边缘计算正在改变全球数百万设备处理、处理和传输数据的方式。互联网连接设备的爆炸式增长IOT.- 以及需要实时计算功率的新应用,继续推动边缘计算系统。
更快的网络技术,如5G无线,允许边缘计算系统加速创建或支持实时应用,例如视频处理和分析,自驾驶汽车,人工智能和机器人,命名几个。
边缘计算的早期目标是解决带宽成本问题对于由于IOT生成数据的增长而长距离行驶的数据,需要在边缘处理的实时应用的升高将推动技术前进的技术。
什么是边计算?
Gartner将边缘计算定义为“分布式计算拓扑的一部分,其中信息处理靠近边缘 - 其中的东西和人员产生或消耗该信息。”
在基本层面上,边缘计算让计算和数据存储离收集设备更近,而不是依赖于可能远在数千英里之外的中心位置。这样做是为了使数据(尤其是实时数据)不会出现可能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,减少了需要在集中式或基于云的位置处理的数据量。
由于IOT设备的指数增长,开发了边缘计算,该设备连接到因特网从云接收信息或将数据传递回云。许多物联网设备在运营过程中生成大量数据。
想想那些监控工厂生产设备的设备,或者从远程办公室发送实时视频的联网摄像机。虽然产生数据的单个设备可以很容易地在网络上传输数据,但当同时传输数据的设备数量增加时,问题就出现了。用成百上千的设备来代替一台摄像机来传输现场视频。由于延迟,不仅质量会受到影响,带宽方面的成本也可能是巨大的。
边缘计算硬件和服务通过为许多这些系统的本地处理和存储来源来解决此问题。例如,Edge Gateway可以从边缘设备处理数据,然后仅通过云发送相关数据,降低带宽需求。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很多不同的东西,比如物联网传感器、员工的笔记本电脑、他们最新的智能手机、安全摄像头,甚至是办公室休息室里联网的微波炉。边缘网关本身被认为是边缘计算基础设施中的边缘设备。
为什么边缘计算很重要?
对于许多公司来说,成本节约本身就是部署边缘计算体系结构的驱动力。将云技术应用于许多应用程序的公司可能已经发现,带宽成本比他们预期的要高。
但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,从而为公司提供至关重要的更有效的实时应用程序。在Edge Computing之前,扫描个人面部面部识别的智能手机需要通过基于云的服务运行面部识别算法,这将需要花费大量的时间来处理。通过边缘计算模型,算法可以在边缘服务器或网关上在本地运行,或者甚至在智能手机本身上,鉴于智能手机的增加。虚拟和增强现实,自驾车,智能城市甚至建筑自动化系统等应用需要快速加工和响应。
IDC的研究总监Kuba Stolarski说:“从ROBO(远程办公室分支机构)的孤立IT时代开始,边缘计算已经有了显著的发展。全球边缘基础设施(Compute And Storage)预测,2019-2023“ 报告。“具有增强的互连性,使能够改进的边缘访问更多核心应用,并且通过新的IOT和工业特定的业务用例,边缘基础设施准备成为未来十年及以后的服务器和存储市场的主要增长引擎之一。“
英伟达(NVIDIA)等公司已经认识到在技术边缘需要更多的处理,这就是为什么我们会看到内置人工智能功能的新系统模块。该公司的最新Jetson Xavier NX模块例如,它比信用卡还小,可以安装在更小的设备中,如无人机、机器人和医疗设备。人工智能算法需要大量的处理能力,这就是为什么大多数算法都是通过云服务运行的。能够在边缘处理的人工智能芯片组的增长,将使需要即时计算的应用程序能够获得更好的实时响应。
隐私和安全
然而,正如许多新技术一样,解决一个问题可能会产生其他问题。从安全的角度来看,边缘数据可能会很麻烦,特别是当它由不同的设备处理时,这些设备可能不如集中式或基于云的系统安全。随着物联网设备数量的增长,it部门必须了解围绕这些设备的潜在安全问题,并确保这些系统的安全。这包括确保数据加密,以及正确的访问控制方法和甚至VPN.隧道是利用。
此外,处理电力,电力和网络连接的不同设备要求可能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处理边缘处的数据的设备来说至关重要,以确保在单个节点倒闭时正确地传递和处理数据。
大约5克怎么样?
在世界各地,运营商正在部署5G无线技术,这承诺了高带宽和应用程序的低延迟的好处,使公司能够通过其数据带宽从花园软管到消防措施。而不是刚提供更快的速度和讲述公司继续在云中处理数据,而且许多载波是将边缘计算策略中的5G计算策略,以便提供更快的实时处理,特别是对于移动设备,连接的汽车和自我 -驾驶汽车。
在最近的报告中“5G,物联网和边缘计算趋势,“Futuriom写入5G将是边缘计算技术的催化剂。“使用5G技术的应用将改变流量需求模式,为移动蜂窝网络中的边缘计算提供最大的驱动程序,”公司写道。它引用了低延迟的应用程序,包括IoT分析,机器学习,虚拟现实,自动车辆,因为“具有新的带宽和延迟特性,需要支持边缘计算基础架构”。
在它2020年的预测,Forrester也引用了按需计算的需求和实时应用程序参与将在推动2020年推动边缘计算的增长方面发挥作用。
很明显,虽然边缘计算的最初目标是降低长距离物联网设备的带宽成本,但需要本地处理和存储能力的实时应用的增长将在未来几年推动该技术向前发展。