SDX是Software Defined X 的缩写，即软件定义范式，强调的是软件的意义及系统的融合。我们可能需要特别关注物理系统和网络空间之间的关键边界、运营技术（OT）和信息技术（IT）之间的关键边界技术，在这些边界上，需要充分展开具有挑战性的文化和技术融合。数字转型的成功在很大程度上取决于这个复杂的融合过程。
数字转型的主要目标之一是将人类和“智能”应用到管理、优化和控制接触物理世界的系统。这种智能既来自于人类的知识和经验，也来自于物理模型（如数字孪生）或人工智能模型（如神经网络）。这种智能可以托管在所谓的“网络空间”资源中，可以通过物理系统感知不断丰富，并通过某种形式的驱动应用于控制这些物理系统。网络空间是由巨大的计算、网络、存储和数据组织和管理资源支持的，这些资源通过企业和互联网的发展逐步部署，云和边缘通信，以及所有部署的运营资源。
在网络空间和物理世界之间有一个关键的边界，这被称为网络-物理边界或操作边缘。这是信息技术和运营技术最有意义的融合所在。部署在这个边缘上的基础设施和应用程序需要满足关键需求，数字控制系统与目标系统交互的时间比较敏感，在故障或不可预测的情况下，具有巨大的物理和财务风险。
操作边缘的计算、网络和存储需要满足IT世界中不典型的需求，如时间敏感性和功能安全，以避免故障、不可预测的响应、错误报警和生产过程的安全漏洞，这些可能会造成昂贵成本，甚至危及生命的安全。
面向边缘的技术可能会带来以下的收益：
面向边缘的基础设施是在高层次上支持分布式网络智能和物理系统之间复杂交互的端到端基础设施。这种基础设施将利用云中可用的计算、存储和网络资源池、服务提供商的边缘、数据中心和边缘、公共和专用网络、有线和无线，一直到嵌入式设备的端点。
这就需要提供一个非同构的、分布式的、协调的网络计算和存储结构，托管软件应用，以一致的方式部署在这个结构的任何地方。这将支持在云中进行应用程序和模型的开发，以及跨基础设施部署这些应用程序和模型。随着对物理边界的接近，更严格的时间和安全要求，使资源变得更稀缺，通常更分散，能源和位置更敏感，更暴露于物理和网络安全的威胁之下。实时决策自然会更接近受控的端点，而较慢的优化和学习自然会发生在这个基础设施的更高层级上。
在嵌入式端点、边缘和云中的智能需要创建一个层次结构，具有不同时间尺度特征的信息分布和过程循环，并与物理系统交互。同样，学习和训练发生在基础设施的更深处，而用于快速决策的推理模型在端点附近。这种架构创造了一个强大的、适应性的和协作性的网络空间。这种良性循环的数据收集、分析和反馈可以发生在物理系统的嵌入式计算或者它可以利用计算能力分布在发展中“连续”涉及称为雾或边缘计算资源，所有计算资源是可用的。
尤其在工业领域，正在经历一个向新电子架构的过渡，继承了在云计算、软件定义网络、云存储和对象数据库、大数据、软件部署和编排以及安全等方面所经历的一些技术进展。新的基础设施需要在虚拟化、通信和网络、存储安全和管理方面的其他创新，以专门解决独特的边缘操作需求。
边缘体系结构一组分布式的、相互连接的非同构虚拟化计算和存储节点，一个“系统的系统”，一个分布式计算结构，在它上面部署、交互和协调软件应用程序。这些节点具有关键属性（即时间敏感、可预测、可靠、安全等），接近具有物理端点的接口进程。应用程序满足不那么关键的需求，操作位置更远离该接口。数据被分布、处理和存储在这个结构的不同位置。
对于软件定义的分布式边缘，其基础组成部分如下：a.计算：任务关键型计算在边缘，支持混合临界性应用程序，具有很强的安全性。b.数据网络：时间敏感，可靠的网络技术，如TSN等。c.数据分发：对时间敏感、可靠的数据分发中间件，包括TSN上的OPC UA和TSN上的DDS。d.数据管理和存储：数据是关键动机和驱动因素，它需要分布式管理、分布式结构化并存储在文件系统、对象和关系数据库以及流媒体数据库中。e.端到端管理和编排：一种通用的软件部署模型，从云到端点，实现了一个现代的CI/CD软件生命周期管理。
一旦部署了这种创新的基础设施，重点应该转向应用层，特别是建模描述技术，这些技术可能使不断扩展的社区以更敏捷和更低的成本在操作域中开发、验证和部署分布式应用程序。
边缘计算的关键承诺之一是提供新应用程序的托管，如人工智能和数字孪生，靠近物理系统，与运行当今操作的类型监控、控制和监控应用程序紧密集成和增强。
“任务关键性”特性必须满足服务质量（QoS）、可用性、确定性、安全性以及功能安全的要求，以避免生产过程中故障、不可预测的响应、遗漏报警和安全漏洞造成的昂贵代价。虚拟化和管理是软件定义的边缘基础设施推动者，这些技术提供了对多核计算节点上的所有系统资源的分区和监控，并可选地将所有系统资源分配给更关键的对象。它们提供了高效和可控的分区间通信，具有实时支持和强大的安全分离，还可以支持安全关键应用程序，同时提供动态分配非关键资源的选项。最合适的架构是基于分离内核的概念。
边缘网络的发展中至关重要是数据分发技术。数字孪生和其他形式的模型部署需要从端点到承载模型层次中不同层次的灵活数据分布。时间要求现在可能需要适用于靠近端点的现场总线区域，机器控制领域（工业自动化金字塔中的1级），并扩展到更高的级别，如2级（主管监控和控制），甚至3级。
数据分发旨在从应用程序设计者那里抽象出分发数据的任务，确保数据以及时和可靠的方式接收，并确保接收到的数据可以通过互操作应用程序被理解（语义互操作性）。当前的数据分布标准（OPC UA和DDS），没有办法共享一个数据对象的“所有权”跨多个应用程序，需要进一步修改共享数据的协作和分布式模式，同时执行一个公平的排序政策的更新，将保持一致性。
边缘计算的关键驱动因素之一是需要存储在边缘，不断增长的端点流量和响应优势来自于存储数据，处理它并获得洞见和行动迹象接近数据的来源。流媒体分析、人工智能和边缘的数字孪生对内存带宽、延迟和可靠性的要求在存储技术方面产生了创新。存储将与HCI一起部署在本地数据中心，或者甚至更接近端点，具有任务关键特征的存储将与操作边缘、低级控制器上的传感器、执行器中的网络以及计算资源相关联。一般地，SSD适合运行边缘的环境要求，基于大型DRAM的设计将导致进一步提高边缘应用程序的性能，并帮助支持更具确定性的工作负载。
软件定义的基础设施，特别是在边缘，它的可管理性基于了IT中部署的管理功能。基础设施中各个点的管理和编排功能以及接口提供了硬件设备级别的网络和存储配置、虚拟机、容器级别的虚拟化、性能、安全配置和监控级别。可以跨端到端基础架构部署、监控、更新、内部连接和协调，支持跨整个分布式基础架构的CI/CD模型。这些强大的功能将降低运营成本，提高效率、性能和安全性，从而实现产品按产品定制或子系统重新利用的动态升级。
应用程序与边缘基础设施的托管、互连、执行、存储和管理，这种解耦与功能强大的软件定义范式相一致，在需求和功能上紧密交织。这些边缘是基础设施的组成部分，它将使更丰富的智能能够影响物理系统，并有助于它们的有效控制。
云计算的未来是什么样子的
如何从边缘分析中推动业务价值
如何成功实施云转型策略
人工智能在边缘计算中的优势
大数据正在改变教育
