行业资讯

【边缘计算平台】边缘计算助力互联网发展,边缘计算平台的重要性

2021-11-08

边缘计算(Edge Computing)是相对云计算来说的的,边缘计算是指收集并分析数据的行为发生在靠近数据生成的本地设备和网络中,而不是必须将数据传输到计算资源集中化的云端进行处理。通俗的说,边缘计算是去中心化或分布式的云计算,原始数据不传回云端,而是在本地完成分析处理。

边缘计算平台

边缘计算是什么?

边缘计算是一种计算网络架构,其中计算尽可能靠近数据源,以减少延迟和带宽使用。目的是减少需要在远离数据源或需要计算结果的用户的集中远程位置(即“云”)中执行的计算量,从而最大限度地减少计算量客户端和服务器之间必须发生的远程通信。近年来,技术的快速进步使得计算硬件的小型化和密度增加以及软件虚拟化使边缘计算变得更加可行。

在其基本层面上,边缘计算使计算和数据存储更靠近收集数据的设备,而不是依赖可能相距数千英里的中心位置。这样做是为了使数据,尤其是实时数据,不会受到影响应用程序性能的延迟问题。此外,公司可以通过在本地完成处理来节省资金,减少需要在集中或基于云的位置处理的数据量。

边缘计算是由于物联网设备的指数增长而开发的,这些设备连接到互联网以接收来自云端的信息或将数据传送回云端。许多物联网设备在运行过程中会产生大量数据。

为什么需要边缘计算?

产生海量数据(例如智能工厂或城市中的物联网设备)、消耗海量数据(例如使用5G 手机观看 4K 流媒体视频或 VR 游戏设备) 的网络边缘在线设备迅速增加 ),或两者兼顾(例如自动驾驶汽车)。

为什么需要边缘计算

使用传统的“云计算”模型需要将所有这些数据传输回中央数据中心。在传输回设备之前进行处理,将网络带宽要求推到了极限。尽管网络技术有所改进,但数据中心无法保证可接受的传输速率和响应时间,这可能是许多应用程序的关键要求。因此,边缘计算将计算和存储能力带到网络边缘,在物理上、逻辑上或地理上靠近终端设备,减少网络带宽使用和延迟并缩短响应时间。边缘计算是加快互联网速度的主要组成部分!

想想在工厂车间监控制造设备的设备或从远程办公室发送实时镜头的联网摄像机。虽然产生数据的单个设备可以很容易地通过网络传输数据,但当同时传输数据的设备数量增加时就会出现问题。与其使用一台摄像机传输实时镜头,不如将其乘以数百或数千台设备。不仅质量会因延迟而受到影响,而且带宽成本也可能是巨大的。

关于边缘计算

边缘计算硬件和服务通过成为许多这些系统的本地处理和存储源来帮助解决这个问题。例如,边缘网关可以处理来自边缘设备的数据,然后仅将相关数据通过云发送回,从而减少带宽需求。或者它可以在实时应用需求的情况下将数据发送回边缘设备。

这些边缘设备可以包括许多不同的东西,例如物联网传感器、员工的笔记本电脑、他们最新的智能手机、安全摄像头,甚至办公室休息室中连接互联网的微波炉。边缘网关本身被视为边缘计算基础设施中的边缘设备。

边缘计算使用例子

有多少用户就有多少不同的边缘用例——每个人的安排都会不同——但有几个行业一直处于边缘计算的前沿。制造商和重工业使用边缘硬件作为延迟不容忍应用程序的推动者,将处理能力保持在工厂车间重型机械的自动协调等需要的地方。边缘还为这些公司提供了一种方法来集成物联网应用程序,例如靠近机器的预测性维护。同样,农业用户可以使用边缘计算作为来自各种连接设备的数据的收集层,包括土壤和温度传感器、联合收割机和拖拉机等。

边缘计算使用例子

不同类型的部署所需的硬件会有很大差异。例如,工业用户将重视可靠性和低延迟,需要能够在工厂车间的恶劣环境中运行的坚固边缘节点和专用通信链路(专用 5G、专用 Wi-Fi 网络甚至有线连接) ) 来实现他们的目标。相比之下,联网农业用户仍将需要坚固耐用的边缘设备来应对户外部署,但连接部分可能看起来大不相同——低延迟可能仍然是协调重型设备移动的要求,但环境传感器很可能具有更高的范围和更低的数据要求——LP-WAN 连接、Sigfox 或类似的可能是那里的最佳选择。

其他用例完全提出了不同的挑战。零售商可以将边缘节点用作各种不同功能的店内票据交换所,将销售点数据与有针对性的促销活动联系起来,跟踪客流量等,以实现统一的商店管理应用程序。这里的连接部分可能很简单——每个设备的内部 Wi-Fi——或者更复杂,蓝牙或其他低功耗连接服务于流量跟踪和促销服务,以及为销售点和自助服务保留的 Wi-Fi -查看。

使用边缘计算的好处

对于许多公司而言,仅节省成本就可以推动部署边缘计算。最初将云用于其许多应用程序的公司可能已经发现带宽成本高于预期,并正在寻找更便宜的替代方案。边缘计算可能是合适的。

使用边缘计算的好处

不过,越来越多的边缘计算的最大好处是能够更快地处理和存储数据,从而支持对公司至关重要的更高效的实时应用程序。在边缘计算之前,智能手机扫描人脸进行面部识别需要通过基于云的服务运行面部识别算法,这将需要大量时间来处理。借助边缘计算模型,考虑到智能手机日益强大的功能,该算法可以在边缘服务器或网关上本地运行,甚至可以在智能手机本身上运行。虚拟和增强现实、自动驾驶汽车、智能城市甚至楼宇自动化系统等应用需要快速处理和响应。

边缘计算凭借增强的互连性,可以改善对更多核心应用程序的边缘访问,以及新的物联网和行业特定的业务用例,边缘基础设施有望成为未来十年及以后服务器和存储市场的主要增长引擎之一。

从安全角度来看,边缘数据可能很麻烦,尤其是当它由不同设备处理时,这些设备可能不如集中式或基于云的系统那么安全。随着物联网设备数量的增加,IT 必须了解潜在的安全问题并确保这些系统能够得到保护。这包括加密数据和采用访问控制方法以及可能的VPN隧道。

此外,对处理能力、电力和网络连接的不同设备要求可能会对边缘设备的可靠性产生影响。这使得冗余和故障转移管理对于在边缘处理数据的设备至关重要,以确保在单个节点出现故障时正确交付和处理数据。

边缘计算和 5G

在世界各地,运营商正在部署 5G 无线技术,这些技术承诺为应用程序带来高带宽和低延迟的好处,使公司能够利用其数据带宽从花园水管变成消防水管。许多运营商不仅仅提供更快的速度并告诉公司继续在云中处理数据,而是将边缘计算策略应用到他们的 5G 部署中,以提供更快的实时处理,特别是对于移动设备、联网汽车和自助服务驾驶汽车。

边缘计算

与托管硬件相比,无线运营商已经开始推出许可的边缘服务,提供更少的动手操作选项。这里的想法是让边缘节点虚拟地生活在边缘部署附近的 Verizon 基站上,使用 5G 的网络切片功能为即时、无需安装的连接开辟一些频谱。Verizon 的 5G Edge、AT&T 的 Multi-Access Edge 以及 T-Mobile 与 Lumen 的合作伙伴关系都代表了这种类型的选择。

2021 年边缘计算战略路线图强调了行业对 5G 边缘计算的持续兴趣,称边缘已成为许多 5G 部署的重要组成部分。亚马逊和微软等云超大规模企业与主要无线 ISP 之间的合作伙伴关系将是实现这种类型的移动边缘的广泛采用的关键。

很明显,虽然边缘计算的最初目标是降低远距离物联网设备的带宽成本,但需要本地处理和存储功能的实时应用程序的增长将在未来几年继续推动该技术的发展。

边缘计算平台

3DCAT移动边缘计算平台直接部署在网络的接入端,能够极大的减少数据传输所消耗的时间,平台分布式特征则还能够很好地解决海量数据处理及海量终端连接的问题。这样既能满足传输速度问题还能解决信息计算问题。 当汽车在交通中试图读取信号,停留在车道上并在行人越过道路时做出反应时,时间就很重要。边缘计算更可靠,因为在这个情况下它减少了处理和将数据传输到这些汽车之间的延迟时间。

热门标签
热门资讯
往期资讯
商务咨询:4008037298