边缘计算及技术点

139 阅读5分钟

开启掘金成长之旅!这是我参与「掘金日新计划 · 2 月更文挑战」的第 5 天,点击查看活动详情

什么是边缘计算?

边缘计算是指在用户或数据源的物理位置或附近进行的计算,这样可以降低延迟,节省带宽。

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"。

image.png 通过使计算服务靠近这些位置,用户能够得到更快速可靠的服务,获得更好的用户体验,公司则能够更好地处理数据,支持对延迟敏感的应用,以及利用 AI/ML 分析等技术识别趋势并提供更好的产品和服务。如在Google 2018年推出了硬件芯片 Edge TPU 和软件堆栈Cloud IoT Edge将数据处理和机器学习功能扩展到边缘设备,使设备能够对来自其传感器的数据进行实时操作,并在本地进行结果预测。
同样引入边缘服务,可以将部分中心服务中的边缘逻辑(特指无需全局状态的用户逻辑)下沉至距离用户更近的边缘节点完成,从而降低用户请求处理耗时,降低中心服务的压力,提升中心系统容量。

对比项云计算边缘计算
部署方式集中式分布式
与用户的距离
时延
抖动
计算能力有限
存储能力有限
数据安全
传输成本
传输可靠

边缘计算一些技术点:

数据中心

1、管理边缘节点本身的中心调度服务 2、处理边缘节点业务的中心业务服务
中心服务只负责处理整体状态数据,其他单边缘数据的处理均可下沉至边缘~

边缘接入

1、用户终端如何接入边缘:比如就近接入就好?还是聚合接入更好?
2、边缘如何接入中心:比如直接接入到中心?还是接入到汇聚再路由回中心?

通信方式

1、用户和边缘通信方式:与业务场景相关,根据业务场景选择合适方式;如WebRTC可以选择ICE连接通信 2、边缘和中心通信方式:如果业务存在强依赖中心的步骤,如用户鉴权,那么难点是如何实现低延迟可靠通信,使整体延迟不被拖慢

边缘计算应用场景

许多边缘用例都源于在本地实时处理数据的需要,因为某些真实应用场景中,将数据传输到数据中心进行处理会导致不可接受的延迟。

制造业

现代化的制造厂就是因为实时数据处理需求而要实施边缘计算的一个例子。在工厂车间,物联网(IoT)传感器不断生成稳定的数据流,用于防止故障发生和改善运维。据估计,一个拥有 2000 台设备的现代化工厂每月可产生 2200 兆字节数据。在设备附近处理这些海量数据(而不是传输到远程数据中心再处理)速度会更快,成本会更低。但是,设备仍然需要通过一个集中的数据平台进行连接。这样一来,设备就可以接受标准化的软件更新,并共享过滤后的数据,帮助改善其他工厂地点的运维。

汽车行业

车联网是边缘计算的另一个常见例子。公共汽车和火车都会配备计算机,以跟踪客流和服务交付。送货员可以通过卡车上配备的技术找到最高效的路线。当使用边缘计算策略进行部署时,车队中的每辆车都运行相同的标准化平台,这使得服务更加可靠,并确保数据能得到统一保护。

更进一步的是自动驾驶车辆,这是边缘计算的另一个例子,其中的关键是在网络连接可能不一致的情况下,如何处理大量实时数据。由于数据量巨大,类似无人驾驶汽车这样的自动驾驶车辆会处理车辆自身的传感器数据,以减少延迟。但这些车辆仍然可以连接到中央位置进行无线软件更新。

通信行业

边缘计算也有助于使流行的互联网服务保持快速运行。内容交付网络(CDN)将数据服务器部署在靠近用户的地方,从而使繁忙的网站能快速加载,并支持快速视频流服务。

边缘计算的另一个例子就是我们身边的 5G 基站。电信服务提供商越来越多地应用网络功能虚拟化(NFV)来运行网络,即在网络边缘使用在标准硬件上运行的虚拟机。这些虚拟机可以取代昂贵的专有设备。边缘计算策略使提供商能在数以万计的远程地点保持软件的稳定运行,同时严守统一的安全标准。在移动网络中,应用靠近终端用户运行还可以减少延迟,有助于供应商提供新服务。