初步认识边缘计算

初步认识边沿计算有时更快的数据解决是一种奢侈——有时它生死攸关。例如，自动驾驶汽车本质上是一台装有轮子的高性能计算机，它通过大量的传感器来收集数据。为了使得这些车辆能够安全可靠地运行，它们需要立刻对周边的环境做出反映。解决速度的任何延迟都有可能是致命的。即使联网设备的数据解决现在重要是在云端进行的，但在中央服务器之间来回传送数据可能需要几秒钟的时间。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解决数据成为可能。这种技术使得联网设备能够解决在“边沿”形成的数据，这里的“边沿”是指位于设备内部或者与设备本身要近得多的地方。据预计，到，每人每天平均将产生1.5GB的数据量。随着越来越多的设备连接到互联网并生成数据，云计算可能无法完全解决这些数据——特别是在某些需要非常快速地解决数据的使用场景当中。边沿计算是云计算以外的另一种可选解决方案，将来它的应用范畴很有可能将远不止是无人驾驶汽车。涉及亚马逊、微软和谷歌在内的某些科技巨头都在探索“边沿计算”技术，这可能会引发下一场大规模的计算竞赛。即使亚马逊云服务AmazonWebServices（AWS）在公共云领域仍然占据主导地位，但谁将成为这个新兴的边沿计算领域的领导者仍有待观察。在本文中，我们将进一步探讨什么是边沿计算，与该技术有关的优势，以及它在各行各业中的应用。一种充满变化的计算领域在理解边沿计算之前，我们必须先来看看它的前身——云计算——是如何为遍及全球的物联网（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。据预计，到，全球物联网市场规模将超出1.7万亿美元，较的4860亿美元增加逾两倍。因此，云计算——许多智能设备连接到互联网来运作的过程——已经成为一种越来越主流的趋势。云计算使得公司能够在自己的物理硬件之外，通过远程服务器网络（俗称“云”）存储和解决数据（以及其它的计算任务）。例如，你能够选择使用苹果的iCloud云服务来备份你的智能手机，然后你能够通过另一种联网设备（例如你的台式电脑）检索智能手机里的数据，办法是登录你的账户连接到云。你的信息不再受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。另一种例子是通过Web端或移动浏览器来访问多个完整的应用程序。由于云计算越来越受欢迎，它吸引了亚马逊、谷歌、微软和IBM等大型科技公司入局。据私有云管理公司RightScale于进行的一项调查显示，在重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：越来越多的公司在公共云上运行应用程序但是集中式云计算并不适合全部的应用程序和用例。边沿计算则能够在传统云基础设施可能难以解决的领域提供解决方案。向边沿计算的转变在我们到处充满着数据的将来，将有数十亿部设备连接到互联网，因此更快更可靠的数据解决将变得至关重要。近年来，云计算的整合和集中化性质被证明含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。最后，并不是全部的智能设备都需要运用云计算来运行。在某些状况下，这种数据的来回传输能够——也应当——避免。由此，边沿计算应运而生。根据CBInsights的市场规模量化工具，到，全球边沿计算市场规模预计将达成67.2亿美元。即使这是一种新兴领域，但在云计算覆盖的某些领域，边沿计算的运行效率可能要更高。边沿计算使得数据能够在近来端（如电动机、泵、发电机或其它的传感器）进行解决，减少在云端之间来回传输数据的需要。市场研究公司IDC称，边沿计算被描述为“微型数据中心的网状网络，在本地解决或存储核心数据，并将全部接受到的数据推送到中央数据中心或云存储库，其覆盖范畴不到100平方英尺”。例如，一列火车可能包含能够立刻提供其发动机状态信息的传感器。在边沿计算中，传感器数据不需要传输到火车上或者云端的数据中心，来查看与否有什么东西影响了发动机的运转。本地化数据解决和存储对计算网络的压力更小。当发送到云的数据变少时，发生延迟的可能性——云端与物联网设备之间的交互造成的数据解决延迟——就会减少。这也让基于边沿计算技术的硬件承当了更多的任务，它们包含用于收集数据的传感器和用于解决联网设备中的数据的CPU或GPU。随着边沿计算的兴起，理解边沿设备所涉及的另一项技术也很重要，它就是雾计算。边沿计算具体是指在网络的“边沿”处或附近进行的计算过程，而雾计算则是指边沿设备和云端之间的网络连接。换句话说，雾计算使得云更靠近于网络的边沿；因此，根据OpenFog的说法，“雾计算总是使用边沿计算，而不是边沿计算总是使用雾计算。”说回我们的火车场景：传感器能够收集数据，但不能立刻就数据采用行动。例如，如果一名火车工程师想要理解火车车轮和刹车是如何运行的，他能够使用历史累计的传感器数据来预测零部件与否需要维修。在这种状况中，数据解决使用边沿计算，但它并不总是即时进行的（与拟定引擎状态不同）。而使用雾计算，短期分析能够在给定的时间点实现，而不需要完全返回到中央云。图示：云计算、雾计算与边沿计算因此，要记住的是，即使边沿计算给云计算带来补充，并且与雾计算一起非常紧密地运作，但它绝不是两者的替代者。边沿计算的优势即使边沿计算是一种新兴的领域，但是它拥有某些显而易见的优点，涉及：·实时或更快速的数据解决和分析：数据解决更靠近数据来源，而不是在外部数据中心或云端进行，因此能够减少迟延时间。·较低的成本：公司在本地设备的数据管理解决方案上的耗费比在云和数据中心网络上的耗费要少。·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。因此，网络带宽变得更加有限，让云端不堪重负，造成更大的数据瓶颈。·更高的应用程序运行效率：随着滞后减少，应用程序能够以更快的速度更高效地运行。削弱云端的角色也会减少发生单点故障的可能性。例如，如果一家公司使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——公司可能因而蒙受严重的业务损失。，Salesforce网站的北美14站点（又名NA14）宕机超出24个小时。客户无法访问顾客数据，从电话号码到电子邮件等等，业务运行遭受严重的破坏。此后，Salesforce将它的物联网云转移到亚马逊的AWS上，但是这次宕机事件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行。这在互联网连接受限的地区特别能够派上用场——无论是在严重缺少网络服务的特定地区，还是油田等普通无法访问的偏远地区。边沿计算的另一种核心优势与安全性和合规性有关。随着政府越来越关注公司如何运用消费者的数据，这一点尤为重要。欧盟（EU）近来实施的《通用数据保护条例》（GDPR）就是一例。该条例旨在保护个人可识别信息免遭数据滥用。由于边沿设备能够在收集和本地解决数据，数据不必传输到云端。因此，敏感信息不需要经由网络，这样要是云遭到网络攻击，影响也不会那么严重。边沿计算还能够让新兴联网设备和旧式的“遗留”设备之间实现互通。它将旧式系统使用的通信合同“转换成当代联网设备能够理解的语言”。这意味着传统工业设备能够无缝且高效地连接到当代的物联网平台。边沿计算发呈现状今天，边沿计算市场仍然处在早期发展阶段。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）正在成为边沿计算领域的领先者。去年，亚马逊携AWSGreengrass进军边沿计算领域，走在了行业的前面。该服务将AWS扩展到设备上，这样它们就能够“在本地解决它们所生成的数据，同时仍然能够使用云来进行管理、数据分析和持久的存储”。微软在这一领域也有某些大动作。该公司计划在将来4年在物联网领域投入50亿美元，其中涉及边沿计算项目。微软公布了它的AzureIoTEdge解决方案，该方案“将云分析扩展到边沿设备”，支持离线使用。该公司还但愿聚焦于边沿的人工智能应用。谷歌也不甘示弱。它在本月早些时候宣布了两款新产品，旨在协助改善边沿联网设备的开发。它们分别是硬件芯片EdgeTPU和软件堆栈CloudIoTEdge。谷歌表达，“CloudIoTEdge将谷歌云强大的数据解决和机器学习功效扩展到数十亿台边沿设备，例如机器人手臂、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进行实时操作，并在本地进行成果预测。”然而，故意涉足该领域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协助边沿计算实现腾飞。在接下来的四年里，惠普公司将在边沿计算领域投资40亿美元。该公司的EdgelineConvergedEdgeSystems系统的目的客户是那些但愿获得数据中心级计算能力，且普通在边远地区运行的工业合作伙伴。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，为工业运行（例如石油钻井平台、工厂或铜矿）提供来自联网设备的洞见。在新兴的边沿计算领域，其它重要的竞争者涉及ScaleComputing、Vertiv、华为、富士通和诺基亚等。人工智能芯片制造商英伟达于推出了JetsonTX2，这是一种面对边沿设备的人工智能计算平台。它的前身是JetsonTX1，它号称要“重新定义将高级AI从云端扩展到边沿的可能性”。许多出名的公司也在投资布局边沿计算，涉及通用电气、英特尔、戴尔、IBM、思科、惠普公司、微软、SAPSE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。戴尔还参加了物联网边沿平台IOTech的种子轮融资。上面提到的许多公司，涉及思科、戴尔和微软，也已经联合起来构成了OpenFog联盟。该组织的目的是原则化这项技术的应用。边沿计算在各行各业的应用随着传感器价格和计算成本的持续下降，更多的“东西”将被连接到互联网。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某些领域。我们已经开始看到该技术在多个不同的行业领域产生影响。“当我们把云的威力下沉到设备（即边沿）时，我们可带来实时地响应、分析和行动的能力，特别是在网络条件有限或者缺少网络的地区……它还处在早期发展阶段，但我们正开始看到这些新功效能够应用于解决全球范畴的某些重大挑战。”——微软首席技术官凯文·斯科特（KevinScott）从自动驾驶汽车到农业，下列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——更具体地说，是无人驾驶汽车。自动驾驶汽车装备了多个各样的传感器，从摄像头到雷达成激光系统，来协助车辆运行。如前所述，这些自动驾驶汽车能够运用边沿计算，通过这些传感器在离车辆更近的地方解决数据，进而尽量地减少系统在驾驶过程中的响应时间。即使无人驾驶汽车还不是主流趋势，但公司们正在未雨绸缪。今年早些时候，汽车边沿计算联盟（AECC）宣布将启动以联网汽车解决方案为重点的项目。“联网汽车正快速地从豪华车型和高端品牌扩张到大批量的中端车型。汽车行业将很快达成一种临界点，届时汽车所产生的数据量将超出现有的云、计算和通信基础设施资源。”——AECC主席兼总裁村田兼一（KenichiMurata）该联盟的组员涉及DENSOCorporation、丰田汽车、AT&T、爱立信、英特尔等公司。但是，不仅仅是自动驾驶汽车会产生大量的数据并需要实时解决。飞机、火车和其它的交通工具也是如此——不管它们有无人类驾驶。例如，飞机制造商庞巴迪（Bombardier）的C系列飞机就装备了大量的传感器来快速检测发动机的性能问题。在12小时的飞行中，飞机产生了多达844TB的数据。边沿计算支持对数据进行实时解决，因此该公司能够主动解决引擎问题。医疗保健如今，人们越来越喜欢佩戴健身追踪设备、血糖监测仪、智能手表和其它监测健康状况的可穿戴设备。但是，要真正地从所收集的海量数据中获益，实时分析可能是必不可少的——许多的可穿戴设备直接连接到云上，但也有其它的某些设备支持离线运行。某些可穿戴健康监控器能够在不连接云的状况下本地分析脉搏数据或睡眠模式。然后，医生能够当场对病人进行评定，并就病人的健康状况提供即时反馈。但在医疗保健领域，边沿计算的潜力远不局限于可穿戴设备。不妨想想，快速的数据解决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好处。医生和临床医生将能够为患者提供更快、更加好的护理，同时患者所生成的健康数据也多了一层安全保护。医院病床平都有20个以上的联网设备，会产生大量的数据。这些数据的解决将直接发生在更靠近边沿的地方，而不是将保密数据发送到云端，因此能够避免数据被不当访问的风险。如前所述，本地化数据解决意味着大范畴的云端或网络故障不会影响业务运转。即使云操作中断，这些医院的传感器也能独立地正常运行。制造业智能制造有望从当代工厂大量布署的传感器中获得洞见。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分析得出的洞见和实时行动。这可能涉及在机器过热之前将其关闭。一家工厂能够使用两个机器人来完毕同样的任务，两个机器人装有传感器，并连接到一种边沿设备上。边沿设备能够通过运行一种机器学习模型来预测其中一种机器人与否会操作失败。如果边沿设备断定机器人很可能会出现故障，它就会触发行动来制止或减慢机器人的运转。这会使得工厂能够实时地评定潜在的故障。如果机器人能够自己解决数据，它们也可能变得更加自给自足和反映敏捷。边沿计算应当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行中。最后目的是，挖掘实时产生的海量数据的巨大价值，避免安全隐患，并减少工厂车间机器运转中断的状况。农业和智能农场边沿计算非常适合应用于农业，由于农场经常处在偏远的位置和恶劣的环境中，可能存在带宽和网络连接方面的问题。现在，想要改善网络连接的智能农场需要在昂贵的光纤、微波连接或者拥有一颗全天候运行的卫星上进行投资；而边沿计算则是一种适宜的、含有成本效益的替代方案。智能农场能够使用边沿计算来监测温度和设备性能，以及自动让多个设备（例如过热的泵）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，特别是在石油和天然气设施的安全监测方面。例如，压力和湿度传感器应当受到严密监控，不能在连接性上出差错，特别是考虑到这些传感器大多位于偏远地区。如果出现异常状况——例如油管过热——却没有被及时注意到，那就可能会发生灾难性的爆炸。边沿计算的另一种好处是能够实时检测设备故障。通过电网控制，传感