物聯網設備的快速擴展,以及它們不斷擴大的計算能力,帶來了海量的數據。 隨著 5G 網絡擴大連接移動設備的數量,數據量將繼續上升。
過去,雲和人工智能的承諾是,它們將通過從數據中產生可操作的洞察力來自動化和加速創新。
然而,網絡和基礎設施的容量已經被異常數量和復雜性所取代 提供的數據 通過連接的設備。 當所有設備數據都傳輸到集中式數據中心或云時,帶寬和延遲問題就會出現。
邊緣計算效率更高,因為數據是在更接近原點的地方處理和分析的。 由於數據不會通過網絡傳輸到雲或數據中心進行處理,因此延遲大大降低。
這篇文章將解釋邊緣計算是如何工作的,為什麼它是必不可少的,並提供邊緣計算的各種實例以及優點和缺點。
什麼是邊緣計算?
邊緣計算是一種分佈式計算平台,它使企業應用程序更接近物聯網設備或本地邊緣服務器等數據源。 這種從源頭接近數據的方式可以提供顯著的業務優勢,例如更快的洞察力、更快的反應時間和更高的帶寬可用性。
在最基本的情況下,邊緣計算使處理和數據存儲更接近收集數據的設備,而不是依賴於可能在數千英里之外的中心位置。
這樣做是為了保證數據,尤其是實時數據,不會受到可能影響應用程序性能的延遲問題的影響。 此外,通過在本地執行處理,企業可以通過減少必鬚髮送到集中式或基於雲的位置的數據量來節省資金。
考慮在工廠車間監控工業設備的設備或連接互聯網的攝像機 流式傳輸實時視頻 從一個遙遠的辦公室。 雖然生成數據的單個設備可以輕鬆地在網絡中移動數據,但當同時傳輸數據的設備數量增加時就會出現問題。
將單個實時攝像機乘以數百或數千個單位。 延遲不僅會降低質量,而且帶寬費用可能會變得高得令人望而卻步。
其中許多系統受益於邊緣計算硬件和服務,這些硬件和服務提供本地處理和存儲資源。 例如,邊緣網關可以處理來自邊緣設備的數據,然後僅將相關數據傳輸回雲端。 如果是實時應用,它還可以將數據反饋給邊緣設備。
邊緣計算如何工作?
邊緣的物理架構很複雜,但核心概念是客戶端設備連接到附近的邊緣模塊,以實現更快的處理和更流暢的操作。 物聯網傳感器、員工的計算機、他們最新的智能手機、安全攝像頭,甚至工作場所休息室的聯網微波爐都是邊緣設備的例子。
自主移動機器人,例如汽車工廠中的機械臂,可以用作工業環境中的邊緣設備。 它可能是一種高端外科技術,允許外科醫生在偏遠地區進行醫療保健手術。 在邊緣計算基礎設施中,邊緣網關被視為邊緣設備。
根據所使用的術語,這些模塊可以很好地稱為邊緣服務器或邊緣網關。 雖然服務提供商將安裝多個邊緣網關或服務器以啟用邊緣網絡(例如,Verizon 的 5G 網絡),但打算實施私有邊緣網絡的組織也需要考慮這種設備。
在正常配置中,數據是在用戶的 PC 或任何其他客戶端應用程序上創建的。 然後通過 Internet、Intranet、LAN 等渠道將數據傳輸到服務器,並在其中存儲和處理數據。 這仍然是一種經過驗證的客戶端-服務器計算方法。
邊緣計算背後的想法很簡單:不是將數據移動到更靠近數據中心的位置,而是將數據中心重新定位到更靠近數據的位置。 數據中心的存儲和處理資源盡可能靠近數據源(最好在同一區域)。
為什麼邊緣計算很重要?
今天的大部分計算都發生在邊緣,在醫院、工廠和零售店等地方,處理最敏感的數據並為必須持續安全運行的關鍵任務設備提供動力。
這些位置需要不需要網絡連接的低延遲解決方案。 Edge 具有顛覆公司各個部門和職能的潛力,從客戶參與和營銷到製造和後台運營,這正是它如此吸引人的原因。 在這些情況下,邊緣通常實時啟用主動和適應性強的業務流程,從而帶來新的和改進的用戶體驗。
企業可以使用 Edge 將數字世界帶入現實世界。 通過將網絡數據和分析引入實體店來改善零售體驗。 創建可以培訓員工的方法和機器人可以教工人的場景。
創建優先考慮我們的安全和舒適的智能設置。 邊緣計算使企業能夠立即在現場操作具有最高可靠性、實時性和數據需求的應用程序,類似於所有這些情況。 最後,這使企業能夠更快地進行創新,更快地推出新的商品和服務,並創造新的收入來源。
邊緣計算和人工智能/機器學習
邊緣計算強調數據收集和實時處理,可以幫助數據密集型智能應用取得成功。 人工智能/機器學習 (AI/ML) 操作(例如圖像識別算法)可以在更靠近數據源的地方更有效地進行,從而無需將大量數據傳輸到集中式數據中心。
這些應用程序結合了大量數據點,以獲得更高價值的信息,幫助企業做出更好的決策。 此功能可以幫助進行各種公司交互,包括客戶服務、預防性維護、欺詐保護、臨床決策等。
組織可以使用決策管理和 AI/ML 推理方法來過濾、分析、限定和組合數據點,通過將每個傳入數據點視為一個事件來獲得更高階的信息。
數據密集型應用程序可以分為多個階段,每個階段都在 IT 環境中的不同位置執行。 當數據被收集、預處理和傳輸時,邊緣技術就會發揮作用。
在經過工程和分析階段後,數據將被保存、轉換並用於機器學習模型訓練,這些階段通常在公共或私有云環境中執行。 然後它返回到運行時推理步驟的邊緣,該步驟服務和監控 機器學習 型號。
為了滿足這些眾多目標並在這些不同階段之間提供連接,靈活、自適應和彈性的基礎設施和應用程序開發平台是必要的。
混合雲提供了在環境邊緣優化配置數據捕獲和智能推理工作負載的靈活性、跨雲環境的資源密集型數據處理和培訓工作負載以及靠近業務用戶的業務事件和洞察管理系統方法,提供跨公共雲和私有云的一致體驗。
邊緣計算 是混合雲概念的重要組成部分,旨在提供一致的應用和操作體驗。
邊緣計算用例
從內容交付系統和智能技術到遊戲、5G 和預測性維護,我們今天用於娛樂和商務的許多技術都使用了邊緣計算。 例如,流媒體音樂和視頻服務經常緩存數據以減少延遲並提供更大的網絡靈活性以響應用戶流量需求。
邊緣計算使製造商能夠更密切地檢查他們的運營。 邊緣計算使企業能夠仔細監控設備和生產線的效率,並在某些情況下,在故障發生之前預測故障,從而降低停機成本。
邊緣計算也被用於醫療保健,以更好地照顧病人,讓醫生更實時地了解他們的健康狀況,而無需將他們的數據提交給第三方數據庫進行處理。 石油和天然氣公司可以密切關注他們的資產,並防止在其他地方出現代價高昂的困難。
邊緣計算技術也用於創建智能家居。 越來越多的小工具,尤其是語音助手,需要在受限網絡中連接和分析數據。 如果亞馬遜 Alexa 和谷歌智能助理無法獲得去中心化的計算能力,他們將需要更長的時間才能為消費者找到答案。
邊緣計算的另一個典型例子是聯網汽車。 計算機安裝在公共汽車和鐵路上,以跟踪乘客流動和服務提供。 借助車載技術,送貨司機可以確定最有效的路線。 採用邊緣計算策略時,每輛車都在與車隊其他車輛相同的標準化平台上運行,從而提高服務可靠性並全面確保數據安全。
邊緣計算的另一個例子是自動駕駛汽車,它在連接可能是斷斷續續的環境中處理大量實時數據。 自動駕駛汽車,例如自動駕駛汽車,分析車輛上的傳感器數據,以減少由於數據量巨大而導致的延遲。 但是,它們可以連接到一個中央位置,以便通過無線方式進行軟件升級。
邊緣計算還有助於流行互聯網服務的持續可用性。 內容交付網絡 (CDN) 將數據服務器放置在客戶位置附近,從而使繁忙的網站能夠快速加載並實現快速的視頻流服務。
優點
- 邊緣計算可以帶來更便宜、更快、更可靠的服務。 邊緣計算為消費者提供更快、更一致的體驗。 Edge 意味著低延遲、高可用性的應用程序可以為公司和服務提供商提供實時監控。
- 邊緣計算可以節省網絡成本,避免帶寬限制,縮短傳輸時間,消除服務故障,讓您更好地控制敏感數據的傳輸。 加載時間減少,在線服務更接近用戶,允許動態和靜態緩存。
- 邊緣計算有利於受益於更快反應時間的應用程序,例如增強現實和虛擬現實。
- 進行現場大數據分析和聚合的能力,允許近乎實時的決策,是邊緣計算的另一個優勢。 通過將所有處理能力保持在本地,邊緣計算進一步降低了敏感數據暴露的機會,允許企業執行安全標準並遵守監管規則。
- 與邊緣計算相關的可靠性和成本節約使企業客戶受益。 區域站點可以通過保持本地處理能力繼續獨立於核心站點運行,即使核心站點因任何原因出現故障也是如此。 通過使計算處理能力更接近其來源,支付在核心站點和區域站點之間傳輸數據的帶寬成本將大大降低。
- 邊緣平台可以幫助操作和應用程序開發的統一性。 與數據中心相比,它應該提供互操作性以適應更廣泛的硬件和軟件環境。 在開放的生態系統中,良好的邊緣方法還允許來自許多供應商的產品一起運行。
缺點
- 邊緣計算擴展了網絡的整體攻擊面。 網絡攻擊可以使用邊緣設備作為入口點,允許攻擊者註入惡意軟件並感染網絡。
- 不幸的是,在分佈式環境中建立有效的安全性具有挑戰性。 大多數數據處理髮生在安全團隊和中央服務器的直接視線之外。 當公司添加新設備時,攻擊面也會擴大。
- 邊緣計算的成本是另一個主要問題。 除非公司與本地邊緣合作夥伴合作,否則設置基礎設施既昂貴又復雜。 維護費用通常很昂貴,因為團隊必須在不同地點保持許多設備處於良好的工作狀態。
面臨的挑戰
- 將邊緣服務器擴展到多個小型站點可能比將相同容量添加到單個核心數據中心更困難。 物理站點的開銷更大,這對於小型企業來說可能具有挑戰性。
- 邊緣計算裝置通常位於遙遠的地方,手頭的技術知識很少或根本沒有。 如果現場出現問題,您將需要一個可以由非技術本地勞動力快速修復的基礎設施,然後由一小群專業人員集中控制。
- 為了簡化管理並實現更快的故障排除,站點管理程序必須在所有邊緣計算站點之間高度可重複。 當軟件在每個位置以不同方式實施時,就會出現問題。
- 就物理安全性而言,邊緣站點的安全性通常低於核心站點。 邊緣方法必須考慮惡意或無意事件的可能性。
結論
鑑於物聯網和邊緣計算仍處於起步階段,它們的全部潛力還有很長的路要走。 同時,它們正在加速各行各業的數字化變革,並改變世界各地人們的日常生活。
專家預計,到 2025 年,75% 的數據處理將在典型數據中心或云之外進行。 在邊緣計算方面搶占先機,以發現新的業務可能性、提高運營效率並提供一致的消費者體驗。
發表評論