Linux基金會Philip DesAutels認(rèn)為“將來，云端更像是扮演一個集中式協(xié)調(diào)管理的角色，成為一個具有分布式集體智慧的云端大腦。”
邊緣計(jì)算是指利用靠近數(shù)據(jù)源的邊緣地帶來完成的運(yùn)算程序，邊緣計(jì)算的運(yùn)算既可以在大型運(yùn)算設(shè)備內(nèi)完成 也可以在中小型運(yùn)算設(shè)備、本地端網(wǎng)絡(luò)內(nèi)完成。用于邊緣運(yùn)算的設(shè)備可以是智能手機(jī)這樣的移動設(shè)備、PC、智能家居等家用終端，也可以是ATM機(jī)、攝像頭等終端。
關(guān)于邊緣計(jì)算的應(yīng)用現(xiàn)狀和場景
在Microsoft Build 2017開發(fā)者大會上，微軟首席執(zhí)行官SatyaNadella宣布：“公司的云戰(zhàn)略正在朝著邊緣計(jì)算方向發(fā)展。”未來隨著聯(lián)網(wǎng)接入設(shè)備的倍增、大數(shù)據(jù)時代下數(shù)據(jù)的爆發(fā)式增長，云計(jì)算中心已經(jīng)無法滿足智能家居、無人駕駛等場景對低延遲的高要求，邊緣計(jì)算取而代之將成為大勢。
邊緣計(jì)算應(yīng)用場景一：萬物互聯(lián)的物聯(lián)網(wǎng)
隨著網(wǎng)絡(luò)邊緣側(cè)設(shè)備的迅速增加，設(shè)備產(chǎn)生的數(shù)據(jù)存量達(dá)到澤字節(jié)的級別，從網(wǎng)絡(luò)邊緣設(shè)備傳輸傳輸海量數(shù)據(jù)到云數(shù)據(jù)中心致使網(wǎng)絡(luò)傳輸寬帶的負(fù)載量急劇增加造成較長的網(wǎng)絡(luò)延遲，單純的云計(jì)算已經(jīng)不足以匹配如此龐大規(guī)模數(shù)據(jù)量的即時計(jì)算。
云計(jì)算作為物聯(lián)網(wǎng)的“大腦中樞”，將大量邊緣計(jì)算無法處理的數(shù)據(jù)進(jìn)行存儲、處理、整理和分析，而與此同時邊緣計(jì)算被認(rèn)為是物聯(lián)網(wǎng)的“神經(jīng)末梢”，實(shí)現(xiàn)對小數(shù)據(jù)直接在邊緣設(shè)備或者邊緣服務(wù)器中進(jìn)行數(shù)據(jù)的處理，同時也能夠很好的緩解云數(shù)據(jù)中心的壓力。邊緣計(jì)算和云計(jì)算互相協(xié)同，準(zhǔn)確的說它們是彼此優(yōu)化補(bǔ)充的存在。
邊緣計(jì)算應(yīng)用場景二:CDN內(nèi)容分發(fā)業(yè)務(wù)
傳統(tǒng) CDN 借助緩存數(shù)據(jù)，提高近地節(jié)點(diǎn)數(shù)據(jù)傳輸?shù)男阅埽菍?shí)際上對動態(tài)的計(jì)算服務(wù)，就只能回源到數(shù)據(jù)中心，這個成本本身其實(shí)是很高的。邊緣計(jì)算和傳統(tǒng)的中心化思維不同，其主要計(jì)算節(jié)點(diǎn)以及應(yīng)用分布式部署在靠近終端的數(shù)據(jù)中心，這使得無論是在服務(wù)的響應(yīng)性能、還是可靠性方面都是高于傳統(tǒng)中心化的云計(jì)算。邊緣計(jì)算保障大量的計(jì)算需要在離終端很近的區(qū)域完成計(jì)算，完成苛刻的低延時服務(wù)響應(yīng)。
此外通過邊緣計(jì)算，同時緩解了傳統(tǒng)數(shù)據(jù)「安全」層面的問題，畢竟數(shù)據(jù)傳輸?shù)木嚯x越遠(yuǎn)、路徑越長、時間越久，數(shù)據(jù)的被竊取風(fēng)險(xiǎn)和丟失風(fēng)險(xiǎn)也就越高。
邊緣計(jì)算應(yīng)用場景三：蓬勃發(fā)展的車聯(lián)網(wǎng)
當(dāng)下伴隨著智駕駛、自動駕駛等新勢力車企的的蓬勃發(fā)展，聯(lián)網(wǎng)汽車數(shù)量越來越大，針對車聯(lián)網(wǎng)用戶的功能越來越多，隨之車聯(lián)網(wǎng)的數(shù)據(jù)量傳輸不斷增加，對其延遲/時延的需求也越來越苛刻，尤其是汽車在高速行駛中，通信延遲應(yīng)在幾ms以內(nèi)，而網(wǎng)絡(luò)的可靠性對安全駕駛又至關(guān)重要。
那么，在這個過程中如何滿足車聯(lián)網(wǎng)對傳輸速率的高要求?傳統(tǒng)中央云計(jì)算由于經(jīng)過多層級計(jì)算處理，延遲高、效率低，現(xiàn)在已不再能滿足車聯(lián)網(wǎng)的傳輸需求。而基于邊緣計(jì)算解決方案，在近點(diǎn)邊緣層已經(jīng)完成對數(shù)據(jù)的過濾、篩選、分析和處理，傳輸距離短、延遲低、效率更高。相較云計(jì)算，車聯(lián)網(wǎng)顯然更加需要邊緣計(jì)算來護(hù)航!
(1)通過節(jié)點(diǎn)“下沉”的方式，可以在距離車輛最近的基站進(jìn)行計(jì)算，短算計(jì)算距離
(2)車內(nèi)邊緣計(jì)算可實(shí)時提供實(shí)時車輛位置，利用低延遲效果與附近基站，提高可靠性。
(3)單一車量通過數(shù)據(jù)分析后得出結(jié)論，以極低延遲傳送給臨近區(qū)域內(nèi)的其他聯(lián)網(wǎng)車輛，可在區(qū)域范圍內(nèi)快速完成傳遞，駕駛員及時做出決策
邊緣計(jì)算應(yīng)用場景四：智慧智能的城市云腦
就如開篇所言，把邊緣計(jì)算比作“神經(jīng)末梢”，而同時現(xiàn)在我們把基于互聯(lián)網(wǎng)云腦模型的智慧城市建設(shè)架構(gòu)稱為“城市云腦”或者說“城市大腦”，邊緣計(jì)算這里的角色就像是城市大腦的神經(jīng)末梢，一方面采集數(shù)據(jù)信息，本地進(jìn)行實(shí)時處理、預(yù)測，將本地處理提取的特征數(shù)據(jù)傳輸給云端大腦，另一方面將人工智能與分布在城市中的傳感器結(jié)合，打通各系統(tǒng)平臺，使得城市運(yùn)營出現(xiàn)的諸多問題能夠更加及時、有效的得到發(fā)現(xiàn)和處理!
當(dāng)然，邊緣計(jì)算的應(yīng)用場景遠(yuǎn)不止于上面列舉的幾種，邊緣計(jì)算未來也將會在智能安防、智能家居、虛擬現(xiàn)實(shí)、區(qū)塊鏈、遠(yuǎn)程監(jiān)控等場景帶給我們不同程度的驚喜。
關(guān)于邊緣計(jì)算整個行業(yè)的前景而言
IDC在其發(fā)布的《中國制造業(yè)物聯(lián)網(wǎng)市場預(yù)測2016-2020年》報(bào)告指出，2018年將會有40%的數(shù)據(jù)需要在網(wǎng)絡(luò)邊緣側(cè)分析、處理與儲存，到2020年中國制造業(yè)企業(yè)物聯(lián)網(wǎng)支出有望達(dá)到1275億美元，其中軟件和服務(wù)合計(jì)市場占比或超過60%，而現(xiàn)階段這個比例尚還不及10%。如今AWS、微軟、英特爾等國外大型企業(yè)已經(jīng)著手布局邊緣計(jì)算，可以預(yù)見的是邊緣計(jì)算之于云服務(wù)企業(yè)重要性可見一斑!
關(guān)于很多人說，邊緣計(jì)算會不會取代邊緣計(jì)算?其實(shí)也大可不必?fù)?dān)心，本質(zhì)上而言二者都是處理大數(shù)據(jù)的計(jì)算運(yùn)行方式，是互為補(bǔ)充的關(guān)系。
只是邊緣計(jì)算和云計(jì)算相比較而言，不同的是，數(shù)據(jù)不用再傳到遙遠(yuǎn)的云端，在邊緣側(cè)就能解決，邊緣計(jì)算更適合實(shí)時的數(shù)據(jù)分析和智能化處理，也更加高效而且安全。
如果說云計(jì)算是集中式大數(shù)據(jù)處理，那么邊緣計(jì)算可以理解為邊緣式大數(shù)據(jù)處理!
現(xiàn)階段而言，邊緣計(jì)算距離規(guī)模化落地還是需要一段時間，相關(guān)的解決方案也需要進(jìn)一步完善和優(yōu)化，對于很多邊緣計(jì)算云服務(wù)商而言，還是需要沉下心來，深耕產(chǎn)品!
京公網(wǎng)安備 11010502049343號