首頁>Club>
5
回覆列表
  • 1 # 開悟科技

    2019年8月15日訊息,知名創投調研機構CB Insights撰文詳述了邊緣計算的發展和應用前景。文章稱,雲計算已經不足以即時處理和分析由物聯網裝置、聯網汽車和其他數字平臺生成或即將生成的資料,這個時候邊緣計算能夠派上用場。該技術擁有著應用於諸多行業領域和發揮巨大作用的潛力。

    以下是文章主要內容:

    有時更快的資料處理是一種奢侈——有時它生死攸關。

    例如,自動駕駛汽車本質上是一臺裝有輪子的高效能計算機,它透過大量的感測器來收集資料。為了使得這些車輛能夠安全可靠地執行,它們需要立即對周圍的環境做出反應。處理速度的任何延遲都有可能是致命的。雖然聯網裝置的資料處理現在主要是在雲端進行的,但在中央伺服器之間來回傳送資料可能需要幾秒鐘的時間。這一時間跨度太長了。

    邊緣計算則讓自動駕駛汽車更快速地處理資料成為可能。這種技術使得聯網裝置能夠處理在“邊緣”形成的資料,這裡的“邊緣”是指位於裝置內部或者與裝置本身要近得多的地方。

    據估計,到2020年,每人每天平均將產生1.5GB的資料量。隨著越來越多的裝置連線到網際網路並生成資料,雲計算可能無法完全處理這些資料——尤其是在某些需要非常快速地處理資料的使用場景當中。

    邊緣計算是雲計算以外的另一種可選解決方案,未來它的應用範圍很有可能將遠不止是無人駕駛汽車。

    包括亞馬遜、微軟和谷歌在內的一些科技巨頭都在探索“邊緣計算”技術,這可能會引發下一場大規模的計算競賽。雖然亞馬遜雲服務Amazon Web Services(AWS)在公共雲領域仍然佔據主導地位,但誰將成為這個新興的邊緣計算領域的領導者仍有待觀察。

    在本文中,我們將深入探討什麼是邊緣計算,與該技術相關的優勢,以及它在各行各業中的應用。

    一個充滿變化的計算領域

    在瞭解邊緣計算之前,我們必須先來看看它的前身——雲計算——是如何為遍佈全球的物聯網(IoT)裝置鋪平道路的。

    雲計算 賦能 互聯世界

    從可穿戴裝置到聯網廚房電器,聯網裝置可以說無處不在。據估計,到2019年,全球物聯網市場規模將超過1.7萬億美元,較2013年的4860億美元增長逾兩倍。

    因此,雲計算——許多智慧裝置連線到網際網路來運作的過程——已經成為一種越來越主流的趨勢。

    雲計算使得公司能夠在自己的物理硬體之外,透過遠端伺服器網路(俗稱“雲”)儲存和處理資料(以及其他的計算任務)。

    例如,你可以選擇使用蘋果的iCloud雲服務來備份你的智慧手機,然後你可以透過另一個聯網裝置(比如你的臺式電腦)檢索智慧手機裡的資料,方法是登入你的賬戶連線到雲。你的資訊不再受到智慧手機或桌上型電腦的內部硬碟容量的限制。

    這只是眾多雲計算用例之一。另一個例子是透過Web端或移動瀏覽器來訪問各種完整的應用程式。由於雲計算越來越受歡迎,它吸引了亞馬遜谷歌、微軟和IBM等大型科技公司入局。據私有云管理公司RightScale於2018年進行的一項調查顯示,在主要的公共雲提供商當中,亞馬遜AWS和微軟Azure分列第一和第二。

    圖示:越來越多的企業在公共雲上執行應用程式

    但是集中式雲計算並不適合所有的應用程式和用例。邊緣計算則能夠在傳統雲基礎設施可能難以解決的領域提供解決方案。

    向邊緣計算的轉變

    在我們到處充斥著資料的未來,將有數十億部裝置連線到網際網路,因此更快更可靠的資料處理將變得至關重要。

    近年來,雲計算的整合和集中化性質被證明具有成本效益和靈活性,但物聯網和移動計算的興起給網路頻寬帶來了不小的壓力。

    最終,並不是所有的智慧裝置都需要利用雲計算來執行。在某些情況下,這種資料的往返傳輸能夠——也應該——避免。

    由此,邊緣計算應運而生。

    根據CB Insights的市場規模量化工具,到2022年,全球邊緣計算市場規模預計將達到67.2億美元。雖然這是一個新興領域,但在雲計算覆蓋的一些領域,邊緣計算的執行效率可能要更高。

    邊緣計算使得資料能夠在最近端(如電動機、泵、發電機或其他的感測器)進行處理,減少在雲端之間來回傳輸資料的需要。

    市場研究公司IDC稱,邊緣計算被描述為“微型資料中心的網狀網路,在本地處理或儲存關鍵資料,並將所有接收到的資料推送到中央資料中心或雲端儲存庫,其覆蓋範圍不到100平方英尺”。

    例如,一列火車可能包含可以立即提供其發動機狀態資訊的感測器。在邊緣計算中,感測器資料不需要傳輸到火車上或者雲端的資料中心,來檢視是否有什麼東西影響了發動機的運轉。

    本地化資料處理和儲存對計算網路的壓力更小。當傳送到雲的資料變少時,發生延遲的可能性——雲端與物聯網裝置之間的互動導致的資料處理延遲——就會降低。

    這也讓基於邊緣計算技術的硬體承擔了更多的任務,它們包含用於收集資料的感測器和用於處理聯網裝置中的資料的CPU或GPU。

    隨著邊緣計算的興起,理解邊緣裝置所涉及的另一項技術也很重要,它就是霧計算。

    邊緣計算具體是指在網路的“邊緣”處或附近進行的計算過程,而霧計算則是指邊緣裝置和雲端之間的網路連線。

    換句話說,霧計算使得雲更接近於網路的邊緣;因此,根據OpenFog的說法,“霧計算總是使用邊緣計算,而不是邊緣計算總是使用霧計算。”

    說回我們的火車場景:感測器能夠收集資料,但不能立即就資料採取行動。例如,如果一名火車工程師想要了解火車車輪和剎車是如何執行的,他可以使用歷史累計的感測器資料來預測零部件是否需要維修。

    在這種情況中,資料處理使用邊緣計算,但它並不總是即時進行的(與確定引擎狀態不同)。而使用霧計算,短期分析可以在給定的時間點實現,而不需要完全返回到中央雲。

    圖示:雲計算、霧計算與邊緣計算

    因此,要記住的是,雖然邊緣計算給雲計算帶來補充,並且與霧計算一起非常緊密地運作,但它絕不是二者的替代者。

    邊緣計算 的優勢

    雖然邊緣計算是一個新興的領域,但是它擁有一些顯而易見的優點,包括:

    ·較低的成本:企業在本地裝置的資料管理解決方案上的花費比在雲和資料中心網路上的花費要少。

    ·網路流量較少:隨著物聯網裝置數量的增加,資料生成繼續以創紀錄的速度增加。因此,網路頻寬變得更加有限,讓雲端不堪重負,造成更大的資料瓶頸。

    ·更高的應用程式執行效率:隨著滯後減少,應用程式能夠以更快的速度更高效地執行。

    削弱雲端的角色也會降低發生單點故障的可能性。

    例如,如果一家公司使用中央雲來儲存它的資料,雲一旦宕機,那麼資料將無法訪問,直至問題得到修復——公司可能因而蒙受嚴重的業務損失。

    2016年,Salesforce網站的北美14站點(又名NA14)宕機超過24個小時。客戶無法訪問使用者資料,從電話號碼到電子郵件等等,業務運營遭受嚴重的破壞。

    此後,Salesforce將它的物聯網雲轉移到亞馬遜的AWS上,但是這次宕機事件凸顯了僅僅依賴雲的一大弊病。

    減少對雲的依賴也意味著某些裝置可以穩定地離線執行。這在網際網路連線受限的地區尤其能夠派上用場——無論是在嚴重缺乏網路服務的特定地區,還是油田等通常無法訪問的偏遠地區。

    邊緣計算的另一個關鍵優勢與安全性和合規性有關。隨著政府越來越關注企業如何利用消費者的資料,這一點尤為重要。

    歐盟(EU)最近實施的《通用資料保護條例》(GDPR)就是一例。該條例旨在保護個人可識別資訊免遭資料濫用。

    由於邊緣裝置能夠在收集和本地處理資料,資料不必傳輸到雲端。因此,敏感資訊不需要經由網路,這樣要是雲遭到網路攻擊,影響也不會那麼嚴重。

    邊緣計算還能夠讓新興聯網裝置和舊式的“遺留”裝置之間實現互通。它將舊式系統使用的通訊協議“轉換成現代聯網裝置能夠理解的語言”。這意味著傳統工業裝置可以無縫且高效地連線到現代的物聯網平臺。

    邊緣計算發展現狀

    今天,邊緣計算市場仍然處於初期發展階段。但隨著越來越多的裝置連網,它似乎備受關注。

    主宰雲計算市場的那些公司(亞馬遜、谷歌和微軟)正在成為邊緣計算領域的領先者。

    去年,亞馬遜攜AWS Greengrass進軍邊緣計算領域,走在了行業的前面。該服務將AWS擴充套件到裝置上,這樣它們就可以“在本地處理它們所生成的資料,同時仍然可以使用雲來進行管理、資料分析和持久的儲存”。

    微軟在這一領域也有一些大動作。該公司計劃在未來4年在物聯網領域投入50億美元,其中包括邊緣計算專案。

    微軟釋出了它的Azure IoT Edge解決方案,該方案“將雲分析擴充套件到邊緣裝置”,支援離線使用。該公司還希望聚焦於邊緣的人工智慧應用。

    谷歌也不甘示弱。它在本月早些時候宣佈了兩款新產品,意在幫助改善邊緣聯網裝置的開發。它們分別是硬體晶片Edge TPU和軟體堆疊Cloud IoT Edge。

    谷歌表示,“Cloud IoT Edge將谷歌雲強大的資料處理和機器學習功能擴充套件到數十億臺邊緣裝置,比如機器人手臂、風力渦輪機和石油鑽塔,這樣它們就能夠對來自其感測器的資料進行實時操作,並在本地進行結果預測。”

    然而,有意涉足該領域的並不只是這三大科技巨頭。

    隨著聯網裝置越來越多地湧現,新興生態系統中的許多玩家都正在開發軟體和技術來幫助邊緣計算實現騰飛。

    在接下來的四年裡,惠普企業將在邊緣計算領域投資40億美元。該公司的Edgeline Converged Edge Systems系統的目標客戶是那些希望獲得資料中心級計算能力,且通常在邊遠地區運營的工業合作伙伴。

    它的系統承諾在不依賴於將資料傳送到雲或資料中心的情況下,為工業運營(比如石油鑽井平臺、工廠或銅礦)提供來自聯網裝置的洞見。

    在新興的邊緣計算領域,其他主要的競爭者包括Scale Computing、Vertiv、華為、富士通和諾基亞等。

    人工智慧晶片製造商英偉達於2017年推出了Jetson TX2,這是一個面向邊緣裝置的人工智慧計算平臺。它的前身是Jetson TX1,它號稱要“重新定義將高階AI從雲端擴充套件到邊緣的可能性”。

    許多著名的公司也在投資佈局邊緣計算,包括通用電氣、英特爾、戴爾、IBM、思科、惠普企業、微軟、SAP SE和AT&T。

    例如,在私募市場上,戴爾和英特爾均投資了為工商業物聯網應用提供邊緣智慧的Foghorn公司。戴爾還參與了物聯網邊緣平臺IOTech的種子輪融資。

    上面提到的許多公司,包括思科、戴爾和微軟,也已經聯合起來組成了OpenFog聯盟。該組織的目標是標準化這項技術的應用。

    邊緣計算在各行各業的應用

    隨著感測器價格和計算成本的持續下降,更多的“東西”將被連線到網際網路。

    隨著更多的聯網裝置變得可用,邊緣計算將在各行各業中得到越來越多的應用,尤其是在雲計算效率低下的一些領域。

    我們已經開始看到該技術在多個不同的行業領域產生影響。

    “當我們把雲的威力下沉到裝置(即邊緣)時,我們可帶來實時地響應、分析和行動的能力,尤其是在網路條件有限或者缺乏網路的地區……它還處於初期發展階段,但我們正開始看到這些新功能能夠應用於解決全球範圍的一些重大挑戰。”——微軟首席技術官凱文 · 斯科特(Kevin Scott)

    從自動駕駛汽車到農業,以下幾個行業將會從邊緣計算的潛力中獲益。

    交通運輸

    邊緣計算技術最顯而易見的潛在應用之一是交通運輸——更具體地說,是無人駕駛汽車。

    自動駕駛汽車裝備了各種各樣的感測器,從攝像頭到雷達到鐳射系統,來幫助車輛執行。

    如前所述,這些自動駕駛汽車可以利用邊緣計算,透過這些感測器在離車輛更近的地方處理資料,進而儘可能地減少系統在駕駛過程中的響應時間。雖然無人駕駛汽車還不是主流趨勢,但公司們正在未雨綢繆。

    今年早些時候,汽車邊緣計算聯盟(AECC)宣佈將啟動以聯網汽車解決方案為重點的專案。

    “聯網汽車正迅速地從豪華車型和高階品牌擴張到大批次的中端車型。汽車行業將很快達到一個臨界點,屆時汽車所產生的資料量將超過現有的雲、計算和通訊基礎設施資源。”——AECC主席兼Quattroporte村田兼一(Kenichi Murata)

    該聯盟的成員包括DENSO Corporation、豐田汽車、AT&T、愛立信、英特爾等公司。

    不過,不僅僅是自動駕駛汽車會產生大量的資料並需要實時處理。飛機、火車和其他的交通工具也是如此——不管它們有沒有人類駕駛。

    例如,飛機制造商龐巴迪(Bombardier)的C系列飛機就裝備了大量的感測器來迅速檢測發動機的效能問題。在12小時的飛行中,飛機產生了多達844 TB的資料。邊緣計算支援對資料進行實時處理,因此該公司能夠主動處理引擎問題。

    醫療保健

    如今,人們越來越喜歡佩戴健身追蹤裝置、血糖監測儀、智慧手錶和其他監測健康狀況的可穿戴裝置。

    但是,要真正地從所收集的海量資料中獲益,實時分析可能是必不可少的——許多的可穿戴裝置直接連線到雲上,但也有其他的一些裝置支援離線執行。

    一些可穿戴健康監控器可以在不連線雲的情況下本地分析脈搏資料或睡眠模式。然後,醫生可以當場對病人進行評估,並就病人的健康狀況提供即時反饋。

    但在醫療保健領域,邊緣計算的潛力遠不侷限於可穿戴裝置。

    不妨想想,快速的資料處理能夠給遠端患者監控、住院患者護理以及醫院和診所的醫療管理帶來多大的好處。

    醫生和臨床醫生將能夠為患者提供更快、更好的護理,同時患者所生成的健康資料也多了一層安全保護。醫院病床平均有20個以上的聯網裝置,會產生大量的資料。這些資料的處理將直接發生在更靠近邊緣的地方,而不是將保密資料傳送到雲端,因此能夠避免資料被不當訪問的風險。

    如前所述,本地化資料處理意味著大範圍的雲端或網路故障不會影響業務運轉。即使雲操作中斷,這些醫院的感測器也能獨立地正常執行。

    製造業

    智慧製造有望從現代工廠大量部署的感測器中獲得洞見。

    由於能夠減少滯後,邊緣計算可能會使得製造流程能夠更快速地做出響應和變動,能夠實時地應用資料分析得出的洞見和實時行動。這可能包括在機器過熱之前將其關閉。

    一家工廠可以使用兩個機器人來完成同樣的任務,兩個機器人裝有感測器,並連線到一個邊緣裝置上。邊緣裝置可以透過執行一個機器學習模型來預測其中一個機器人是否會操作失敗。

    如果邊緣裝置斷定機器人很可能會出現故障,它就會觸發行動來阻止或減慢機器人的運轉。這會使得工廠能夠實時地評估潛在的故障。

    如果機器人能夠自己處理資料,它們也可能變得更加自給自足和反應靈敏。

    邊緣計算應該支援更快地從大資料中更多的洞見,以及支援將更多的機器學習技術應用到業務運營中。

    最終目標是,挖掘實時產生的海量資料的巨大價值,防止安全隱患,並減少工廠車間機器運轉中斷的情況。

    農業和智慧農場

    邊緣計算非常適合應用於農業,因為農場經常處於偏遠的位置和惡劣的環境中,可能存在頻寬和網路連線方面的問題。

    現在,想要改善網路連線的智慧農場需要在昂貴的光纖、微波連線或者擁有一顆全天候執行的衛星上進行投資;而邊緣計算則是一種合適的、具有成本效益的替代方案。

    智慧農場可以使用邊緣計算來監測溫度和裝置效能,以及自動讓各種裝置(比如過熱的泵)減緩運轉或者關閉。

    能源和電網控制

    邊緣計算或許在整個能源行業都尤其有效,尤其是在石油和天然氣設施的安全監測方面。

    例如,壓力和溼度感測器應當受到嚴密監控,不能在連線性上出差錯,尤其是考慮到這些感測器大多位於偏遠地區。如果出現異常情況——比如油管過熱——卻沒有被及時注意到,那就可能會發生災難性的爆炸。

    邊緣計算的另一個好處是能夠實時檢測裝置故障。透過電網控制,感測器可以監控從電動汽車到風力發電廠的一切設施所產生的能源,有助於相應作出決策來降低成本和提高能源生產效率。

    其他行業領域的應用

    其他可以利用邊緣計算技術的行業包括金融業和零售業。這兩個行業都使用大型的客戶和後端資料集來提供從選股資訊到店內服裝擺放的各種資訊,可以從減少對雲計算的依賴中獲益。

    零售可以使用邊緣計算應用程式來增強顧客體驗。如今,許多零售商都在致力於改善店內體驗,最佳化資料收集和分析的方式對它們而言絕對很有意義——尤其是考慮到許多零售商已經在嘗試使用聯網的智慧顯示屏。

    此外,很多人使用店內平板電腦所生成的銷售點資料,這些資料會被傳輸到雲端或資料中心。藉助邊緣計算,資料可以在本地進行分析,從而減少敏感資料洩漏的風險。

    總結

    從可穿戴裝置到汽車再到機器人,物聯網裝置正呈現出越來越強勁的發展勢頭。

    隨著我們朝著更加互聯的生態系統邁進,資料生成將繼續飛速增加,尤其是在5G技術取得騰飛,進一步加快網路連線以後。雖然中央雲或資料中心傳統上一直是資料管理、處理和儲存的首選,但這兩種方案都存在侷限性。邊緣計算可以充當替代解決方案,但由於該技術仍處於起步階段,因此還很難預料其未來的發展。

    裝置能力方面的挑戰——包括開發能夠處理雲端分流的計算任務的軟體和硬體的能力——可能會出現。能否教會機器在能夠在邊緣執行的計算任務和需要雲端執行的計算任務之間切換,也是一個挑戰。

    即便如此,隨著邊緣計算更多地被採用,企業將有更多的機會在各個領域測試和部署這種技術。

    有些用例可能比其他用例更能證明邊緣計算的價值,但整體來看,該技術對我們整個互聯生態系統的潛在影響則可能是翻天覆地的。

    原文連結:https://blog.csdn.net/hello_zybwl/article/details/89219832

  • 中秋節和大豐收的關聯?
  • 有人說草包包子是最難吃的包子,對此你怎麼看?