浅谈边缘计算
- 一. 概念
- 定义
(1)*对边缘计算的定义如下:
边缘计算是一种优化云计算系统的方法。在边缘执行分析和知识生成减少受控系统和数据中心之间的通信带宽。
(2)OpenStack基金会对边缘计算的定义如下:
边缘计算是为应用开发者和服务提供商在网络的边缘侧提供云服务和IT环境服务。边缘计算的目标是在靠近数据输入或用户的地方提供计算、存储和网络带宽。
(3) 2015年,卡内基梅隆大学、华为、英特尔等发起成立的Open Edge Computing (开放边缘计算联盟),对边缘计算架构的定义如下:
边缘计算提供了与用户非常接近的小型数据中心(边缘节点)。它通过与计算和存储资源的低延迟交互,仅距离用户一跳即可显着改善客户体验。
(4)边缘计算产业联盟(Edge Computing Consortium,简称ECC),对边缘计算的定义如下:
边缘计算是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的分布式开放平台,就近提供边缘智能服务,满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。
- 对边缘计算的理解
边缘计算犹如人类的神经末梢,对简单的刺激进行自处理并将处理的特征信息反馈给云端大脑。把云计算看作是大脑,那么边缘计算就像是大脑输出的神经触角,这些触角连接到各个终端运行各种动作。
- 二. 原理架构
在一般的场景中,边缘计算会被部署在计算对象中,ECC(边缘计算联盟)定义了边缘计算的四个领域:
1.设备域
边缘计算在这一层,可以对感知的信息直接进行计算处理。
比如在视频采集、音频采集中直接部署智能鉴别的能力;又或者像手机一样,能够由语音输入直接转换成文字输出。
2.网络域
通过部署计算能力,实现各网络协议的自动转换,对数据格式进行标准化处理。
要解决物理网中数据异构的问题,就需要在网络域中部署边缘计算,以实现数据格式的标准化和数据传递的标准化(例如将所有的感知数据都换算成MQTT类型数据,并通过HTTP方式传递)。
同时,网络域的边缘计算,还能对“融合网络”进行智能化管理,实现网络的冗余,保证网络的安全,并可进一步参与网络的优化工作。
3.数据域
边缘计算,使得数据管理更智能、存储方式更灵活。
首先,边缘计算可以对数据的完整性和一致性进行分析,并进行数据清洗工作,消灭系统中的“脏”数据。
其次,边缘计算可以对计算和存储能力以及系统负载进行动态地部署。
最后,边缘计算还能和云端计算保持高效协同、合理分担运算任务。
4.应用域
边缘计算提供属地化的业务逻辑和应用智能。
它使得应用具有灵便、快速反应的能力,并在离线的情况下(和云端失去联系时),仍能够独立地提供本地化的应用服务。
- 三. 应用
- 在自动驾驶中的应用
自动驾驶汽车本质上是一台装有*的高性能计算机,它通过大量的传感器来收集数据。为了使得这些车辆能够安全可靠地运行,它们需要立即对周围的环境做出反应。处理速度的任何延迟都有可能是致命的。虽然联网设备的数据处理现在主要是在云端进行的,但在*服务器之间来回传送数据可能需要几秒钟的时间。这一时间跨度太长了。
边缘计算则让自动驾驶汽车更快速地处理数据成为可能。这种技术使得联网设备能够处理在“边缘”形成的数据,这里的“边缘”是指位于设备内部或者与设备本身要近得多的地方。
2.医疗保健
如今,人们越来越喜欢佩戴健身追踪设备、血糖监测仪、智能手表和其他监测健康状况的可穿戴设备。
但是,要真正地从所收集的海量数据中获益,实时分析可能是必不可少的——许多的可穿戴设备直接连接到云上,但也有其他的一些设备支持离线运行。
不妨想想,快速的数据处理能够给远程患者监控、住院患者护理以及医院和诊所的医疗管理带来多大的好处。
3.制造业
由于能够减少滞后,边缘计算可能会使得制造流程能够更快速地做出响应和变动,能够实时地应用数据分析得出的洞见和实时行动。这可能包括在机器过热之前将其关闭。
边缘计算应该支持更快地从大数据中更多的洞见,以及支持将更多的机器学习技术应用到业务运营中。
最终目标是,挖掘实时产生的海量数据的巨大价值,防止安全隐患,并减少工厂车间机器运转中断的情况。
4.其他
可以利用边缘计算技术的行业包括金融业、零售业,这两个行业都使用大型的客户和后端数据集来提供从选股信息到店内服装摆放的各种信息,可以从减少对云计算的依赖中获益。除此之外还有农业和能源和电网控制等。
- 四.优势与劣势
- 优点
虽然边缘计算是一个新兴的领域,但是它拥有一些显而易见的优点,包括:
·实时或更快速的数据处理和分析:数据处理更接近数据来源,而不是在外部数据中心或云端进行,因此可以减少迟延时间。
·较低的成本:企业在本地设备的数据管理解决方案上的花费比在云和数据中心网络上的花费要少。
·网络流量较少:随着物联网设备数量的增加,数据生成继续以创纪录的速度增加。因此,网络带宽变得更加有限,让云端不堪重负,造成更大的数据瓶颈。
·更高的应用程序运行效率:随着滞后减少,应用程序能够以更快的速度更高效地运行。
·削弱云端的角色也会降低发生单点故障的可能性。
- 存在的问题
- 优化边缘计算性能。
在边缘计算架构中,不同层次的边缘服务器所拥有的计算能力有所不同,负载分配将成为一个重要问题。用户需求、延时、带宽、能耗及成本是决定负载分配策略的关键指标。针对不同工作负载,应设置指标的权重和优先级,以便系统选择最优分配策略。成本分析需要在运行过程中完成、分发负载之间的干扰和资源使用情况,都对边缘计算架构提出了挑战。
- 安全性。
边缘计算的分布式架构增加了攻击向量的维度,边缘计算客户端越智能,越容易受到恶意软件感染和安全漏洞攻击。在边缘计算架构中,在数据源的附近进行计算是保护隐私和数据安全的一种较合适的方法。但由于网络边缘设备的资源有限,对于有限资源的边缘设备而言,现有数据安全的保护方法并不能完全适用于边缘计算架构。而且,网络边缘高度动态的环境也会使网络更加易受攻击和难以保护。
- 互操作性。
边缘设备之间的互操作性是边缘计算架构能够大规模落地的关键。不同设备商之间需要通过制定相关的标准规范和通用的协作协议,实现异构边缘设备和系统之间的互操作性。
- 智能边缘操作管理服务。
网络边缘设备的服务管理在物联网环境中需要满足识别服务优先级,灵活可扩展和复杂环境下的隔离线。在传感器数据和通信不可靠的情况下,系统如何通过利用多维参考数据源和历史数据记录,提供可靠的服务是目前需要关注的问题。
引用
[1] https://mp.weixin.qq.com/s/3UZIoQDPfjQrZrcJ2iAs2g
[2] 施巍松,孙辉,曹杰,张权,刘伟.边缘计算:万物互联时代新型计算模型[J].计算机研究与发展,2017,54(05):907-924.
[3] https://blog.csdn.net/hello_zybwl/article/details/89219832
[4] http://www.360doc.com/content/18/0813/08/27972427_777839946.shtml
[5] https://www.zhihu.com/question/67708200/answer/790843026
[6]https://www.sogou.com/link?url=hedJjaC291OfPyaFZYFLI4KQWvqt63NBavhT-uQ3mDNSnz2t5QxBCQ..