征庫來(lái)決定的。

但隨著(zhù)我的車(chē)間不斷地跑，我跑越多的布，我邊緣云平臺的整個(gè)特征或者整個(gè)瑕疵庫它會(huì )不斷地被完善、不斷地被提升。所以這個(gè)準確率也是不斷地提高的。

然后有了邊緣云平臺我可以更低延時(shí)地去操作這個(gè)驗布機來(lái)完成我想做的一些自動(dòng)化的操作。比如說(shuō)完成自動(dòng)的裁剪或者自動(dòng)停下來(lái)，讓這個(gè)驗布工人去手動(dòng)地做一些操作等等。所以引入了一個(gè)邊緣的云平臺，我們可以更快地在我們的驗布機上做一些自動(dòng)化的操作以及可以避免很多人工的操作，為企業(yè)節省人力的資源。

所以我們跟我們的合作伙伴進(jìn)行了一些POC之后，其實(shí)可以發(fā)現這么一個(gè)智能的織布機，其實(shí)它可以在某種布的情況下，比如說(shuō)我們現在只能識別這個(gè)特定，就是純色的這種布。因為復雜顏色的這種布其實(shí)對特征的識別還是難度比較高的。

在這種相對簡(jiǎn)單一點(diǎn)的這種純色補助的情況下，我們可以相當于五到六個(gè)人的人工織布機。

然后同時(shí)通過(guò)這樣一個(gè)簡(jiǎn)單的項目，我們也幫助我們的企業(yè)完成了整個(gè)統一的驗布機的管理。我可以通過(guò)邊緣端采集驗布機的數據，在統一的云平臺中，我可以去看到所有驗布機的一些指標，知道驗布機生產(chǎn)的效率是什么，更好地幫助我們的企業(yè)去預測整個(gè)產(chǎn)線(xiàn)的一些能力等等。此次的分享就到這里，謝謝大家！

摘自《51CTO》