您好、欢迎来到现金彩票网!
当前位置:秒速快3 > 数据格式 >

5G时代下的万物互联:边缘计算的崛起

发布时间:2019-06-07 05:07 来源:未知 编辑:admin

  集中式的云计算技术架构正在日益受到挑战,云中心虽然具备强大地算力资源去处理海量的数据,但网络带宽无论怎样拓展都存在阶段性的边界值,带宽资源的既定性与日益倍增地边缘侧海量数据的传输需求始终是一个不断消长的矛盾体,另一方面云计算对于数据地处理也需要一定地时间,由此而生的时延性问题也是诸多应用场景所不能接受的。

  随着智能家居系统的普及,围绕家庭日常生活的数据将被系统实时采集和监测,如何保证这些数据的隐私性和安全性?在无人驾驶的场景中,车载传感器获取的大量环境数据流,如果全部上传再由中央节点处理下发,造成的延时反馈将如何解决?对于某些企业来说,提供连续的业务服务至关重要,如果遭遇网络问题或者恶意攻击造成的故障,即使时间再短也可能造成非常严重的损失,这将如何避免?

  其实这很像一个国家的行政体系,假设王国A是一个幅员辽阔的国家,拥有广袤的土地和众多的子民,起初王国A的国王成立了一个强大的中央集权体制,为了配合这个体制的运营,国王将全国优秀的人才选拔出来网罗至首都并成立一个可以处理全国大小事务的行政机构——中央事务局,于是国王规定全国无论大小事务必须呈报至该机构,通过中央事务局进行决策、审判和处理,处理结果再通过行政体系下发执行。

  渐渐地,国王发现民怨四起,百姓抱怨一起纠纷短则数周,长达数月才能得到官府的裁决,处理事务的官员解释道:事务从地方呈报上来的路程很久要花一些时间,事务官处理事情也需要一些时间,处理结果传达至地方有又需要花一点时间,距离首都近的地方还好,距离首都较远的地方,因为路程的原因,收到并返回处理结果的时间要很久。而且各地事情不断呈报上来,机构虽然拥有众多的事务官可面对全国的事务量依然力不从心。

  国王召集大臣,商量此事应如何解决,最后一位大臣提出了一个解决方案:将国家划分为一个个较小的行政区域,每个行政区域设立一个事务处理机构——地方事务局,所有该行政区的大小事务只需呈报至该机构进行处理即可,于是所有大小事务都可以得到就近解决,百姓的诉求很快就得到了处理结果,而地方事务局仅将处理结果和自己无权限决策的事务上报中央事务局即可。这样百姓的事务处理诉求就可以就近得到地方事务局的即时响应,疏导并分摊了中央事务局的处理量。某种程度上来说,这个故事就是边缘计算的运行原理。

  很多人用章鱼来做比较,无脊椎动物中章鱼的智商最高,巨量的神经元中60%分布于八条腿上、40%分布于脑部,行动时动作之灵巧很大程度在于腕足之间的高度配合,而这种敏捷性来源于这种神经元的慷慨分布,使得各个腕足拥有一定程度的环境感知和处理能力,而不必经由触角将感知信息传送至脑部再进行处理反馈,这样对于章鱼来说,每个腕足都相当于一个拥有算力资源的边缘节点用于处理该腕足所感知的环境信息,而它的大脑则对八个腕足进行整体协调。而这种脑群系统类似于分布式计算,而边缘计算就是一种分布式计算。

  每一个行业都有自己的生产体系,结合不同的客户群体对接不同的用户需求都有自己特定应用场景,终端和场景的差异本就是天然存在,换句话说,边缘计算作为一种解决方案是普世适用可赋能于各行,但落地于不同的行业特性和应用场景是在客观上是需要边缘计算必须根据不同的条件和运行环境进行针对性的适配,以满足各项现实性的约束条件,支持多样化的行业应用场景。

  在即时性要求较高的行业领域,譬如无人驾驶、VR/AR以及工业系统的控制、执行等,如果所有的数据经由云端进行处理分析并下发,很难满足这些场景的实时性要求,而边缘计算使得数据能够在最近地边缘结点进行处理,减少与云端之间的数据传输需要。边缘计算可在本地处理和存储关键数据,本地化数据处理和存储对于计算网络的压力较小,推送到云的数据量减少时延迟的可能性就会降低。

  边缘计算与云计算在实际地场景中应作为互相补充的解决方案,二者各有所长,不存在替代关系。云计算擅长进行全局性、非即时、长周期地大数据处理能力,能够在宏观层面进行长周期地调度和维护,对于系统层面整体业务决策提供强大地支撑作用。边缘计算适合于局部地、实时地、短周期地数据分析和处理,能够非常好地支撑本地业务地智能决策化。

  5G时代下地万物互联,实际地应用场景更多地需要边缘计算于云计算进行紧密协同,也基于此才能使得组合后地“边云协同”整体价值远远大于边缘计算和云计算在场景中独自落后地局部价值。边缘计算因为其部署于末端地执行单元,这些执行单元恰恰是云端所需要地高价值地数据采集单元,由执行单元产生地数据则是云端进行大数据分析应用地基础。而云计算通过大数据优化输出地业务规则也可以下发到边缘侧,边缘计算基于新地业务规则进行业务执行地优化处理。

  边缘计算产业联盟(ECC)与工业互联网产业联盟(AII)计划联合发布《边云协同白皮书》中将边云协同地主要应用场景分为六种,包括物联网边缘计算、工业边缘计算、智慧家庭边缘计算、广域接入网络边缘计算、边缘云、多接入边缘计算,它们又分别对应了六大边云协同主场景:物联网边云协同、工业边云协同、智慧家庭边云协同、广域接入网络边云协同、边缘云边云协同、MEC边云协同,以及十四种边云协同子场景。

  当然,边云协同的能力与内涵落地到各应用场景时其具体能力与关注点又会有所不同,因为每种边缘计算业务形态对于与云计算协同的业务需求不尽相同。比如在IoT系统控制子场景下,更多关注时延的敏感性和确定性以及数据的隐私性,映射到对于边缘协同的关注点上,就会涉及资源协同、业务管理协同、应用管理协同和服务协同。

  因为概念一般是抽象的,将概念具体化往往达不到盖全的目的,而且这个概念涵盖的范围真的很大,我只能就我的理解尝试给出一个解释,因为“边缘侧”这一概念肯定是就“中心点”而言的,只有存在中心概念才会存在边缘概念,那么在边缘计算的概念提出也是相对于云计算这种偏集中式的解决方案而言的,再回到边缘计算的概念,重点在于靠近数据源终端,也就是在物理世界中,但凡“直接产生数据的系统或者终端”都应称之为边缘侧数据,某种程度上约等于:用户使用物理终端而产生的那些未经加工的一手元数据,比如监控摄像头采集的图像数据,你浏览网站产生的浏览记录,家居系统根据你使用的家用电器产生的使用记录,汽车传感器接收到的周边环境数据。希望能帮助到你,当然我的表述可能也不准确。

  我觉得这个问题可以从三个层面来谈:第一,是针对于个体车辆终端,车联网本身是由个体的车辆信息组成的巨大的交互网络,对于车辆个体来说,车辆本体的传感器进行环境监控会产生大量的数据流,边缘计算可进行即时地本地化智能分析和处理,这是在车辆微观层面,另外借助车联网系统可实时获取宏观层面一定范围内的道路车辆信息,帮助个体车辆终端实现最优化决策。第二,从整个道路系统来说,由个体车辆终端提供的微观数据信息不断流入车联网这一巨大的交互平台网络,形成一个即时化的动态信息共享平台,为整体的道路网络的智能化提供了调配和优化的数据支撑,边缘计算通过对于庞大的个体车辆终端的数据预处理大大降低了云端的计算成本,节约计算资源,同时,使得车联网络的平台信息数据得到时差更短的即时性更新。第三,上升到本联网本身来说,那就是云计算与边缘计算的协同理论。

  【天天问每周精选】第73期:钉钉一个B端产品,为什么广告老是针对C端人群呢?

  人人都是产品经理(是以产品经理、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位服务产品人和运营人,成立8年举办在线+期,线+场,产品经理大会、运营大会20+场,覆盖北上广深杭成都等15个城市,在行业有较高的影响力和知名度。平台聚集了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一起成长。

http://billsauctions.com/shujugeshi/204.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有