边缘计算迅速剥离其声誉作为一个边缘的概念,用户和供应商的景点都集中在技术的下一个目标:全自动的部署和操作。
边缘部署经验是拉近距离的简单性仅一个新的移动电话,特蕾莎修女说东,云第一次首席技术顾问和咨询公司埃森哲(Accenture)。“我们看到自动化技术,简化了处理边缘的独特的复杂应用程序中,网络和安全部署。”
能够创建和管理集装箱应用程序支持无缝地开发和部署在云端,用简单的成为一个专门的位置与更严格的资源约束,东说。“自组织和自愈无线网状通信协议,如无线个域网、z - wave, ISA100.11a,或WirelessHART可以创建网络设备可以临时部署和实现自配置的地方。”
分散的环境包含边缘系统有特定的挑战,Matteo加莉娜说,校长与全球技术研究和咨询公司研究小组顾问。“管理以外的设备和服务必须做传统的管理领域,包括管理物理访问设备,高方差的解决方案和操作系统,不同的安全需求,和更多,”他说。“更大、更分散的系统,自动化扮演更重要的角色,以确保有效性和可靠性。”
自动化技术创新由开源社区
边缘部署自动化的趋势并不是与旅行到人工智能,创新在哪里由开源组织,基础设施制造商,和云服务提供商,东说。她指出,开源委员会低频边缘——领先的创新和构建关键标准定义在通信等领域,安全,和资源管理。
“基础设施提供者创建解决方案,允许计算运行和嵌入到任何地方,”东说。“这包括超低能耗的新硬件功能,超快的,连接,和超和私人的。”She adds, "5G opens new opportunities for network equipment providers and telecom operators to innovate with both private and public networks with embedded edge compute capabilities."
同时,云提供商的创新使其更容易扩展集中云DevOps和管理实践优势。“就像[]中央云使任何开发人员更容易访问服务,现在我们看到同样的事情发生在技术5克,机器人技术,数字双,物联网”,东说。
软件定义集成多个网络服务已成为最重要的技术方法来自动化部署,网络架构师总经理罗恩·豪厄尔说,凯捷美洲。网络安全,配备零信任部署方法结合SASE边缘特性,可以显著提高自动化,简化如何部署和监控计算解决方案的优势。此外,在部署时,完整的堆栈可观测性工具和方法,结合AIOps将有助于积极保持数据和计算资源可用和可靠的边缘。
人工智能应用到网络边缘是现在被广泛视为主要出路在网络边缘的可用性。“AIOps,完整的形式使用时可观察性是一个关键的增强,“豪厄尔说。
各种各样的选项已经可以帮助组织寻求自治走向边缘。“这些资产新员工培训和管理,从物理和功能,包括自动化软件和安全更新,自动化设备测试,”加莉娜解释道。如果一个设备使用某种形式的毫升或人工智能功能,需要AIOps,在设备层面保持本地毫升模型更新并确保在任何情况下做出正确的决策,以及在任何骨干ML / AI可能位于前提或集中式边缘系统。
物理和数字体验边缘
东使用术语“phygital”来描述结果当数字实践应用到物理的经历,比如在边缘数据中心的自主管理。2020欧洲杯预赛“我们看到创建高度个性化和适应性phygital经验作为终极目标,”她说。“在phygital的世界中,任何人都可以想象一个经验,构建和规模。”
计算环境的优势,集成了数字流程和物理设备,实际网络管理明显减少或消除,网络故障和停机自动检测并解决,和跨基础设施的配置应用,使得扩展更简单和更快。
自动数据质量控制是另一个潜在的好处。“这涉及到传感器数据的结合,边分析,或自然语言处理(NLP)现场控制系统和提供数据,”加莉娜说。另一种方法自主边缘环境有利于企业“零接触”远程大规模远程硬件配置、操作系统和系统软件自动从云端下载。
加莉娜指出,现在越来越多的边缘设备包装专用操作系统和各种其他类型的支持工具。“现成的边缘应用和市场开始变得可用,以及越来越多的开源项目,”他说。
供应商正在研究解决方案无缝管理优势资产几乎任何类型的任何潜在的技术。Edge-oriented,开源软件项目,例如,例如那些由Linux基金会主办,可以进一步推动了收养,加莉娜说。
AI-optimized硬件是计算机技术的优势,加莉娜说,许多产品提供互操作性和弹性。“边缘数据collection-quality控制解决方案和服务,管理和分析可能在未来几年极大地扩张:就像云本机应用程序所做的,”他补充道。
人工智能自动化边缘领导人包括IBM、ClearBlade, Verizon, hyperscalers
许多技术已经用于企业考虑边缘自动化,包括超大型产品开发人员和其他专业提供商。提供的一个例子是KubeEdgeKubernetes一个开源的自动化部署系统,缩放和集装箱的管理应用程序。
加莉娜在2021年指出,研究小组排名系统集成商阿托斯,凯捷,认识到,哈曼,IBM和西门子全球领导人在AI边缘技术。在前缘计算供应商hyperscalers (AWS, Azure,谷歌),以及边缘平台提供商ClearBlade和IBM。在电信市场,Verizon脱颖而出。
Edge-specific特性提供自主和可靠性
供应商正在构建数字和物理可用性特性到他们的产品中,以使边缘技术更多的自治和可靠。供应商通常使用两种方法来提供自主和可靠性:内部传感器和冗余的硬件组件,加莉娜说。
内置传感器,例如,可以使用现场的监控来控制环境,检测和报告异常,可能与故障转移相结合的冗余组件所需的水平。
东列出了其他几个方法:
- 物理防伪功能旨在保护设备免受未经授权的访问。
- 安全标识符内置芯片允许设备很容易和可靠的身份验证。
- 自配置网络协议,基于特设和网状网络,尽可能保证连通性。
- 分区的启动配置,以便更新可以应用没有砖衬设备如果安装出错的风险。
- 硬件看门狗功能,确保设备将自动重启,如果他们变得反应迟钝。
- 启动时从一个安全完整性检查根的信任、保护设备免受恶意硬件安装。
- 可信计算和安全执行环境,确保批准和买主计算运行在受保护的私有数据。
- 防火墙捡起不寻常的行为的异常检测,表明新兴断层或未经授权的访问。
自我优化和人工智能
网络需要一个几乎无限数量的配置设置和微调,以有效运转。“无线网络信号强度需要调整,防火墙需要不断更新,以支持新的威胁向量,和边缘路由器需要不断变化的配置来执行服务水平协议(sla),”帕特里克MeLampy说,瞻博网络Juniper研究员。“几乎所有这一切可以自动化,节省人力劳动,和人类的错误。”
自我优化和艾城的操作需要在边缘和决定如何处理变化,东说。什么,例如,如果网络出现故障,会发生停电,还是相机是不一致的?是固定时,会发生什么问题?“边缘不会规模如果这些情况每次都需要手动干预,”她警告说。问题解决可以解决通过实施规则相应的检测条件和优先考虑应用程序部署。
关键的外卖
不是一个单一的边缘技术,但是技术的集合一起工作来支持一个全新的拓扑可以轻松连接数据,人工智能,和行动,东说“最大的创新还没有到来,”她补充道。
同时,钟摆摆动向多但规模较小的网络边缘中心位于接近客户需求,称赞较大的云服务,可以处理额外的工作负载,更少的时间敏感,更少的关键任务,并减少对延迟敏感,豪厄尔说。他注意到的一个因素是不可变的,信息必须高度可用。“这第一个规则的数据中心没有change2020欧洲杯预赛d-high质量服务总是可用的。”