最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

一文读懂边缘计算是什么?

[复制链接]
跳转到指定楼层
楼主
发表于 2019-11-12 11:47:31 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

最近,有越来越多的公司开始使用跨多个站点和网络的分布式基础设施,以实现云计算体系结构的简化管理和灵活性。各企业机构目前普遍有一个新的需求,即跨广域网使用云功能,并在网络边缘进行微小化部署。尽管这样的运营模式还处于早期阶段,但许多新出现的用例和场景将从这样的分布式基础设施中受益。

这样的分布式云计算被形象地称为边缘计算(Edge Computing)。



边缘计算为何而生?

随着万物互联时代的到来和无线网络的不断发展,网络边缘的设备数量和产生的数据都快速增长。根据IDC预测,到2020年全球数据总量将大于40ZB,而IoT产生数据的45%都将在网络边缘处理。以云计算模型为核心的集中式处理模式将无法高效处理边缘设备产生的数据,集中式处理模型将所有数据通过网络传输到云计算中心,利用云计算中心超强的计算能力来集中式解决计算和存储问题,但在万物互联的背景下,传统的集中式云计算显示了其不足,包括:

1、实时性不够

传统云计算模型在应对实时性要求极高的万物互联场景应用会产生系统延迟的问题。例如在无人驾驶汽车场景下,汽车需要精确到毫秒级别的反应时间,一旦出现延迟则有可能酿成涉及人身财产安全的严重后果。

2、带宽不足

边缘设备实时产生大量数据,这样庞大的数据集传至集中式的数据中心,将会造成巨大的网络带宽压力。

3、能耗较大

数据中心消耗极多能源,根据Sverdlik的研究,到2020年美国所有数据中心能耗将增长4%,达到730亿千瓦时,我国数据中心所消耗的电能也已经超过了匈牙利和希腊两国用电总和。随着用户应用程序越来越多,处理的数据量越来越大, 能耗将会成为限制云计算中心发展的瓶颈。

4、不利于数据安全和隐私

万物互联中的数据与用户生活联系密切相关,智能终端设备如室内智能网络摄像头,将数据传输到云端会增加泄露用户隐私的风险。

为了解决以上问题,面向边缘设备所产生海量数据计算的边缘计算模型应运而生。



什么是边缘计算?

在维基百科中,边缘计算指的是一种分散式运算的架构,即将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。它允许在数据源处进行数据的收集和分析,这一过程需要利用并不保证持续连接到网络的资源,如笔记本电脑、智能手机、平板电脑和传感器等。

Gartner认为,边缘计算描述的是一种计算拓扑。在这一拓扑结构中,信息处理、内容收集和数据的传递和保存均在更靠近此数据信息源(生产者)和接收器(用户)的地点位置进行。“边缘”本身指的是物理世界中的传感器、控制器等与数字世界的网关、本地处理、数据细化等进行交互之处。

配图来源自Gartner

OpenStack认为,边缘计算中的“边缘”是指行政领域中尽可能靠近离散数据源或最终用户的郊区地带。这一概念适用于电信网络、具有分布式“店面”(如零售)的大型企业、其他应用,特别是在物联网环境中。


配图来源自OpenStack

随着边缘计算能力的不断提高和完善,一种适应新需求的计算范式已经出现,它不再受构建集中数据中心需求的约束。相反,对于某些应用程序,边缘计算正在以结合虚拟化和云计算过往经验的基础上,创造出具有潜在数千个的、大规模的、分布式节点的能力,这些节点可以应用于多个领域的不同场景,例如目前备受关注的工业物联网,或者是用于远程监测网络,如跟踪数千数百万个地点的水资源实时使用情况。

边缘计算的概念必须涵盖边缘站点(如计算、网络和存储基础设施)以及在其上运行的应用(工作量)。边缘计算环境中的任何应用都可能运用到由云计算、块存储、对象存储、虚拟网络、裸机或容器提供的任一或所有功能。



边缘计算的用途在哪里?

根据OpenStack,边缘计算能力体现(但不仅限于)在以下方面:

1、跨不同基础设施间的一致操作模式

2、在全球范围内数千个地点的大规模分布环境中的执行能力

3、为位于全球偏远地点的客户提供网络服务

4、满足应用程序集成、协调和服务的交付要求

5、打破硬件限制,降低成本

6、实现有限或间歇性网络连接

7、可处理具有严格低延迟要求的应用程序(AR/VR、语音等)

8、实现地理围栏,保证敏感隐私数据仅留在本地



与中心化云计算相比的边缘计算?

边缘计算类似于中心化云计算(即数据中心),表现在:

1、包括计算、存储和网络资源

2、其资源可由用户和应用共享

3、从资源池的虚拟化和抽象化受益

4、其发展得益于商品硬件的支持

5、使用API来支持互操作性

同时,边缘计算存在有别于大型的数据中心的不同之处,包括:

1、由于边缘计算部署的边缘站点尽可能靠近最终用户,有效改善了高延迟和连接不稳定的问题

2、边缘计算可能需要使用专门的硬件,比如用于AR/VR功能的GPU/FPGA平台

3、可以实现边缘站点的大量扩展,将部署的边缘设备分布在相比于传统大型数据中心而言更多的、不同的位置

4、掌握边缘站点的具体位置及识别访问链接在何处终止十分重要,一个需要靠近用户进行运行的应用需要在正确的边缘部位方可正常运行

5、在边缘计算架构中,整个网站池可被认为是动态的。由于其物理分离属性,在某些情况下,边缘站点将通过广域网进行相互连接和核心连接。边缘站点会随着时间加入或断开与网络池的连接

6、边缘站点是远程且无人操作的,这就需要有支持对站点进行间歇性网络访问的相应工具实现远程管理

7、边缘站点支持从大至数据中心,小至单个设备的不同站点数量和规模

8、边缘站点可能受到空间或电源要求等的资源限制,或向现有站点添加容量时也可能受到限制

9、一些用例需要大规模的多租户

10、可能需要将边缘计算与数据中心云隔离,以确保“外部云”域不会影响服务。



边缘计算的特点和优势1、数据处理实时性

边缘计算整合了数据采集、处理、执行三大能力,避免了数据上传下达所产生的时延弊端,提升了本地物联网设备的处理能力和响应速度。

2、降低带宽限制的影响

在网络边缘处理大量临时数据,不再全部上传云端,这极大地减轻了网络带宽和数据中心功耗的压力

3、提高敏感隐私数据的安全性

边缘计算将用户隐私数据不再上传,而是存储在网络边缘设备上,减少了网络数据泄露的风险,保护了用户数据安全和隐私。

4、业务数据可靠性

基于安全的数据才会有可靠的业务,边缘计算本身不把数据传向云端,在广域网发生故障的情况下,也能够实现局域范围内的数据服务,进而实现本地业务的可靠运行。

5、应用开发多样化

我们知道,未来会有一半以上的数据在其源头进行处理,也会有诸如工业制造、智能汽车、智能家居等多样的应用场景。用户可以根据自己的业务需求自定义物联网应用,这就好比我们在安装office过程中会有多种的安装选项。

随着传感器价格和计算成本的持续下降,更多的“东西”将被连接到互联网,这为边缘计算提供更扎实的硬件设备支持。而随着边缘计算更多地被采用,企业将有更多的机会在各个领域测试和部署边缘计算技术。

边缘未来应用的潜力在哪里?可点击了解博纳云曾整合的麦肯锡关于“边缘计算的未来应用设想:覆盖11个行业的107个实用案例”。



文章参考来源:

1、报告:云边缘计算:超越数据中心(Cloud Edge Computing: Beyond the Data Center)

报告原文PDF链接:https://www.openstack.org/assets ... paper-v3-online.pdf

2、什么是边缘计算?(What is Edge Computing)

原文网址链接:https://www.ge.com/digital/blog/what-edge-computing

3、维基百科:边缘计算

原文网址链接:https://en.wikipedia.org/wiki/Edge_computing

4、Gartner报告:什么是边缘计算及为什么你需要关注它?(What is Edge Computing and Why Should You Care)

5、论文:边缘计算:现状与展望

论文完整下载链接:http://www.cs.wayne.edu/~weisong ... mputing-Chinese.pdf

6、CB Insights报告:什么是边缘计算?(What is Edge Computing?)

报告原文链接:https://www.cbinsights.com/research/what-is-edge-computing/

本文由博纳云翻译、整理和编辑


楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-4-24 22:56

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表