|
有时更快的数据处置是一种朴素——有时它生死攸关。 例如，自动驾驶汽车实质上是一台装有轮子的高性能计算机，它经过大量的传感器来搜集数据。为了使得这些车辆能够保险牢靠地运转，它们需求立刻对周围的环境做出反响。处置速度的任何延迟都有可能是致命的。固然联网设备的数据处置往常主要是在云端中止的，但在中央效劳器之间来回传送数据可能需求几秒钟的时间。这一时间跨度太长了。 边沿计算则让自动驾驶汽车更快速地处置数据成为可能。这种技术使得联网设备能够处置在“边沿”构成的数据，这里的“边沿”是指位于设备内部或者与设备自身要近得多的中央。 据估量，到2020年，每人每天平均将产生1.5GB的数据量。随着越来越多的设备衔接到互联网并生成数据，云计算可能无法完整处置这些数据——特别是在某些需求十分快速地处置数据的运用场景当中。 边沿计算是云计算以外的另一种可选处置计划，未来它的应用范围很有可能将远不止是无人驾驶汽车。 包含亚马逊、微软和谷歌在内的一些科技巨头都在探求“边沿计算”技术，这可能会引发下一场大范围的计算竞赛。固然亚马逊云效劳Amazon Web Services（AWS）在公共云范畴依旧占领主导位置，但谁将成为这个新兴的边沿计算范畴的指导者仍有待察看。 在本文中，我们将深化讨论什么是边沿计算，与该技术相关的优势，以及它在各行各业中的应用。 边沿计算从实质上讲不是一个全新的概念，在某些水平上，它能够称为“重返未来”。在20世纪60年代和70年代，商业计算的特性是庞大的集中式大型机。随着个人计算机的展开，从1980年到2000年，能够看到其向散布式计算的转变，此时人工应用PC完成基础和复杂的任务。在过去的十年中，计算和数据存储越来越多地转移到云端，使得集中式计算的话题再次变热。 但是随着数据生成量的急剧增加，以及在源头或接近源头处愈加快速处置数据的需求的呈现，促使我们进入一个严重的转变时期：更为接近用户和消费者的计算时期。 在了解边沿计算之前，我们必须先来看看它的前身——云计算——是如何为遍布全球的物联网（IoT）设备铺平道路的。 云计算赋能互联世界 从可穿戴设备到联网厨房电器，联网设备能够说无处不在。据估量，到2019年，全球物联网市场范围将超越1.7万亿美圆，较2013年的4860亿美圆增长逾两倍。 因而，云计算——许多智能设备衔接到互联网来运作的过程——曾经成为一种越来越主流的趋向。 云计算使得公司能够在自己的物理硬件之外，经过远程效劳器网络（俗称“云”）存储和处置数据（以及其他的计算任务）。 例如，你能够选择运用苹果的iCloud云效劳来备份你的智能手机，然后你能够经过另一个联网设备（好比你的台式电脑）检索智能手机里的数据，措施是登录你的账户衔接到云。你的信息不再遭到智能手机或台式机的内部硬盘容量的限制。 这只是众多云计算用例之一。 另一个例子是经过Web端或移动阅读器来访问各种完好的应用程序。由于云计算越来越受欢送，它吸收了亚马逊谷歌、微软和IBM等大型科技公司入局。据私有云管理公司RightScale于2018年中止的一项调查显现，在主要的公共云提供商当中，亚马逊AWS和微软Azure分列第一和第二。
图示：越来越多的企业在公共云上运转应用程序 但是集中式云计算并分歧适一切的应用程序和用例。边沿计算则能够在传统云基础设备可能难以处置的范畴提供处置计划。 向边沿计算的转变 在我们四处充溢着数据的未来，将有数十亿部设备衔接到互联网，因而更快更牢靠的数据处置将变得至关重要。 近年来，云计算的整合和集中化性质被证明具有成本效益和灵活性，但物联网和移动计算的兴起给网络带宽带来了不小的压力。 最终，并不是一切的智能设备都需求应用云计算来运转。在某些状况下，这种数据的往复传输能够——也应该——避免。 由此，边沿计算应运而生。 到2022年，全球边沿计算市场范围估量将抵达67.2亿美圆。固然这是一个新兴范畴，但在云计算掩盖的一些范畴，边沿计算的运转效率可能要更高。 边沿计算使得数据能够在最近端（如电动机、泵、发电机或其他的传感器）中止处置，减少在云端之间来回传输数据的需求。 市场研讨公司IDC称，边沿计算被描画为“微型数据中心的网状网络，在本地处置或存储关键数据，并将一切接纳到的数据推送到中央数据中心或云存储库，其掩盖范围不到100平方英尺”。 例如，一列火车可能包含能够立刻提供其发起机状态信息的传感器。在边沿计算中，传感器数据不需求传输到火车上或者云端的数据中心，来查看能否有什么东西影响了发起机的运转。 本地化数据处置和存储对计算网络的压力更小。当发送到云的数据变少时，发作延迟的可能性——云端与物联网设备之间的交互招致的数据处置延迟——就会降低。 这也让基于边沿计算技术的硬件承担了更多的任务，它们包含用于搜集数据的传感器和用于处置联网设备中的数据的CPU或GPU。 随着边沿计算的兴起，了解边沿设备所触及的另一项技术也很重要，它就是雾计算。 边沿计算细致是指在网络的“边沿”处或左近中止的计算过程，而雾计算则是指边沿设备和云端之间的网络衔接。 换句话说，雾计算使得云更接近于网络的边沿；因而，依据OpenFog的说法，“雾计算总是运用边沿计算，而不是边沿计算总是运用雾计算。” 说回我们的火车场景：传感器能够搜集数据，但不能立刻就数据采取行动。例如，假如一名火车工程师想要了解火车车轮和刹车是如何运转的，他能够运用历史累计的传感器数据来预测零部件能否需求维修。 在这种状况中，数据处置运用边沿计算，但它并不总是即时中止的（与肯定引擎状态不同）。而运用雾计算，短期剖析能够在给定的时间点完成，而不需求完整返回到中央云。
图示：云计算、雾计算与边沿计算 因而，要记住的是，固然边沿计算给云计算带来弥补，并且与雾计算一同十分紧密地运作，但它绝不是二者的替代者。 为了更好天文解边沿计算，分辨设备边沿（DeviceEdge）和云边沿（Cloud Edge）十分重要。设备边沿计算在本地硬件上运转软件，并最终为用户一切。这种状况发作在用于计算餐厅小费的iPhone计算器应用程序上，或用计算火车平均速度的车厢传感器上。 而云边沿（有时称为cloudlets，雾节点或微数据中心）位于云的外围，更靠近最终用户。例如，设备频繁访问的数据，好比一个用户最喜欢的电影，能够位于云端，并且将数据推送到设备的速度远远快于从大型数据中心获取数据的速度。好比，当用户观看视频时，边沿计算能够改善用户的观看体验并减轻缓冲压力。人们可能会以为边沿计算将取代云，但其实它们是协同工作——边沿计算只是将某些任务从大型网络效劳器上移开，并转移到更接近用户的中央。 边沿计算的优势 固然边沿计算是一个新兴的范畴，但是它具有一些显而易见的优点，包含： ·实时或更快速的数据处置和剖析：数据处置更接近数据来源，而不是在外部数据中心或云端中止，因而能够减少迟延时间。 ·较低的成本：企业在本地设备的数据管理处置计划上的破费比在云和数据中心网络上的破费要少。 ·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。因而，网络带宽变得愈加有限，让云端不堪重负，构成更大的数据瓶颈。 ·更高的应用程序运转效率：随着滞后减少，应用程序能够以更快的速度更高效地运转。 削弱云端的角色也会降低发作单点毛病的可能性。 例如，假如一家公司运用中央云来存储它的数据，云一旦宕机，那么数据将无法访问，直至问题得到修复——公司可能因而遭受严重的业务损失。 2016年，Salesforce网站的北美14站点（又名NA14）宕机超越24个小时。客户无法访问用户数据，从电话号码到电子邮件等等，业务运营遭受严重的破坏。 尔后，Salesforce将它的物联网云转移到亚马逊的AWS上，但是这次宕机事情凸显了仅仅依赖云的一大弊病。 减少对云的依赖也意味着某些设备能够稳定地离线运转。这在互联网衔接受限的地域特别能够派上用场——无论是在严重缺乏网络效劳的特定地域，还是油田等通常无法访问的偏僻地域。 边沿计算的另一个关键优势与保险性和合规性有关。随着政府越来越关注企业如何应用消费者的数据，这一点尤为重要。 欧盟（EU）最近实施的《通用数据维护条例》（GDPR）就是一例。该条例旨在维护个人可辨认信息免遭数据滥用。 由于边沿设备能够在搜集和本地处置数据，数据不用传输到云端。因而，敏感信息不需求经由网络，这样要是云遭到网络攻击，影响也不会那么严重。 将边沿计算与云计算配对的另一个优点是它能够带来更高效的存储。在自动驾驶汽车的案例中，不用要的重复数据会被删除，汽车只会把最重要的信息发送到云以用于学习和剖析。在剖析了数千辆汽车的数据后，更新的数据将从云端推送到汽车，以此发明良性循环。 这个过程不只对边沿设备有效，而且能够避免云存储过多的冗余数据。这点很重要，由于数据中心固然能够容纳大量数据，但这种存储是能源和资金密集型的，并且这些数据的通讯可能会阻塞带宽。研讨小组IDC预测，到2025年年度数据生成量将增加近10倍——每年增加163个zettabytes （1 zettabyte = 10 ^10 TB）。所以只让必要的重要信息长期存储在云中十分关键。 边沿计算还能够让新兴联网设备和旧式的“遗留”设备之间完成互通。它将旧式系统运用的通讯协议“转换成现代联网设备能够了解的言语”。这意味着传统工业设备能够无缝且高效地衔接到现代的物联网平台。 边沿计算展开示状 今天，边沿计算市场依旧处于初期展开阶段。但随着越来越多的设备连网，它似乎备受关注。 主宰云计算市场的那些公司（亚马逊、谷歌和微软）正在成为边沿计算范畴的抢先者。 去年，亚马逊携AWS Greengrass进军边沿计算范畴，走在了行业的前面。该效劳将AWS扩展到设备上，这样它们就能够“在本地处置它们所生成的数据，同时依旧能够运用云来中止管理、数据剖析和耐久的存储”。 微软在这一范畴也有一些大动作。该公司计划在未来4年在物联网范畴投入50亿美圆，其中包含边沿计算项目。 微软发布了它的Azure IoT Edge处置计划，该计划“将云剖析扩展到边沿设备”，支持离线运用。该公司还希望聚焦于边沿的人工智能应用。 谷歌也不甘示弱。它在8月早些时分宣布了两款新产品，意在辅佐改善边沿联网设备的开发。它们分别是硬件芯片Edge TPU和软件堆栈Cloud IoT Edge。 谷歌表示，“Cloud IoT Edge将谷歌云强大的数据处置和机器学习功用扩展到数十亿台边沿设备，好比机器人手臂、风力涡轮机和石油钻塔，这样它们就能够对来自其传感器的数据中止实时操作，并在本地中止结果预测。” 但是，有意涉足该范畴的并不只是这三大科技巨头。 随着联网设备越来越多地涌现，新兴生态系统中的许多玩家都正在开发软件和技术来辅佐边沿计算完成起飞。 在接下来的四年里，惠普企业将在边沿计算范畴投资40亿美圆。该公司的Edgeline Converged Edge Systems系统的目的客户是那些希望取得数据中心级计算才干，且通常在悠远地域运营的工业协作同伴。 它的系统承诺在不依赖于将数据发送到云或数据中心的状况下，为工业运营（好比石油钻井平台、工厂或铜矿）提供来自联网设备的洞见。 在新兴的边沿计算范畴，其他主要的竞争者包含Scale Computing、Vertiv、华为、富士通和诺基亚等。 人工智能芯片制造商英伟达于2017年推出了Jetson TX2，这是一个面向边沿设备的人工智能计算平台。它的前身是Jetson TX1，它号称要“重新定义将高级AI从云端扩展到边沿的可能性”。 许多著名的公司也在投资规划边沿计算，包含通用电气、英特尔、戴尔、IBM、思科、惠普企业、微软、SAP SE和AT&T。 例如，在私募市场上，戴尔和英特尔均投资了为工商业物联网应用提供边沿智能的Foghorn公司。戴尔还参与了物联网边沿平台IOTech的种子轮融资。 上面提到的许多公司，包含思科、戴尔和微软，也曾经分离起来组成了OpenFog联盟。该组织的目的是规范化这项技术的应用。 边沿计算在各行各业的应用 随着传感器价钱和计算成本的持续降落，更多的“东西”将被衔接到互联网。 随着更多的联网设备变得可用，边沿计算将在各行各业中得到越来越多的应用，特别是在云计算效率低下的一些范畴。 我们曾经开端看到该技术在多个不同的行业范畴产生影响。
从自动驾驶汽车到农业，以下几个行业将会从边沿计算的潜力中获益。 交通运输 边沿计算技术最显而易见的潜在应用之一是交通运输——更细致地说，是无人驾驶汽车。 自动驾驶汽车配备了各种各样的传感器，从摄像头到雷抵达激光系统，来辅佐车辆运转。 如前所述，这些自动驾驶汽车能够应用边沿计算，经过这些传感器在离车辆更近的中央处置数据，进而尽可能地减少系统在驾驶过程中的响应时间。固然无人驾驶汽车还不是主流趋向，但公司们正在未雨绸缪。 今年早些时分，汽车边沿计算联盟（AECC）宣布将启动以联网汽车处置计划为重点的项目。
该联盟的成员包含DENSO Corporation、丰田汽车、AT&T、爱立信、英特尔等公司。 不外，不只仅是自动驾驶汽车会产生大量的数据并需求实时处置。飞机、火车和其他的交通工具也是如此——不论它们有没有人类驾驶。 例如，飞机制造商庞巴迪（Bombardier）的C系列飞机就配备了大量的传感器来疾速检测发起机的性能问题。在12小时的飞行中，飞机产生了多达844 TB的数据。边沿计算支持对数据中止实时处置，因而该公司能够主动处置引擎问题。 医疗保健 往常，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，要真正地从所搜集的海量数据中获益，实时剖析可能是必不可少的——许多的可穿戴设备直接衔接到云上，但也有其他的一些设备支持离线运转。 一些可穿戴健康监控器能够在不衔接云的状况下本地剖析脉搏数据或睡眠方式。然后，医生能够当场对病人中止评价，并就病人的健康状况提供即时反响。 但在医疗保健范畴，边沿计算的潜力远不局限于可穿戴设备。 无妨想想，快速的数据处置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益处。 医生和临床医生将能够为患者提供更快、更好的护理，同时患者所生成的健康数据也多了一层保险维护。医院病床平均有20个以上的联网设备，会产生大量的数据。这些数据的处置将直接发作在更靠近边沿的中央，而不是将失密数据发送到云端，因而能够避免数据被不当访问的风险。 如前所述，本地化数据处置意味着大范围的云端或网络毛病不会影响业务运转。即便云操作中缀，这些医院的传感器也能独立地正常运转。 制造业 智能制造有望从现代工厂大量部署的传感器中取得洞见。 由于能够减少滞后，边沿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剖析得出的洞见和实时行动。这可能包含在机器过热之前将其关闭。 一家工厂能够运用两个机器人来完成同样的任务，两个机器人装有传感器，并衔接到一个边沿设备上。边沿设备能够经过运转一个机器学习模型来预测其中一个机器人能否会操作失败。 假如边沿设备判定机器人很可能会呈现毛病，它就会触发行动来阻止或减慢机器人的运转。这会使得工厂能够实时地评价潜在的毛病。 假如机器人能够自己处置数据，它们也可能变得愈加自给自足和反响灵活。 边沿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。 最终目的是，发掘实时产生的海量数据的庞大价值，避免保险隐患，并减少工厂车间机器运转中缀的状况。 农业和智能农场 边沿计算十分合顺应用于农业，由于农场经常处于偏僻的位置和恶劣的环境中，可能存在带宽和网络衔接方面的问题。 往常，想要改善网络衔接的智能农场需求在昂贵的光纤、微波衔接或者具有一颗全天候运转的卫星上中止投资；而边沿计算则是一种适合的、具有成本效益的替代计划。 智能农场能够运用边沿计算来监测温度和设备性能，以及自动让各种设备（好比过热的泵）减缓运转或者关闭。 能源和电网控制 边沿计算或许在整个能源行业都特别有效，特别是在石油和自然气设备的保险监测方面。 例如，压力和湿度传感器应当遭到紧密监控，不能在衔接性上出差错，特别是思索到这些传感器大多位于偏僻地域。假如呈现异常状况——好比油管过热——却没有被及时留意到，那就可能会发作灾难性的爆炸。 边沿计算的另一个益处是能够实时检测设备毛病。经过电网控制，传感器能够监控从电动汽车到风力发电厂的一切设备所产生的能源，有助于相应作出决策来降低成本和进步能源消费效率。 其他行业范畴的应用 其他能够应用边沿计算技术的行业包含金融业和批发业。这两个行业都运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，能够从减少对云计算的依赖中获益。 批发能够运用边沿计算应用程序来增强顾客体验。往常，许多批发商都在努力于改善店内体验，优化数据搜集和剖析的方式对它们而言绝对很有意义——特别是思索到许多批发商曾经在尝试运用联网的智能显现屏。 此外，很多人运用店内平板电脑所生成的销售点数据，这些数据会被传输到云端或数据中心。借助边沿计算，数据能够在本地中止剖析，从而减少敏感数据走漏的风险。 总结 从可穿戴设备到汽车再到机器人，物联网设备正呈现出越来越强劲的展开势头。 随着我们朝着愈加互联的生态系统迈进，数据生成将继续飞速增加，特别是在5G技术取得起飞，进一步加快网络衔接以后。固然中央云或数据中心传统上不时是数据管理、处置和存储的首选，但这两种计划都存在局限性。边沿计算能够充任替代处置计划，但由于该技术仍处于起步阶段，因而还很难预料其未来的展开。 设备才干方面的应战——包含开发能够处置云端分流的计算任务的软件和硬件的才干——可能会呈现。能否教会机器在能够在边沿执行的计算任务和需求云端执行的计算任务之间切换，也是一个应战。 即便如此，随着边沿计算更多地被采用，企业将有更多的机遇在各个范畴测试和部署这种技术。 有些用例可能比其他用例更能证明边沿计算的价值，但整体来看，该技术对我们整个互联生态系统的潜在影响则可能是天翻地覆的。 参考资料： What Is Edge Computing?，CB Insights，2018.8 边沿计算：入门精要，Fusion Fund |
名表回收网手机版
