物联网设备的快速扩展,以及它们不断扩大的计算能力,带来了海量的数据。 随着 5G 网络扩大连接移动设备的数量,数据量将继续上升。
过去,云和人工智能的承诺是,它们将通过从数据中产生可操作的洞察力来自动化和加速创新。
然而,网络和基础设施的容量已经被异常数量和复杂性所取代 提供的数据 通过连接的设备。 当所有设备数据都传输到集中式数据中心或云时,带宽和延迟问题就会出现。
边缘计算效率更高,因为数据是在更接近原点的地方处理和分析的。 由于数据不会通过网络传输到云或数据中心进行处理,因此延迟大大降低。
这篇文章将解释边缘计算是如何工作的,为什么它是必不可少的,并提供边缘计算的各种实例以及优点和缺点。
什么是边缘计算?
边缘计算是一种分布式计算平台,可让企业应用程序更接近物联网设备或本地边缘服务器等数据源。 这种从源头接近数据的方式可以提供显着的业务优势,例如更快的洞察力、更快的反应时间和更高的带宽可用性。
在最基本的情况下,边缘计算使处理和数据存储更接近收集数据的设备,而不是依赖于可能在数千英里之外的中心位置。
这样做是为了保证数据,尤其是实时数据,不会受到可能影响应用程序性能的延迟问题的影响。 此外,通过在本地执行处理,企业可以通过减少必须发送到集中式或基于云的位置的数据量来节省资金。
考虑在工厂车间监控工业设备的设备或连接互联网的摄像机 流式传输实时视频 从一个遥远的办公室。 虽然生成数据的单个设备可以轻松地在网络上移动数据,但当同时传输数据的设备数量增加时,就会出现问题。
将单个实时摄像机乘以数百或数千个单位。 延迟不仅会降低质量,而且带宽费用可能会变得高得令人望而却步。
其中许多系统受益于边缘计算硬件和服务,这些硬件和服务提供本地处理和存储资源。 例如,边缘网关可以处理来自边缘设备的数据,然后仅将相关数据传输回云端。 如果是实时应用,它还可以将数据反馈给边缘设备。
边缘计算如何工作?
边缘的物理架构很复杂,但核心概念是客户端设备连接到附近的边缘模块,以实现更快的处理和更流畅的操作。 物联网传感器、员工的计算机、他们最新的智能手机、安全摄像头,甚至工作场所休息室的联网微波炉都是边缘设备的例子。
自主移动机器人,例如汽车工厂中的机械臂,可以用作工业环境中的边缘设备。 它可能是一种高端外科技术,允许外科医生在偏远地区进行医疗保健手术。 在边缘计算基础设施中,边缘网关被视为边缘设备。
根据所使用的术语,这些模块可以很好地称为边缘服务器或边缘网关。 虽然服务提供商将安装多个边缘网关或服务器以启用边缘网络(例如,Verizon 的 5G 网络),但打算实施私有边缘网络的组织也需要考虑这种设备。
在正常配置中,数据是在用户的 PC 或任何其他客户端应用程序上创建的。 然后通过 Internet、Intranet、LAN 等渠道将数据传输到服务器,并在其中存储和处理数据。 这仍然是一种经过验证的客户端-服务器计算方法。
边缘计算背后的想法很简单:不是将数据移动到更靠近数据中心的位置,而是将数据中心重新定位到更靠近数据的位置。 数据中心的存储和处理资源尽可能靠近数据源(最好在同一区域)。
为什么边缘计算很重要?
今天的大部分计算都发生在边缘,例如医院、工厂和零售商店,处理最敏感的数据并为必须一致且安全地运行的关键任务设备提供动力。
这些位置需要不需要网络连接的低延迟解决方案。 Edge 具有颠覆公司各个部门和职能的潜力,从客户参与和营销到制造和后台运营,这正是它如此吸引人的原因。 在这些情况下,边缘通常实时启用主动和适应性强的业务流程,从而带来新的和改进的用户体验。
企业可以使用 Edge 将数字世界带入现实世界。 通过将网络数据和分析引入实体店来改善零售体验。 创建可以培训员工的方法和机器人可以教工人的场景。
创建优先考虑我们的安全和舒适的智能设置。 边缘计算使企业能够立即在现场操作具有最高可靠性、实时性和数据需求的应用程序,类似于所有这些情况。 最后,这使企业能够更快地进行创新,更快地推出新的商品和服务,并创造新的收入来源。
边缘计算和人工智能/机器学习
边缘计算强调数据收集和实时处理,可以帮助数据密集型智能应用取得成功。 人工智能/机器学习 (AI/ML) 操作(例如图像识别算法)可以在更靠近数据源的地方更有效地进行,从而无需将大量数据传输到集中式数据中心。
这些应用程序结合了大量数据点,以获得更高价值的信息,帮助企业做出更好的决策。 此功能可以帮助进行各种公司交互,包括客户服务、预防性维护、欺诈保护、临床决策等。
组织可以使用决策管理和 AI/ML 推理方法来过滤、分析、限定和组合数据点,通过将每个传入数据点视为一个事件来获得更高阶的信息。
数据密集型应用程序可以分为多个阶段,每个阶段都在 IT 环境中的不同位置执行。 当数据被收集、预处理和传输时,边缘技术就会发挥作用。
在经过工程和分析阶段后,数据将被保存、转换并用于机器学习模型训练,这些阶段通常在公共或私有云环境中执行。 然后它返回到运行时推理步骤的边缘,该步骤服务和监控 机器学习 楷模。
为了满足这些众多目标并在这些不同阶段之间提供连接,灵活、自适应和弹性的基础设施和应用程序开发平台是必要的。
混合云提供了在环境边缘优化配置数据捕获和智能推理工作负载的灵活性、跨云环境的资源密集型数据处理和培训工作负载,以及靠近业务用户的业务事件和洞察管理系统方法,提供跨公共云和私有云的一致体验。
边缘计算 是混合云概念的重要组成部分,旨在提供一致的应用程序和操作体验。
边缘计算用例
从内容交付系统和智能技术到游戏、5G 和预测性维护,我们今天用于娱乐和商务的许多技术都使用了边缘计算。 例如,流媒体音乐和视频服务经常缓存数据以减少延迟并提供更大的网络灵活性以响应用户流量需求。
边缘计算使制造商能够更密切地检查他们的运营。 边缘计算使企业能够仔细监控设备和生产线的效率,并在某些情况下,在故障发生之前预测故障,从而降低停机成本。
边缘计算也被用于医疗保健,以更好地照顾病人,让医生更实时地了解他们的健康状况,而无需将他们的数据提交给第三方数据库进行处理。 石油和天然气公司可以密切关注他们的资产,并防止在其他地方出现代价高昂的困难。
边缘计算技术也用于创建智能家居。 越来越多的小工具,尤其是语音助手,需要在受限网络中连接和分析数据。 如果亚马逊 Alexa 和谷歌智能助理无法获得去中心化的计算能力,他们将需要更长的时间才能为消费者找到答案。
边缘计算的另一个典型例子是联网汽车。 计算机安装在公共汽车和铁路上,以跟踪乘客流动和服务提供。 借助车载技术,送货司机可以确定最有效的路线。 采用边缘计算策略时,每辆车都与车队的其他车辆在相同的标准化平台上运行,从而提高服务可靠性并确保全面的数据安全。
边缘计算的另一个例子是自动驾驶汽车,它在连接可能是断断续续的环境中处理大量实时数据。 自动驾驶汽车,例如自动驾驶汽车,分析车辆上的传感器数据,以减少由于数据量巨大而导致的延迟。 但是,它们可以连接到一个中央位置,以通过无线方式进行软件升级。
边缘计算还有助于流行互联网服务的持续可用性。 内容交付网络 (CDN) 将数据服务器放置在客户位置附近,从而使繁忙的网站能够快速加载并实现快速的视频流服务。
认证的益处
- 边缘计算可以带来更便宜、更快、更可靠的服务。 边缘计算为消费者提供更快、更一致的体验。 Edge 意味着低延迟、高可用性的应用程序可以为公司和服务提供商提供实时监控。
- 边缘计算可以节省网络成本,避免带宽限制,缩短传输时间,消除服务故障,让您更好地控制敏感数据的传输。 加载时间减少,在线服务更接近用户,允许动态和静态缓存。
- 边缘计算有利于受益于更快反应时间的应用程序,例如增强现实和虚拟现实。
- 进行现场大数据分析和聚合的能力,允许近乎实时的决策,是边缘计算的另一个优势。 通过将所有处理能力保持在本地,边缘计算进一步降低了敏感数据暴露的机会,允许企业执行安全标准并遵守监管规则。
- 与边缘计算相关的可靠性和成本节约使企业客户受益。 区域站点可以通过保持本地处理能力继续独立于核心站点运行,即使核心站点因任何原因出现故障也是如此。 通过使计算处理能力更接近其来源,支付在核心站点和区域站点之间传输数据的带宽成本将大大降低。
- 边缘平台可以帮助操作和应用程序开发的一致性。 与数据中心相比,它应该提供互操作性,以适应更广泛的硬件和软件环境。 在开放的生态系统中,良好的边缘方法还允许来自许多供应商的产品一起运行。
缺点
- 边缘计算扩展了网络的整体攻击面。 网络攻击可以使用边缘设备作为入口点,允许攻击者注入恶意软件并感染网络。
- 不幸的是,在分布式环境中建立有效的安全性具有挑战性。 大多数数据处理发生在安全团队和中央服务器的直接视线之外。 当公司添加新设备时,攻击面也会扩大。
- 边缘计算的成本是另一个主要问题。 除非公司与本地边缘合作伙伴合作,否则设置基础设施既昂贵又复杂。 维护费用通常很昂贵,因为团队必须在不同地点保持许多设备处于良好的工作状态。
挑战
- 将边缘服务器扩展到多个小型站点可能比将相同容量添加到单个核心数据中心更困难。 物理站点的开销更大,这对于小型企业来说可能具有挑战性。
- 边缘计算装置通常位于遥远的地方,手头几乎没有或根本没有技术知识。 如果现场出现问题,您将需要一个可以由非技术本地劳动力快速修复的基础设施,然后由一小群专业人员集中控制。
- 为了简化管理并实现更快的故障排除,站点管理程序必须在所有边缘计算站点之间高度可重复。 当软件在每个位置以不同方式实施时,就会出现问题。
- 就物理安全性而言,边缘站点的安全性通常低于核心站点。 边缘方法必须考虑恶意或无意事件的可能性。
结论
鉴于物联网和边缘计算仍处于起步阶段,它们的全部潜力还有很长的路要走。 同时,它们正在加速各行各业的数字化变革,并改变世界各地人们的日常生活。
专家预计,到 2025 年,75% 的数据处理将在典型数据中心或云之外进行。 在边缘计算方面抢占先机,以发现新的业务可能性、提高运营效率并提供一致的消费者体验。
发表评论