江苏龙网

  1. 首页 > 人文 > >

流光年华|《边缘计算优势》白皮书丨附下载( 三 )


边缘计算可以决定在何处执行计算任务 ， 这一灵活性能够提高性能并降低成本 。 传感器的功能通常有限 ， 而在数据中心执行计算任务后 ， 数据从数据中心传输到传感器时会占用带宽 。 边缘计算可从多个源头收集数据 ， 根据需要对这些数据进行融合和抽象化 ， 并在数据源头附近进行计算 。 例如 ， 监控摄像头的数据可被抽象为几何特征 ， 并最终转化为人脸信息 。 当发生紧急情况时（例如 ， 侦查到犯罪嫌疑人） ， 就可以立即采取行动 ， 将位置报告给警察或禁止目标人物通行 。
【流光年华|《边缘计算优势》白皮书丨附下载】边缘计算同样具备决定数据存储位置的灵活性 ， 可提高性能并降低成本 。 迁移数据可能会占用潜在的稀缺带宽 ， 增加成本和攻击面 。 边缘计算可以基于不同管辖区域的合规性边界对数据进行分割 。 数据分割也严格符合安全性和连接性 。 如果数据存储在没有联网的场所 ， 那么黑客入侵的可能性就较低 。
当前 ， 许多工业设施尚未连接到互联网 ， 因而相对安全 。 用专业术语来说 ， 就是设施与互联网之间存在气隙2（Air Gap） 。 这层气隙一旦被打破 ， 设施就容易面临许多威胁和风险 。 穿越气隙的方法有很多 ， 但都需要物理通道 。 一旦连接到互联网 ， 全世界的黑客就可以控制执行器 ， 从而危及工业设施的安全 。
灵活地部署还可以区分需快速执行的任务和耗时较长的任务 。 例如 ， 训练机器学习模型可以在数据中心中执行 ， 而模型评分的算法实时推理阶段可以部署在受控制设备“附近”的边缘 。
同样 ， 在靠近数据生成的地方执行数据 ， 而非将数据传至数据中心后再回传 ， 可以减少数据接收和执行操作之间的延时（Latency）和不稳定性（抖动 ， Jitter） 。 通常来说 ， 速度越快越好 ， 但是稳定性对于需要实时优化的工业流程来说至关重要 。 出现过多延时或抖动的关键控制过程可能会变得非常不稳定 。
数据和计算的本地化可以提高隐私性、防护性、可靠性、弹性和安全性 ， 这些特征共同构筑了可信赖性（Trustworthiness） 。 将数据存储在本地 ， 可使数据在特定应用定义的不同安全边界内保持私有化 。
利用冗余的容错系统在边缘进行计算时 ， 即使节点或链接发生故障 ， 关键性任务应用中的关键服务也可以继续运行 。 当无法连接到数据中心或计算的吞吐量不足时 ， 可在边缘模拟任务 ， 或在连接恢复之前将任务按顺序暂存 。
边缘计算可启用新的应用和功能 ， 从而为客户提升效率、收入和价值 。 例如 ， 智能电网已经在推进分布式能源 ， 降低了能源成本 ， 甚至也为客户降低了成本 。
对于网联汽车一类的分布式应用来说 ， 边缘计算至关重要 。 边缘计算能够使一排排高速行驶的汽车之间进行通信 ， 做出即时决策从而避免发生交通事故 ， 还能通过紧密的跟车行驶来节省道路空间 。
了解了这些优势 ， 现在我们来进一步探讨边缘计算 。
04 机遇边缘计算模型创造了各种各样的机遇 ， 而某些行业趋势可能会持续发挥影响 。
未来 ， 创造重大商业和社会价值的成本将变得相对低廉 。 发现瓶颈后 ， 即可进行修复 。 在 20 世纪 60 年代和 70 年代 ， 内存速度较慢 ， 计算能力相对较快 ， 从而推动行业改善了对内存的访问速度 ， 反之亦然 。 这一循环将持续进行 。 当前面临着网络管理的成本压力 ， 因此必须改善边缘可管理性以及持续的生命周期（从采购到安装、管理、能源消耗、更新和报废）的总拥有成本压力 。 当前的某些新技术（例如人工智能）早在数十年前就已出现 ， 但由于缺乏足够的计算能力和数据容量 ， 因此无法在合理时间内得到应用 。
在这些压力的驱动下 ， 计算和数据将不断发展 。 计算在“最佳”位置执行；数据存储于最便于访问的地方 。 要把计算推送到数据所在的位置（数据引力） ， 这就要求提高架构标准 ， 并对扩展进行创新 ， 具体细节取决于特定的应用 。 一些边缘节点将被按比例缩小 ， 在廉价、低功耗 ， 紧凑的业余级别计算机上运行；其他边缘节点则可以扩展 ， 在相当于数百台机架式（rack-mounted）服务器的计算机集群上运行 。


推荐阅读


上一篇：幸福一箩筐|领域驱动设计框架Axon实践

下一篇：|济南泺口泺新商城今天开业了