随着科技的发展,社会的进步,各种尖端科技层出不穷,各种新概念和课题也是百花齐放,前几年如雨后春笋般涌现出来的大数据、云计算这些个高科技,左查右问,花了好大工夫好不容易才算是一知半解,现今又冒出了一个边缘计算,这东西到底是个什么鬼?查了很多资料,感觉大家都说的模模糊糊,朦朦胧胧的,似雾里看花般不太通透,最后花了不少时间总算是理解了个大概,于是总结一下,用一些浅显易懂的语言和案例来解释一下,希望能为同道中人科普科普。

<>一、概念介绍

因为刚接触这个概念时,很多人都会有一个感觉,觉得这个边缘计算和云计算有些类似。所以,开始之前,先对二者的概念进行一个对比:

*
云计算(cloud
computing)是分布式计算的一种,指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序,然后,通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。云计算早期,简单地说,就是简单的分布式计算,解决任务分发,并进行计算结果的合并。因而,云计算又称为网格计算。通过这项技术,可以在很短的时间内(几秒种)完成对数以万计的数据的处理,从而达到强大的网络服务【
摘自百度百科】

*
边缘计算
指的是在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间,或处于物理实体的顶端。而云端计算,仍然可以访问边缘计算的历史数据【
摘自百度百科】

所以,我们可以看出,边缘计算的概念是建立在云计算的基础上的。这里,我们给出边缘结点的定义,边缘结点指的就是在数据产生源头和云中心之间任一具有计算资源和网络资源的结点。比如,手机就是人与云中心之间的边缘结点,网关是智能家居和云中心之间的边缘结点。在理想环境中,边缘计算指的就是在数据产生源附近分析、处理数据,没有数据的流转,进而减少网络流量和响应时间。

在传统的云计算技术架构中,主要采用全集中的方式进行云计算中心的建设和运营,资源都集中在总部,或者全球分别部署几个节点,客户通过互联网来使用云计算资源。随着云计算技术的发展和应用的普及,人们渐渐发现,这种全部集中模式的云计算未必是最优的解决方案,比如对于以下场景:

*
第一类是前端采集的数据量过大,如果按照传统模式全部上传的话,成本高、效率低,典型的就是影像数据的采集和处理;

*
第二类是需要即时交互的场景,如果数据全部上传,在中央节点处理再下发,往往传输成本高、时延长,典型的就是无人驾驶场景;

*
第三类是对业务连续性要求比较高的业务,如果遇到网络问题或者中央节点故障,即便是短时间的云服务中断都会带来严重影响;

*
除此之外还有安全信任的问题。有些客户不允许数据脱离自己的控制,更不能离开自己的系统,要让这样的系统上云,集中式的云计算中心就搞不定了;

那么云计算有没有可能进一步演化,提高对需求和场景的适应力呢?在这样的背景下,边缘计算技术作为云计算技术的延伸和补充,进入了人们的视野。

<>二、边缘计算

在开始正式科普之前,请大家首先在大脑里勾画一张图,就是一张人类大脑神经网络图。如果你没啥具体概念,那直接看下图:

把云计算看作是大脑,那么边缘计算就像是大脑输出的神经触角,这些触角连接到各个终端运行各种动作。

如果还觉得抽象,那我们再打个不太精准的比方吧。

再用你的云大脑想象出一只章鱼,就是那种路边摊烧烤的那种章鱼:

或者可爱一点的这样的:


章鱼有一个很厉害的地方,大家可能不太清楚,那就是作为自然界中智商最高的无脊椎动物,章鱼独特地拥有“概念思维”能力。而这又与他两个强大的记忆系统分不开:一个是大脑记忆系统,大脑具有5亿个神经元,另一个是八个爪子上的吸盘。也就是说,章鱼的八条腿可以思考并解决问题。

脑子真是个好东西,章鱼就有好几个!

话说回来,云计算就像是天上的云,看得见摸不着,像章鱼的大脑,边缘计算就类似于八爪鱼的那些小爪子,一个爪子就是一个小型的机房,靠近具体的实物。边缘计算更靠近设备端,更靠近用户。

这么说吧,云计算是把握整体,那么边缘计算就更专注于局部。那么边缘计算的优势就显而易见:

*
近水楼台先得月:边缘计算分布式以及靠近设备端的特性注定它实时处理的优势,所以它能够更好的支撑本地业务实时处理与执行。

*
简单效率高:家门口的事情就不麻烦远在天边的云计算了,边缘计算直接对终端设备的数据进行过滤和分析,节能省时效率还高。

*
省心省力省流量:边缘计算减缓数据爆炸和网络流量的压力,用过边缘节点进行数据处理,减少从设备到云端的数据流量。

*
更智能更节能:AI+边缘计算组合的边缘计算不止于计算,智能化特点明显,另外云计算+边缘计算组合出击,成本只有单独使用云计算的39%。

打一个不太合理的比方,设想一下,本来存钱取钱大家都要去银行人工柜台处理,排队人山人海,路上交通造成堵塞,还浪费时间和精力,现在家门口就有自助柜员机,是不是再也不用取号排队等叫号?

所以,我们可以用几个非常典型的案例来体验一下边缘计算的优点:

* 在人脸识别领域,边缘计算可以将响应时间由900ms减少为169ms;
* 把部分计算任务从云端卸载到边缘之后,整个系统对能源的消耗能够减少30%-40%;
* 系统数据在整合、迁移等方面耗时将会缩减到原来的1/20;
辣么,既然边缘计算这么牛,就直接把云计算干掉吧!留它何用?

太天真了!你能把章鱼的大脑切掉直接用八个爪子生活吗?你怎么不上天呐!

<>三、边缘计算与云计算的关系

虽然今后会将越来越多的基础任务交给边缘计算来完成,但是这只能代表边缘所在的装置设备会越来越灵敏,但是不能直接说这些任务和云毫无关系,他们是一种让彼此更完美的存在。

边缘计算和云计算互相协同,它们是彼此优化补充的存在,共同使能行业数字化转型。云计算是一个统筹者,它负责长周期数据的大数据分析,能够在周期性维护、业务决策等领域运行。边缘计算着眼于实时、短周期数据的分析,更好地支撑本地业务及时处理执行。边缘计算靠近设备端,也为云端数据采集做出贡献,支撑云端应用的大数据分析,云计算也通过大数据分析输出业务规则下发到边缘处,以便执行和优化处理。

再打个比方吧,总公司在北京,分点在江苏、广东、山东各地,江苏的实际工作任务由江苏分部的主管执行,但是北京总公司会给出整体工作计划,负责统筹各个区域的工作规划。

所以不管是云计算还是边缘计算,不存在一方完全取代一方的状况,只是各个擅长的领域各司其职,物尽其用罢了,在最合适的场景里用最合适的运算,或者双向出击!

所谓万物互联,以时间为横坐标延伸,最大的网络就是物联网。那么边缘计算就是靠近物联网边缘的计算、处理、优化和存储。搭载物联网的发展,边缘计算的应用也十分广泛,智慧城市、智慧家居、智慧医院、在线直播,到智能泊车、自动驾驶、无人机、智能制造等各方面都有它的身影,制霸物联网的时刻指日可待。

讲真,这个时候了解云计算、边缘计算是有点晚了,毕竟很多行业大佬已经开始玩转边缘计算了。

<>四、边缘计算的挑战

当然万物都有双面性,边缘计算的发展也存在不小的挑战性。

*
跨界协作的挑战
:制造、能源、公共事业等行业要实现智能化,需要整合机械、电子、ICT等跨行业技术,边缘计算首先要实现OT和IT领域的深度协作,并将行业专有技术与知识与ICT数字化技术相结合。

*
技术碎片化挑战
:边缘侧技术体系的每个领域都有大量的技术选择:目前业界有超过6种以上的工业实时以太技术,超过40种工业总线,还有多种公私有云平台。技术碎片化给系统间的互联互通、数据价值的挖掘带来的巨大的挑战和成本。

*
技术不确定性挑战:人工智能、区块链等新技术在行业应用还是早期探索阶段,存在不确定性风险。这些技术的早期应用者希望降低技术投资风险,获得技术应用的商业回报。

*
当然还有其它的挑战,毕竟新生技术的出现就注定了它将面临诸多不确定因素的挑战,边缘计算产业联盟(ECC)就这样带着美好的愿景诞生了!

不仅是这样的商业联盟,其他企业也在为边缘计算的应用发展尽心尽力!

按照IDC的统计数据,到2020年将有超过500亿的终端与设备联网,未来超过50%的数据需要在网络边缘侧分析、处理与储存,边缘计算所面对的市场规模非常巨大。

物联网的存在就是不在创造新的生态,两个毫无关系的人可以通过各种方式连接,但太平洋里的章鱼如何跟大西洋里的章鱼“对话”?再赐它们几百亿个神经元也做不到,但是边缘计算可以啊!

<>五、送一个附加技能

所以,看到现在,都大概了解边缘计算了吗?下次有妹子问你什么是云计算,边缘计算是什么的时候,可千万不要这样回答:

下面这样才是正确的聊天方式:

毕竟,边缘计算不能吃,但章鱼可以吃啊!

技术
©2019-2020 Toolsou All rights reserved,
python 动态规划求解单源最短路径 艾伟也谈项目管理,基层管理杂谈 云计算的最大安全风险:安全责任不清 mysql无备份恢复Python实现switch方法python中switch_to_alert的用法基于RK3399 PWM驱动开发python获取excel的一列或者一行的数据常见的5种JAVA运行时异常(精华)2020年7月21日 ASP.NET Core 全局过滤器的使用