企業空間 采購商城 存儲論壇
華為全閃存陣列 IBM云計算 Acronis 安克諾斯 安騰普 騰保數據
首頁 > 邊緣計算 > 正文

邊緣計算及相關概念解釋,其架構與云計算和霧計算的區別說明

2019-10-22 10:08來源:中國存儲網
導讀:邊緣計算Edge Computing是指物聯網的終端能夠在本地實時處理數據的網絡模式,減少了數據向中心的回傳壓力。邊緣計算與云計算有區別但也可以結合使用。

因為有了物聯網的概念,也就是各種智能設備和傳感器等都接入到聯網的業務模式,因此這些接入的終端也會產生海量的數據。傳統的網絡都是各個終端發送數據到中心服務器,服務器處理完再返回結果給終端,而邊緣計算能夠將物聯網(IoT)設備產生的數據在更接近數據產生的終端進行處理,而不是將其發送到數據中心或云端。企業可以憑借此技術更接近網絡邊緣,可以近距離實時分析重要數據。

邊緣計算究竟是什么?

邊緣計算英文是Edge Computing,顧名思義,就是在邊上計算嘛。

IDC稱,邊緣計算是一種“微型數據中心的網狀網絡,可在本地處理或存儲關鍵數據,并將所有接收到的數據推送到中央數據中心或云存儲庫。”

它通常被廣泛應用于物聯網用例中,邊緣設備將收集數據并將其全部發送到數據中心或云端進行處理。邊緣計算對本地數據進行分類,因此其中一些將會在本地進行處理,從而減少了到中央存儲庫的回程流量。

通常這些工作由物聯網設備將數據傳輸到本地設備,包括小型的計算、存儲和網絡連接。數據在邊緣進行處理,全部或部分內容將發送到企業數據中心、協同設施或IaaS云端的中央處理或存儲庫。

邊緣計算中的相關概念

與其他技術一樣,邊緣計算也有一些專有詞匯,先了解邊緣計算中的術語再去了解邊緣計算,將起到事半功倍的效果。

邊緣設備:邊緣設備是任何可以產生數據的設備,可以是傳感器、工業機器或其他差生或收集數據的設備

邊緣:邊緣取決于用例,在電信領域,邊緣可能是手機;在汽車領域,網絡的邊緣可能是一輛汽車;在生產環境中,它可能是車間的機器;在IT企業中,邊緣是一臺筆記本電腦

邊緣網關:網關是完成邊緣計算處理和霧計算之間的緩沖區,網關是進入超出網絡邊緣的網絡環境的窗口

胖客戶端(fat client),有時候也稱為厚客戶端(thick client)是在本地安裝了豐富資源的網絡電腦,而不是像瘦客戶端那樣把資源分散到網絡中。

邊緣計算設備:邊緣計算使用一系列現有設備和新設備,很多傳感器和機器可以通過它們訪問互聯網以在邊緣計算環境中工作。

移動邊緣計算:這是電信行業中邊緣計算生態系統中的概念,主要應用于5G應用場景。

三大計算模式的區別

云計算

云計算包括了軟件即服務(SaaS)、基礎設施即服務(IaaS)以及平臺即服務(PaaS)三種業務模式,為云端部署解決方案提供了標準的接口和方法,使用互聯網上托管的遠程服務器網絡在云端部署、管理和處理數據。

云計算能夠大大降低企業運營成本,為企業提供動態可擴展的服務,簡化運營成本。但其缺點也很明顯,主要是云計算傳輸數據的成本,其次是存儲成本。

邊緣計算及相關概念解釋,其架構與云計算和霧計算的區別說明

邊緣計算和云計算的架構區別圖

邊緣計算

計算邊緣意味著將數據處理推送到生成數據的網絡邊緣。任何邊緣設備,如路由器、傳感器或智能設備都可以進行邊緣計算。每個設備在處理信息方面都有自己的角色,邊緣計算可能沒有與云或服務器的聯系,并且可以作為獨立機器存在。通常,邊緣計算設備用于關閉的機器到機器(M2M)系統。邊緣計算的典型功能包括:數據聚合,變性,過濾,數據擦除和異常檢測。其目的是降低成本和延遲并控制網絡帶寬。

霧計算

霧計算的概念在2011年被人提出,在2012年被作了詳細定義。霧計算(Fog CompuTIng)在該模式中數據、處理和應用程序集中在網絡邊緣的設備中,而不是幾乎全部保存在云中,是云計算(Cloud CompuTIng)的延伸概念。

三種計算模式的差異

與云計算相比,霧計算所采用的架構更呈分布式,更接近網絡邊緣。霧計算將數據、數據處理和應用程序集中在網絡邊緣的設備中,而不像云計算那樣將它們幾乎全部保存在云中。數據的存儲及處理更依賴本地設備,而非服務器。所以,云計算是新一代的集中式計算,而霧計算是新一代的分布式計算,符合互聯網的“去中心化”特征。

邊緣計算更具體地涉及邊緣設備的計算過程,因此霧計算包括邊緣計算,但是霧計算也需要將處理后的數據傳輸到最終目的地所需的網絡。

邊緣計算的安全性

業界認為邊緣計算的安全性主要有兩個方面,一部分人認為安全性在邊緣計算環境中更好,因為數據不是通過網絡傳播的,而是在數據創建的地方。另一方面,有人認為邊緣計算本身就不太安全,因為邊緣設備可能更容易受到攻擊。因此,在設計任何邊緣或霧計算部署時,安全性至關重要。數據加密、訪問控制和虛擬專用網絡隧道的使用是保護邊緣計算的重要因素。

未來的系統架構模式

邊緣計算與云計算的結合

邊緣計算及相關概念解釋,其架構與云計算和霧計算的區別說明

邊緣計算在交通領域的實踐案例

海康威視實踐案例

2017年10月28日,海康威視發布“IOT-基于神經網絡的認知計算系統--海康AICloud框架”。

海康威視總裁胡揚忠表示,將AI算力注入邊緣,賦能邊緣智能是大勢所趨。海康威視發布的AICloud框架,由云中心、邊緣域、邊緣節點三部分構成,實現從端到中心的邊緣計算+云計算。

基于此,海康威視發布了以海康深眸、海康神捕、海康超腦、明眸為代表的一系列AI智能邊緣設備,搭載高性能GPU計算芯片和深度學習智能算法。

能夠在邊緣實現原始視頻圖片中人體、人臉、車輛等屬性信息的高效提取和建模,數據回傳云端統一分析的同時,也可滿足本地自治系統的數據應用,提升業務敏捷性和實時性。

2018年,智能交通行業總監王啟東曾經就邊緣計算舉例說明。以信控為例,云平臺匯聚全城路網、過車、信控配時數據,提供全局的交通數據“超腦”計算中心。

但是同樣的,在路口終端,邊緣計算系統則自主學習路口的交通流模態,通過場景適配自主生成路況管理預案庫,自動調節路口的交通秩序管理手段。

 

因此形成了智能交通中心大腦+神經元末梢的新型智能交通生態系統。目前,海康威視已經在宜春、海口、洛陽等城市做過試點。

華為實踐案例

深圳交警借助華為FusionServer高性能邊緣計算服務器,搜集實時交通數據,將交通信息存儲、過濾、處理后,傳回到華為開發的交通大數據平臺,準確的提供“移動對象時空引擎”和“實時交通出行量計算”的信息,依據擁堵區域、道路和位置點等多維度數據實時擁堵分析(深圳交警5億數據秒級分析),再將智能分析后的結果傳到邊緣側,實現信號調優從被動采集到主動感知,從局部優化到宏觀規劃,從而利用有效地制定信號配時策略,交通誘導設置和對流量來源地的疏導指揮等策略,整體提升交通管制效率。

通過信號調優方案,深圳市高峰期局部重點路段持續時間預期可減少15%,深圳大梅沙、龍華等部分重點路段運行速度提高9%,利用邊緣計算能力實時監測反饋,實現深圳交通的智能管控。

繼續閱讀
關鍵詞 :
邊緣計算
相關閱讀
產品推薦
頭條閱讀
欄目熱點

Copyright @ 2006-2019 ChinaStor.COM 版權所有 京ICP備14047533號

中國存儲網

存儲第一站,存儲門戶,存儲在線交流平臺

广西11选五走势图彩经网