边缘计算
2017-03-09 17:04
204 查看
物联网体系结构
物联网作为一种技术体系,可以分为4层来看: 传感器(控制层)、网络层、平台以及应用层。传感控制层:感知和控制传输 网络层:数据传输 平台:作为通信、数据和管理 应用层:数据分析与相关应用的实际实施。
平台与应用层应该是位于数据中心,其主要实现的功能应该包括管理、分析、控制和数据处理等等。网络层主要的功能则是进行数据传输以及通信。
为什么需要Edge computing
背景:云计算已经无法匹配海量数据处理
从网络边缘到云数据中心网络带宽、延时的限制
边缘设备涉及个人隐私与安全尤为明显
能耗
很多行业对实时性、可靠性与安全性等有严格要求,而物联网作为一种便携可移动的装置,有其别与传统互联网设施的特点。—受限于接入带宽和流量以及成本、能耗等条件的限制,所以对数据应该进行合理的处理,特别是进行预处理,以便能够进行“物尽其用”,避免资源的浪费。因此,在靠近物或者数据源头的网络边缘就需要一个集连接、计算、存储和应用的开放平台,就近提供边缘智能服务。概括来说就是:边缘计算可以满足敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求,而这些需求正是物联网行业需要解决的问题。
我理解的云计算与边缘计算
云计算:集中式大数据处理边缘计算:边缘式大数据处理
就像我们的手被火烧着(或者其他刺激)的时候,我们本能的收手,然后再将我们被火烧着了,并且感到了疼痛,及时的把手收起的过程传给大脑(边缘计算)。这个过程资源的消耗、信息的传输明显小于后者。而不是经过大脑,考虑我们是否感到疼痛,进而决定是否要进行收手(云计算)。边缘计算可以对一些简单的问题进行自行处理并将结果处理后的结果传输给云端。还有就是我认为边缘计算就是“微云”,云计算的缩小加持版本,靠近设备的小型数据中心。
边缘计算需要关注的四个方面
1. ApplicationExample:
Vehicular,Video surveillance,Smart city,Smart grid, Camera
Intelligence, Mobile and wearable,Disaster-relief,Bedside clinical.
Challenge:
Real-time processing and communication
Security and privacy
Adaptive application development
Tools for the development and testing of apps in edge-computing
2. Architecture
Challenge:
Enabiling QoS on Network Edge
Data Provenance
A Theorem for Tradeoffs,
(1)Mobility,(2)Latency,(3)Capability,(4)Privacy. The conflicts may be such
things as : large capability implies long latency and improving privacy
dictates increasing latency
Cage-Level Securit
3.Capability
4.Service
Questions:
1. What types of computing resources are there in edge computing?
Edge devices(Smartphones, tablets, etc)
Backend clouds(Google Services, Facebook, etc)
Edge infrastructure(In-car servers that are built in a vehicle)
Backend cloudsEdge infrastructureEdge devices
2. Who provides the resources?
Cloud service provider model
Hird party edge service provider model
End user model
Challenge:
Naming, identifying, and disc
4000
overing resources
Standardized APIs
Intelligent Edge Services
Security and Trust
Edge Service Ecosystem
Benefits:
分布式和低延时计算
对终端设备的数据进行筛选,不必每条原始数据都传送到云,充分利用设备的空闲资源,在边缘节点处过滤和分析。节能省时。
减缓数据爆炸,网络流量的压力,在进行云端传输时通过边缘节点进行一部分简单数据处理,进而能够设备响应时间,减少从设备到云端的数据流量。
智能化(Edge intelligence)
Requests:
差异性、可扩展性、隔离性、可靠性
众多的设备要怎样部署
服务模式会有何种变化
不能所有数据都在边缘节点计算亦不能所有数据都在云端进行计算,如何进行数据筛选,对实时、简单的数据进行处理,而将一些数据传输云端
轻量级库和算法
可持续能源消耗
高水准的服务质量(QoS)和服务体验(QoE)
开放和安全的使用边缘节点
微型操作系统和虚拟化
写于2017.3.9
故事一则
作者:联动原素
链接:https://zhuanlan.zhihu.com/p/32759261
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
某日,“云计算”、“雾计算”、“边缘计算”三兄弟小聚魔都品茶论道。云计算:“二位贤弟,近日你俩的名气日渐深远呀!”雾计算:“大哥谦虚了,我和三弟萤烛之光怎可与大哥的日月之辉相比拟呢。”边缘计算也随声附和道:“二哥说得对啊!”云计算:“你俩就别光挑好话说了,别以为我不知道你们背地里干的那些事,尽打我的脸。”空气顿时凝固起来,雾计算和边缘计算连忙问其缘由:“何事惹恼大哥?”云计算:“那我就明说吧,几日前我送你们一人一台智能智能吸尘器,你们竟然背着我将其改造了,你们大嫂去体验一番后,回到家就把家里的吸尘器砸了,还骂我无能,害的我颜面无存。”雾计算:“原来是这件事呀,我和三弟只是凭着自己的喜好各自改了一下,大哥送我们的智能吸尘器工作起来有些繁琐,需要启动它来找到垃圾再进行清扫,而我只是稍微改了一下它的计算方法,集中化的雾节点或者物联网网关从家中的传感器收集信息,只要检测到垃圾的话就能立即启动吸尘器。”边缘计算:“是啊,我也只是小改一下,只需要传感器各自判断有没有垃圾,再来发送启动吸尘器的信号。”云计算听完雾计算、边缘计算的解释后,长叹一声“吾老矣”!然后正准备端起茶杯喝茶,就被两位兄弟喊住:“大哥别急,烫!”可为时晚矣,云计算的手已经被烫起了水泡。雾计算、边缘计算疑惑的问道:“大哥,每次都不能先判断一下杯中的茶水烫否?”云计算苦笑道:“为兄早已习以为常,每回疼痛感通过神经传递到大脑,大脑感知到烫以后首先花点时间判断一下原因,当自己了解到烫手的是水杯,然后将手移动离开水杯 ,二位贤弟可有妙法解为兄这一困扰。”边缘计算:“我们都是当手遇到水杯的一瞬间,低端的脊神经已经通知手缩回来,然后才讲这个信号,传递到大脑,大脑了解到原因在根据具体手的受伤情况,做进一步判断。”听完,雾计算与边缘计算摇了摇头,感叹道:“大哥真的老了!”如果我们把云计算作为数据处理的1.0时代,数据量一般维持在 PB 级别,并且云计算模型下的数据处理对实时性的处理要求不高;雾计算、边缘计算也就是数据处理的2.0时代了,这个阶段数据的量已经是 ZB 级别,且数据的实时性要求非常高。随着物联网时代的走近,我们听到“边缘计算”和“雾计算”这两个词的频率也越来越高了,探其根源,还是因为物联网离不开这两大算法,雾/边缘计算或将得到大规模发展,就目前而言,像海康威视前不久就发布了其“明眸”产品,其就是边缘计算相关的AI设备边缘计算产品也都会相继落地。但不论是云计算,还是雾计算以及边缘计算,三者在物联网时代都有自己的场景刚需,新的算法也不一定会将老的算法“赶尽杀绝”,都有自己的用武之地。
相关文章推荐
- 腾讯云微计算实践:从Serverless说起,谈谈边缘计算的未来
- 「边缘计算」大热,这家17岁的机顶盒芯片公司发布终端AI芯片
- 新词话 | 移动边缘计算
- poj 计算矩阵边缘元素之和
- 【OpenJudge】计算矩阵边缘元素之和
- 荐书|边缘计算:万物互联时代新型计算模型
- 大数据,物联网,万物互联网,云计算,雾计算,边缘计算的区别和联系
- T1121 计算矩阵边缘元素之和(#Ⅰ- 5 - 2)
- 云计算是过去式了,接下来是边缘计算的时代?
- 浅谈移动边缘计算
- OpenStack超级用户推荐:史上最全边缘计算学习资料
- IoT 边缘计算框架的新进展
- 03:计算矩阵边缘元素之和
- 关于 2018 云计算的四个预测:Severless、K8S、边缘计算、神龙
- 输入一个整数矩阵,计算位于矩阵边缘的元素之和。所谓矩阵边缘的元素,就是第一行和最后一行的元素以及第一列和最后一列的元素。
- 雾计算和边缘计算的区别
- IoT边缘计算现状(2018年3月)
- 边缘计算促进微数据中心的兴起
- 计算矩阵边缘元素之和 (Coursera 程序设计与算法 专项课程2 C程序设计进阶 李戈;OpenJudge)