点击关注公众号,k8s优秀车间主任及时送达
边缘计算技术 Edge Computing
云计算使许多组织都将其服务集中在大型数据中心内。但是,新型最终用户体验(例如物联网)要求在靠近网络的外部"边缘"处,也就是物理设备所在的位置提供服务。
为什么需要边缘计算?
在云计算模式中,计算资源和服务通常集中在大型数据中心内,而最终用户则是在网络的“边缘”访问这些资源和服务。这种模型已被证实具有成本优势和更高效的资源共享功能。但是,新型最终用户体验(如物联网)则需要计算能力更接近物理设备或数据源的实际位置,即网络的“边缘”。基于这一需求,边缘计算模型在尽可能将资源集到在云模型中的同时,也会按需将计算资源分配到网络的“边缘”。这种解决方案可以根据时效型数据来快速提供具有操作可行性的分析。
边缘计算的应用有哪些?
边缘计算可以作为混合计算模型的补充,尤其是在集中式计算用于以下用途的情况下:
- 计算密集型工作负载
- 数据聚合与存储
- 人工智能/机器学习
- 协调跨地区的运维
- 传统后端处理
边缘计算还可以帮助您从数据源头近乎实时地解决问题。简而言之,凡是在减少延迟和/或进行实时监控可以支持业务目标的地方,都有边缘计算的用武之地。
物联网(IOT)
对于 IoT 设备来说,在接收与解决请求之间还要涉及很多网络步骤。设备本身的计算能力越强,或者在网络中距离设备越近,用户的体验就越好。
物联网与边缘计算
边缘计算可以将更多计算能力带到物联网网络的边缘,从而降低物联网设备与设备所连接的中央 IT 网络之间的通信延迟。对于实时快速地分析数据而言,设备的计算能力正变得越来越宝贵。简单地收发数据标志着物联网的出现。但与物联网应用一同发送、接收、分析数据才是未来的趋势。在云计算模式中,计算资源和服务通常集中在大型数据中心内。这些数据中心将由位于网络边缘的物联网设备访问。这种模式可以降低部分成本,提高资源共享效率。但是,要想提高物联网效率,需要在更加靠近物理设备的位置增加计算能力。边缘计算将计算资源分配到边缘,而所有其他资源则集中在云端。这种特殊的计算布局可以利用时效性数据提供快速可操作的智能分析。用智能跟踪设备来协调运输集装箱的无人驾驶车队是物联网中十分引人注目的案例,但这个领域中,还有很多更为实用的应用,例如,即时分析护理数据从而改善医疗保健效果。试想一下 RFID 和运输业:RFID 和扫码器之间的通信总是单向的。RFID 无法接收更新,中央 IT 网络也无法将数据传回 RFID。它不是一个连续的监控系统,这意味着仅可在某些地点核查物流跟踪信息。但如果物联网设备可以与安装在运输车辆中的物联网传感器相互协调,那么所有数据都可以由中央 IT 网络进行管理。但这种互联场景意味着每一个物联网物理设备都需要具备强大的计算能力,尤其当物流公司使用无人驾驶汽车等复杂机器时。此时物联网设备就不能只是简单地收发信息了(即始终等待通过 Wi-Fi 接收集中式数据中心发送来的指令),而是需要自行处理数据并做出明智决策。这种在靠近网络外部边缘而非在集中式数据中心内进行计算的能力,被称为边缘计算。最后一个例子,我们来思考一下建筑工地的情况。假设一家建筑公司将一台支持蓝牙的机器带到了工地现场。这台机器通过工人的智能手机发送数据,帮助公司追踪机器的使用情况和位置。如果有 10 名员工在这台机器周围工作,他们的智能手机就会不断发送信息给中心服务器,报告机器的位置。这种过于频繁的服务器活动会让 IT 系统超负荷运转。但可以通过移动物联网应用将智能手机用作一个低功耗的小型服务器,减少向中心服务器反馈不必要信息的频率。
移动技术
当移动计算出现问题时,通常的原因是延迟问题和服务故障。边缘计算可通过减少信号传播延迟来帮助解决迫切的延迟约束问题。另外,它还可以将服务故障限制在较小的区域或用户群中,或在面对间歇性网络连接的情况下仍可以提供一定的服务持续性。
电信行业
随着服务提供商对其网络进行现代化改造,其工作负载和服务也在从核心网络(位于数据中心内)移出到网络边缘,即处于入网点和端局机房的附近。作为服务交付的最后几个物理接口之一,端局机房的虚拟化能够帮助服务提供商在网络边缘部署服务。
最后推荐大家可以访问两分快速了解边缘计算:https://www.bilibili.com/video/BV1Qb411q7FA?from=search&seid=7331429770340970082&spm_id_from=333.337.0.0