云边端与边缘计算技术「建议收藏」

云边端与边缘计算技术「建议收藏」云边端与边缘计算技术

大家好,又见面了,我是你们的朋友全栈君。

云边端与边缘计算技术
边缘计算,是指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。
边缘计算并非是一个新鲜词。作为一家内容分发网络CDN和云服务的提供商AKAMAI,早在2003年就与IBM合作“边缘计算”。作为世界上最大的分布式计算服务商之一,当时它承担了全球15-30%的网络流量。在其一份内部研究项目中即提出“边缘计算”的目的和解决问题,并通过AKAMAI与IBM在其WebSphere上提供基于边缘Edge的服务。
对物联网而言,边缘计算技术取得突破,意味着许多控制将通过本地设备实现而无需交由云端,处理过程将在本地边缘计算层完成。这无疑将大大提升处理效率,减轻云端的负荷。由于更加靠近用户,还可为用户提供更快的响应,将需求在边缘端解决。
在国外,以思科为代表的网络公司以雾计算为主。思科已经不再成为工业互联网联盟的创立成员,但却集中精力主导OpenFog开放雾联盟。
参考文献链接
https://mp.weixin.qq.com/s/aNQ6QxemKlsq8CjFDVx-cg
https://mp.weixin.qq.com/s/ulIaz9crybbXgVK0d2fWYQ
https://mp.weixin.qq.com/s/cLcUNff3bcILTJ6u4wZjlw
https://baike.baidu.com/item/%E8%BE%B9%E7%BC%98%E8%AE%A1%E7%AE%97/9044985?fr=aladdin
无论是云、雾还是边缘计算,本身只是实现物联网、智能制造等所需要计算技术的一种方法或者模式。严格讲,雾计算和边缘计算本身并没有本质的区别,都是在接近于现场应用端提供的计算。就其本质而言,都是相对于云计算而言的。
在这里插入图片描述

边缘计算的范式
从二者的计算范式可以看出来,边缘侧的数据计算,一下子变得丰富起
来。这里产生了全新的想象空间。

详解边缘计算系统逻辑架构:云、边、端协同
在这里插入图片描述

01 边缘计算系统逻辑架构简介
由图3-1可知,逻辑架构侧重边缘计算系统云、边、端各部分之间的交互和协同,包括云、边协同,边、端协同和云、边、端协同3个部分。
在这里插入图片描述

▲图3-1 边缘计算系统逻辑架构

  1. 云、边协同:通过云部分Kubernetes的控制节点和边部分KubeEdge所运行的节点共同实现。
  2. 边、端协同:通过边部分KubeEdge和端部分EdgeX Foundry共同实现。
  3. 云、边、端协同:通过云解决方案Kubernetes的控制节点、边缘解决方案KubeEdge和端解决方案EdgeX Foundry共同实现。
    02 云、边协同
    云、边协同的具体实现如图3-2所示。
    在这里插入图片描述

▲图3-2 边缘计算系统中云、边协同逻辑架构
Kubernetes控制节点沿用云部分原有的数据模型,保持原有的控制、数据流程不变,即KubeEdge所运行的节点在Kubernetes上呈现出来的是一个普通节点。Kubernetes可以像管理普通节点一样管理KubeEdge所运行的节点。
KubeEdge之所以能够运行在资源受限、网络质量不可控的边缘节点上,是因为KubeEdge在Kubernetes控制节点的基础上通过云部分的CloudCore和边缘部分的EdgeCore实现了对Kubernetes云计算编排容器化应用的下沉。
云部分的CloudCore负责监听Kubernetes控制节点的指令和事件下发到边缘部分的EdgeCore,同时将边缘部分的EdgeCore上报的状态信息和事件信息提交给Kubernetes的控制节点;边缘部分的EdgeCore负责接收云部分CloudCore的指令和事件信息,并执行相关指令和维护边缘负载,同时将边缘部分的状态信息和事件信息上报给云部分的CloudCore。
除此之外,EdgeCore是在Kubelet组件基础上裁剪、定制而成的,即将Kubelet在边缘上用不到的富功能进行裁剪,针对边缘部分资源受限、网络质量不佳的现状在Kubelet的基础上增加了离线计算功能,使EdgeCore能够很好地适应边缘环境。
03 边、端协同
边、端协同的具体实现如图3-3所示。
在这里插入图片描述

▲图3-3 边缘计算系统中边、端协同逻辑架构

  1. KubeEdge作为运行在边缘节点的管理程序,负责管理在边缘节点上应用负载的资源、运行状态和故障等。在一些的边缘计算系统中,KubeEdge为EdgeX Foundry服务提供所需的计算资源,同时负责管理EdgeX Foundry端服务的整个生命周期。
  2. EdgeX Foundry是由KubeEdge管理的一套IoT SaaS平台。该平台以微服务的形式管理多种物联网终端设备。同时,EdgeX Foundry可以通过所管理的微服务采集、过滤、存储和挖掘多种物联网终端设备的数据,也可以通过所管理的微服务向多种物联网终端设备下发指令来对终端设备进行控制。
    由图3-4可知,KubeEdge的解决方案由MQTT代理和对接支持各种协议设备的服务组成。
    在这里插入图片描述

▲图3-4 KubeEdge端解决方案逻辑架构

  1. MQTT代理:作为各种物联网终端设备和KubeEdge节点之间的一个通信管道,负责接收终端设备发送的数据,并将接收到的数据发送到已经订阅MQTT代理的KubeEdge节点上。
  2. 对接支持各种协议设备的服务:负责与支持相应协议的设备进行交互,能够采集设备的数据并发送给MQTT代理,能够从MQTT代理接收相关指令并下发到设备。
    通过上述分析可知,KubeEdge的端解决方案还比较初级。
  3. KubeEdge的端解决方案支持的负载类型还比较单一,目前只能通过MQTT代理支持一些物联网终端设备,对视频处理和使用AI模型进行推理的应用负载还不支持。
  4. 对接支持各种协议设备的服务目前还比较少,只支持使用Bluetooth和Modbus两种协议的设备。
    基于上述原因,边缘计算系统的端解决方案没有使用KubeEdge的端解决方案,而是使用EdgeX Foundry这款功能相对完善的IoT SaaS平台。
    04 云、边、端协同
    边缘计算系统中云、边、端协同的理想效果如图3-5所示。
    在这里插入图片描述

▲图3-5 边缘系统中云、边、端协同的理想效果

由图3-5可知,云、边、端协同包括两层,即云、边协同和云、边、端协同。

  1. 云、边协同:云作为控制平面,边作为计算平台。
  2. 云、边、端协同:在云、边协同的基础上,管理终端设备的服务作为边上的负载。云可以通过控制边来影响端,从而实现云、边、端协同。
    云、边、端协同是通过Kubernetes的控制节点、KubeEdge和EdgeX Foundry共同实现的,Kubernetes的控制节点下发指令到KubeEdge的边缘集群,操作EdgeX Foundry的服务,从而影响终端设备。目前,还不能通过Kubernetes的控制节点与终端设备直接交互。
    05 小结
    对整个边缘计算系统的逻辑架构及云、边、端之间的逻辑关系和现状进行了系统梳理。
  3. 从云、边协同的架构切入,对目前云、边协同的架构和原理进行了梳理,同时对边解决方案的一些特性进行了说明。
  4. 从边、端协同的架构切入,对目前边、端协同的架构和原理进行了系统梳理,并对KubeEdge自有的端解决方案的架构、原理和现状进行了说明。
  5. 从云、边、端协同的架构切入,主要对云、边、端协同的理想效果进行了说明。
    边缘计算元年一文看懂云边协同
    以理性而乐观的态度,分析云边协同在典型场景下的应用需求和业务模式。
    在这里插入图片描述

2019 年边缘计算备受产业关注,一度引起了资本市场的投资热潮,很多人把 2019 年称作边缘计算的元年。理性来看,造成如此火爆局势难免有一些炒作因素在推波助澜,毕竟边缘计算的概念存世也已多年。当然,毋庸置疑的是,工业互联网的大力推动、 5G 大规模商用的持续酝酿等因素,让整个产业对 IT 和 OT 的深度融合充满信心和期待。这种情况下,也许边缘计算不火也难。
本期的智能内参,推荐来自云计算开源产业联盟的报告, 以理性而乐观的态度,分析云边协同在典型场景下的应用需求和业务模式,为引导产业发展和制定相关标准做铺垫、打基础。
云边协同的新浪潮
1、边缘计算是云计算向边缘侧分布式拓展的新触角
欧洲电信标准化协会认为边缘计算是在移动网络边缘提供 IT 服务环境和计算能力,强调靠近移动用户,以减少网络操作和服务交付的时延,提高用户体验。
Gartner 认为边缘计算描述了一种计算拓扑,在这种拓扑结构中,信息处理、内容采集和分发均被置于距离信息更近的源头处完成。
维基百科认为边缘计算是一种优化云计算系统的方法,在网络边缘执行数据处理,靠近数据的来源。
边缘计算产业联盟认为边缘计算是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台,就近提供边缘智能服务,满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。
开放雾计算联盟认为雾计算是一种水平的系统级架构,可以将云到物连续性中的计算、存储、控制、网络功能更接近用户。
上述边缘计算的各种定义虽然表述上各有差异,但基本都在表达一个共识:在更靠近终端的网络边缘上提供服务。
“中心-边缘-端”的形态从电信开始之初就已经形成。电信时代,程控交换中心、程控交换机、电话形成了最初的“中心-边缘-端”形态;互联网时代,数据中心、 CDN、移动电话/PC 延续了这种形态;
到达云计算+物联网时代,云计算中心、小数据中心/网关、传感器则形成了新的“云-边-端”形态。
在这里插入图片描述

▲ “云-边-端”发展示意图
如果仅从边缘侧本身寻求边缘计算的定义,似乎很难让人完全接受这个似乎有点包罗万象的新事物。一个比较简单的质疑就是,智能终端、家庭网关或者其他早就存在身边的计算设备,难道隐藏了多年的边缘计算身份么。
为了褒扬边缘计算,有些声音把云计算的概念描述的稍显狭隘或者刻意地把云计算放到了边缘计算的对立面。但从技术或商业演进的实际情况来看,边缘计算其实更多的是云计算向终端和用户侧延伸形成的新解决方案。边缘计算本身就是云计算概念的延伸,即便是赋予其独立的概念,也无法做到与云计算切割开,二者本就是相依而生、协同运作的。
在本白皮书中,认为, 在面向物联网、大流量等场景下,为了满足更广连接、更低时延、更好控制等需求,云计算在向一种更加全局化的分布式节点组合形态进阶,边缘计算是其向边缘侧分布式拓展的新触角。
在这里插入图片描述
▲ 分布式云示意图
2、 边缘计算典型产品和业务模式
主宰云计算市场的巨头公司依托云计算技术先发优势,将云计算技术下沉到边缘侧, 以强化边缘侧人工智能为契机,大力发展边缘计算。工业企业依托丰富的工业场景,开展边缘计算实践强化现场级控制力。电信运营商正迎接 5G 市场机遇, 全面部署边缘节点,为布局下一代基础设施打下牢牢的根基。
ICT 服务商将云计算能力逐步扩展到边缘设备。在国际上,云计算巨头亚马逊、微软和谷歌都已经推出了相关边缘计算产品。亚马逊推出 AWS Greengrass 功能软件,将 AWS 扩展到设备上,在本地处理终端生成的数据,同时仍然可以使用运来进行管理、数据分析和持久的存储;微软发布 Azure IoT Edge 边缘侧产品,将云分析扩展到边缘设备,支持离线使用,同时聚焦边缘的人工智能应用;谷歌也在 2018 年推出了硬件芯片 Edge TPU 和软件堆栈Cloud IoT Edge,可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。
在国内,阿里、腾讯、百度、华为、中兴通讯、数梦工场、新华三等也推出了相应的边缘计算产品。
阿里推出 Link IoT Edge 平台。通过部署在不同量级的智能设备和端侧计算节点中。通过定义物模型连接不同协议、不同数据格式的设备,提供安全可靠、低延时、低成本、易扩展的本地计算服务;腾讯针对边缘计算推出了 CDN Edge,将数据中心的服务下沉至 CDN 边缘节点,以最低的延迟相应终端用户,同时降低用户数据中心的计算压力和网络负载。
百度推出智能边缘 BIE,将云计算能力拓展至用户现场,提供临时离线、低延时的计算服务,同时配合智能边缘云端管理套件,形成“云管理,端计算”的端云一体解决方案。
华为在 2018 年推出了 IEF 平台, 通过纳管用户的边缘节点,提供将云上应用延伸到边缘的能力,联动边缘和云端的数据,为企业提供完整的边缘和云协同的一体化服务的边缘计算解决方案。
中兴通讯推出了边缘计算产品,提供从硬件到软件全套的基础设施, 支持多种边缘计算系统级方案,在边缘计算平台上提供多种高算力的应用的资源;数梦工场推出统一的 DT 资源管控产品,提供“两领域+三形态”的融合管控能力, 覆盖中心节点领域、 边缘节点领域以及云平台、数据中台、业务中台三种形态的统一管控。
新华三推出了超融合边缘计算产品 UIS-Edge,支持多种硬件形态与部署方式,将云原生能力延伸至边缘,提供完善的设备接入、边缘计算及云边协同能力,为企业提供一站式云边端融合解决方案。
工业企业依托丰富的工业场景发挥现场级应用能力 。 海尔专门为物联网企业打造的一站式设备管理平台 COSMOEdge 平台, 提供多源的边缘设备接入能力与强大的边缘计算能力,支持多种工业协议解析,提供可视化流式管道,提供数字化建模与实体映射,提供设备即服务的应用模式,帮助用户快速构建物联网应用,实现数字化生产,助力于企业效益提升;树根互联提供的开放物联平台,提供物联网关 Gateway、根云 T-Box 车载物联盒、根云连接器、根云物联代理开放平台等一系列覆盖主流工业控制器和工业协议解析,实现全行业各类设备一站式快速接入,提供便捷、便宜、开放的设备接入解决方案。
电信运营商依托 5G 全面部署 MEC 。移动边缘计算(MEC) 是利用无线接入网络就近提供电信用户 IT所需服务和云端计算功能,实现计算及存储资源的弹性利用。多接入边缘计算(MAEC) 则是将边缘计算从电信蜂窝网络进一步延伸至其他无线接入网络。
3、 云计算与边缘计算如何协同
以物联网场景举例。物联网中的设备产生大量的数据,数据都上传到云端进行处理, 会对云端造成巨大的压力, 为分担中心云节点的压力,边缘计算节点可以负责自己范围内的数据计算和存储工作。同时, 大多数的数据并不是一次性数据, 那些经过处理的数据仍需要从边缘节点汇聚集中到中心云, 云计算做大数据分析挖掘、数据共享,同时进行算法模型的训练和升级,升级后的算法推送到前端,使前端设备更新和升级,完成自主学习闭环。同时,这些数据也有备份的需要,当边缘计算过程中出现意外情况,存储在云端的数据也不会丢失。

在这里插入图片描述
▲物联网场景下云边协同示意图
云计算与边缘计算需要通过紧密协同才能更好地满足各种需求场景的匹配,从而最大化体现云计算与边缘计算的应用价值。 同时,从边缘计算的特点出发, 实时或更快速的数据处理和分析、节省网络流量、可离线运行并支持断点续传、本地数据更高安全保护等在应用云边协同的各个场景中都有着充分的体现。
云边协同九大应用场景
本白皮书将对云边协同在 CDN、工业互联网、能源、智能家庭、智慧交通、安防监控、农业生产等场景中的应用进行介绍,同时对云边协同在医疗保健、云游戏等场景中的前景进行分析。
1、 云边协同在 CDN 场景中的应用
随着目前 5G 的部署,配合 AI 技术、大数据、云计算、 IoT 等,万物互联的信息时代将让互联网进入一个新的阶段,现阶段的 CDN架构已经无法满足 5G 时代的应用需求, CDN 将迎来以边缘云+AI的新发展,以快速响应需求并实现服务能力、服务状态和服务质量的更加透明。通过将 CDN 部署到移动网络内部,比如借助边缘云平台将 vCDN(virtual Content Delivery Network,虚拟内容分发网络)下沉到运营商的边缘数据中心中,将大大缓解传统网络的压力,并且提升移动用户视频业务的体验。基于云边协同构建 CDN,不仅在中心 IDC 的基础上扩大 CDN 资源池,同时还可以有效的利用边缘云进一步提升 CDN 节点满足资源弹性伸缩的能力。
在这里插入图片描述
▲基于边缘云的 vCDN 实现场景
CDN 云边协同适用于本地化+热点内容频繁请求的场景,适用于商超、住宅、办公楼宇、校园等。对于近期热点视频和内容,可能出现本地化频繁请求,通过一次远端内容回源本地建立 vCDN 节点之后,本地区内多次请求热点内容均可从本地节点分发,提高命中率,降低响应时延,可提升 QoS 指标。同理,还可将此类过程应用于 4K、8K、 AR/VR、 3D 全息等场景,本地化快速建立场景和环境,同时提高用户体验,降低眩晕感和延迟卡顿。
2、云边协同在工业互联网场景中的应用
近年来,随着政府部门陆续出台相关政策支持以及生态建设的不断完善,中国工业互联网产业正在迅猛发展。据 IDC 预测,到 2020年全球将有超过 50%的物联网数据将在边缘处理,而工业互联网作为物联网在工业制造领域的延伸,也继承了物联网数据海量异构的特点。在工业互联网场景中, 边缘设备只能处理局部数据,无法形成全局认知, 在实际应用中仍然需要借助云计算平台来实现信息的融合,因此, 云边协同正逐渐成为支撑工业互联网发展的重要支柱。
工业互联网的边缘计算与云计算协同工作,在边缘计算环境中安装和连接的智能设备能够处理关键任务数据并实时响应,而不是通过网络将所有数据发送到云端并等待云端响应。设备本身就像一个数据中心,由于基本分析正在设备上进行,因此延迟几乎为零。利用这种新增功能,数据处理变得分散,网络流量大大减少。云端可以在以后收集这些数据进行第二轮评估,处理和深入分析。
同时,在工业制造领域, 单点故障在工业级应用场景中是绝对不能被接受的,因此除了云端的统一控制外,工业现场的边缘计算节点必须具备一定的计算能力,能够自主判断并解决问题,及时检测异常情况,更好的实现预测性监控,提升工厂运行效率的同时也能预防设备故障问题。将处理后的数据上传到云端进行存储、管理、态势感知,同时,云端也负责对数据传输监控和边缘设备使用进行管理。
在这里插入图片描述
▲工业互联网利用边缘云实现云边协同示意图
3、 云边协同在能源场景中的应用
能源互联网是一种互联网与能源生产、传输、存储、消费以及能源市场深度融合的能源产业发展新形态,具有设备智能、多能协同、信息堆成、供需分散、系统扁平、交易开放等主要特征。
在传统能源产业向能源互联网升级的过程中,利用云计算和边缘计算两方的优势,可以加速升级过程。
以石油行业为例,在油气开采、运输、储存等各个关键环节,均会产生大量的生产数据。在传统模式下,需要大量的人力通过人工抄表的方式定期对数据进行收集,并且对设备进行监控检查,以预防安全事故的发生。抄表员定期将收集的数据进行上报,再由数据员对数据进行人工的录入和分析,一来人工成本非常高,二来数据分析效率低、时延大,并且不能实时掌握各关键设备的状态,无法提前预见安全事件防范事故。而边缘计算节点的加入,则可以通过温度、湿度、压力传感器芯片以及具备联网功能的摄像头等设备,实现对油气开采关键环节关键设备的实时自动化数据收集和安全监控,将实时采集的原始数据首先汇集至边缘计算节点中进行初步计算分析,对特定设备的健康状况进行监测并进行相关的控制。此时需要与云端交互的数据仅为经过加工分析后的高价值数据,一方面极大的节省了网络带宽资源,另一方面也为云端后续进一步大数据分析、数据挖掘提供了数据预加工服务,为云端规避了多种采集设备带来的多源异构数据问题。
在这里插入图片描述
▲云边协同在石油行业的应用
云边协同中,要求终端设备或者传感器具备一定的计算能力,能够对采集到的数据进行实时处理,进行本地优化控制,故障自动处理,负荷识别和建模等操作, 把加工汇集后的高价值数据与云端进行交互,云端进行全网的安全和风险分析,进行大数据和人工智能的模式识别、节能和策略改进等操作。同时,如果遇到网络覆盖不到的地区,可以先在边缘侧进行数据处理,在有网络的情况下将数据上传到云端,云端进行数据存储和分析。
4、 云边协同在智能家庭场景中的应用
随着信息化技术的逐步发展、网络技术的日益完善、可应用网络载体的日益丰富和大带宽室内网络入户战略的逐步推广,智能化信息服务进家入户成为可能。智慧家庭综合利用互联网技术、计算机技术、遥感控制技术等,将家庭局域网络、家庭设备控制、家庭成员信息交流等家庭生活有效结合,创造出舒适、便捷、安全、高效的现代化家居生活。
在家庭智能化信息服务进家入户的今天,各种异构的家用设备如何简单地接入智能家庭网络,用户如何便捷地使用智能家庭中的各项功能成为关注焦点。
在智能家庭场景中,边缘计算节点(家庭网关、智能终端)具备各种异构接口,包括网线、电力线、同轴电缆、无线等等,同时还可以对大量异构数据进行处理,再将处理后的数据统一上传到云平台。用户不仅仅可以通过网络连接边缘计算节点,对家庭终端进行控制,还可以通过访问云端,对长时间的数据进行访问。
同时, 智能家庭云边协同基于虚拟化技术的云服务基础设施,以多样化的家庭终端为载体,通过整合已有业务系统, 利用边缘计算节点将包括家用电器、照明控制、多媒体终端、计算机等家庭终端组成家庭局域网。边缘计算节点再通过互联网(未来 5G 时代还会通过 5G移动网络)与广域网相连,继而与云端进行数据交互,从而实现电器控制、安全保护、视频监控、定时控制、环境检测、场景控制、可视对讲等功能。
未来,智能家庭场景中云边协同将会越来越得到产业链各方的重视,电信运营商、家电制造商、智能终端制造商等都会在相应的领域进行探索。在不远的将来,家庭智能化信息服务业不仅仅限于对于家用设备的控制,家庭能源、家庭医疗、家庭安防、家庭教育等产业也将于家庭智能化应用紧密结合,成为智能家庭大家族中的一员。
在这里插入图片描述
▲云边协同在智慧家庭信息化中的应用示意图
5、 云边协同在智慧交通场景中的应用
车路协同,是智慧交通的重要发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。据公安部统计,截至 2018 年底,中国汽车保有量已突破 2.4 亿辆,汽车驾驶人达到 3.69 亿人。可以预见, 车路协同在中国有巨大 的市场空间,这为智慧交通在中国的发展和落地提供了得天独厚的“试验场”。
过去各方对于智慧交通的关注点主要集中在车端, 例如自动驾驶,研发投入也主要在车的智能化上, 这对于车的感知能力和计算能力提出了很高的要求, 导致智能汽车的成本居高不下。另一方面, 在当前的技术条件下, 自动驾驶车辆在传统道路环境中的表现仍然不尽人意。国内外各大厂商逐渐意识到, 路侧智能对于实现智慧交通是不可或缺的, 因此最近两年纷纷投入路侧的智能化,目标是实现人、 车、 路之间高效的互联互通和信息共享。
在实际应用中, 边缘计算可以与云计算配合, 将大部分的计算负载整合到道路边缘层,并且利用 5G、 LTE-V 等通信手段与车辆进行实时的信息交互。未来的道路边缘节点还将集成局部地图系统、交通信号信息、附近移动目标信息和多种传感器接口,为车辆提供协同决策、事故预警、 辅助驾驶等多种服务。与此同时, 汽车本身也将成为边缘计算节点,与云边协同相配合为车辆提供控制和其他增值服务。
汽车将集成激光雷达、 摄像头等感应装置,并将采集到的数据与道路边缘节点和周边车辆进行交互, 从而扩展感知能力, 实现车与车、 车与路的协同。云计算中心则负责收集来自分布广泛的边缘节点的数据,感知交通系统的运行状况, 并通过大数据和人工智能算法,为边缘节点、 交通信号系统和车辆下发合理的调度指令, 从而提高交通系统的运行效率, 最大限度的减少道路拥堵。
在这里插入图片描述
▲云边协同与车路协同参考框架
6、 云边协同在安防监控场景中的应用
目前安防监控领域, 从部署安装角度,一般传统的监控部署采用有线方式,有线网络覆盖全部的摄像头,布线成本高,效率低,占用大量有线资源。采用 WiFi 回传的方式, WiFi 稳定性较差,覆盖范围较小,需要补充大量路由节点以保证覆盖和稳定性。传统方式下需要将监控视频通过承载网和核心网传输至云端或服务器进行存储和处理,不仅加重了网络的负载,业务的端到端时延也难以得到有效的保障。
同时, 大量的摄像采集终端都配备较强的数据采集能力,一方面对摄像头的整体架构提出了较高的要求,如何在尺寸体积固定和耗电量较低的情况下,保证处理能力和便捷安装,同时另一方面又尽可能的保障摄像采集端成本较低,是一个比较重要的问题。
基于上述诉求,可以将监控数据分流到边缘计算节点(边缘计算 业务平台),从而有效降低网络传输压力和业务端到端时延。此外,视频监控还可以和人工智能相结合,在边缘计算节点上搭载 AI 人工智能视频分析模块,面向智能安防、视频监控、人脸识别等业务场景,以低时延、大带宽、快速响应等特性弥补当前基于 AI 的视频分析中产生的时延大、用户体验较差的问题,实现本地分析、快速处理、实时响应。云端执行 AI 的训练任务, 边缘计算节点执行 AI 的推论,二者协同可实现本地决策、实时响应,可实现表情识别、行为检测、轨迹跟踪、热点管理、体态属性识别等多种本地 AI 典型应用。
在这里插入图片描述
在这里插入图片描述
▲智能安防系统云边协同应用示意图
7、 云边协同在农业生产场景中的应用
智慧农业是农业生产的高级阶段,是集新兴的互联网、移动互联网、云计算和物联网技术为一体,依托部署在农业生产现场的各种传感节点和无线通信网络实现农业生产环境的智能感知、智能预警、智能决策、智能分析、专家在线指导,为农业生产提供精准化种植、可视化管理、智能化决策。
以智慧大棚为例:针对条件较好的大棚,安装有电动卷帘,排风机,电动灌溉系统等机电设备, 通过云端可实现远程控制功能。农户可通过手机或电脑登录云端系统,控制温室内的水阀、排风机、卷帘机的开关;也可在云端设定好控制逻辑, 云端将控制逻辑下放到边缘控制设备,边缘控制设备通过传感设备实时采集大棚环境的空气温度、空气湿度、二氧化碳、光照、土壤水分、土壤温度、棚外温度与风速等数据,自动根据内外情况自动开启或关闭卷帘机、水阀、风机等大棚机电设备。
在这里插入图片描述
▲云边协同在智慧大棚应用示意图
8、云边协同在云游戏场景中的应用分析
随着互联网的发展,以及 5G 网络已经成为现实的今天,“云游戏”这个名词也开始被越来越多的厂商利用,同时也被越来越多的玩家所期待。所谓“云游戏”,就是所有游戏都在云端服务器中运行,云端将渲染完毕后的游戏画面压缩后通过网络传送给用户发送到终端。在终端,用户的游戏设备不需要任何高端处理器和显卡,只需要具备基本的视频解压和指令转发功能即可。
在 2018 年,已经有 AT&T、 Verizon 等电信巨头以及微软、亚马逊等 IT 巨头先后公布了云游戏相关的测试或者布局。在 2019 年的 MWC 上,国内手机厂商 OPPO 和一加也分别展示了相关的云游戏服务。根据第三方机构的预测,全球云游戏市场将从 2018 年的0.66 亿美元增加到 2023 年的 4.5 亿美元,复合年均增长率为 47%。
以 AR 为例,应用程序需要通过相机的视图、定位技术或将两者结合起来,判断用户处于哪个位置以及面向哪个方向。对位置和方向信息加以分析之后,应用程序可以实时向用户提供其他信息。而当用户移动后,需要刷新该信息。边缘计算将计算任务卸到边缘服务器或移动端上,降低平均处理的延时。前景的交互放在云上,背景则交给移动端,最终实现完整的 AR 体验。
在这里插入图片描述
▲云边协同在云游戏中应用框图
有一种声音说边缘计算是云计算的对立面,其实是错误的,边缘计算更多的是云计算向终端和用户侧延伸形成的新解决方案。边缘计算本身就是云计算概念的延伸,即便是赋予其独立的概念,也无法做到与云计算切割开,二者本就是相依而生、协同运作的。云边协同将成为主流模式,这种协同模式下,云计算在向一种更加全局化的分布式节点组合新形态进阶。
云、边、端协同:边缘计算打开了更大的想象空间
互联网的前二十年是消费互联网的天下,在这期间,云计算从最初的新兴概念逐渐成为成熟应用,以锐不可当之势飞速发展。当历史的车轮驶入21世纪20年代,消费互联网呈现饱和态势,产业互联网成为下一个20年的焦点,很多企业都将“云”作为转型的抓手。云计算堪称是基础设施的基础设施,不只是计算的中心化,也是技术资源的中心化,AI、大数据、IoT等技术落地到各行各业都需要通过云计算。然而,当面对海量数据计算、新兴计算场景、小数据实时处理等方面的挑战,云计算存在一些发展瓶颈,需要新技术来突破。
边缘计算的诞生:与云计算分工协作
随着万物互联时代到来,计算需求出现爆发式增长。IDC预估,2020全年有500亿个设备连接到网络,传统云计算架构无法满足这种爆发式的海量数据计算需求,将云计算的能力下沉到边缘侧、设备侧,并通过中心进行统一交付、运维、管控,将是重要发展趋势;预计超过40%的数据将在网络边缘侧进行分析、处理与存储,这为边缘计算的发展带来了充分的场景和想象空间。
边缘计算,是指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,核心理念是将数据的存储、传输、计算和安全交给边缘节点来处理,其应用程序在边缘侧发起,可以产生更快的网络服务响应,满足各行业在实时业务、应用智能、安全与隐私保护等方面的需求。
按功能角色来看,边缘计算主要分为“云、边、端”三个部分:“云”是传统云计算的中心节点,是边缘计算的管控端;“边”是云计算的边缘侧,分为基础设施边缘(Infrastructure Edge)和设备边缘(Device Edge);“端”是终端设备,如手机、智能家电、各类传感器、摄像头等。随着云计算能力从中心下沉到边缘,边缘计算将推动形成“云、边、端”一体化的协同计算体系。
可以说,边缘计算是云计算的延伸,两者各有其特点:云计算能够把握全局,处理大量数据并进行深入分析,在商业决策等非实时数据处理场景发挥着重要作用;边缘计算侧重于局部,能够更好地在小规模、实时的智能分析中发挥作用,如满足局部企业的实时需求。因此,在智能应用中,云计算更适合大规模数据的集中处理,而边缘计算可以用于小规模的智能分析和本地服务。边缘计算与云计算相辅相成、协调发展,这将在更大程度上助力行业的数字化转型。
边缘计算的优势与应用场景
虽然边缘计算目前主要关注的是在制造、零售等特定行业中嵌入式物联网系统提供的离线或分布式能力,但随着边缘被赋予越来越成熟和专业的计算资源及越来越多的数据存储,未来边缘计算或许将成为主流部署。具体来看,边缘计算的优势及相应的应用场景主要有以下几点:
数据处理与分析的快速、实时性
边缘计算距离数据源更近,数据存储和计算任务可以在边缘计算节点上进行,更加贴近用户,减少了中间数据传输的过程,从而提高数据传输性能,保证实时处理,减少延迟时间,为用户提供更好的智能服务。在自动驾驶、智能制造等位置感知领域,快速反馈尤为重要,边缘计算可以为用户提供实时性更高的服务。边缘计算的实时性优势对于“预测性维护”也有重要价值,有助于通过分析设备实时监测数据,预测设备可能出现的故障,提出故障原因和解决方案,使维护更加智能化。
安全性
由于边缘计算只负责自己范围内的任务,数据的处理基于本地,不需要上传到云端,避免了网络传输过程带来的风险,因此数据的安全可以得到保证。一旦数据受到攻击,只会影响本地数据,而不是所有数据。学术界对边缘计算在安全监视领域中的应用持比较乐观的态度,安全监视在实时性、安全性等方面都有较高的要求,必须及时发现危险并发出警报。基于边缘计算的图像处理在实时性要求高、网络质量无法保证、涉及隐私的场景中,可以提供更好的服务,例如可监视银行金库等场景的越过警戒线、徘徊等行为。
低成本、低能耗、低带宽成本
由于数据处理不需要上传到云计算中心,边缘计算不需要使用太多的网络带宽,随着网络带宽的负荷降低,智能设备的能源消耗在网络的边缘将大大减少。因此,边缘计算可以助力企业降低本地设备处理数据的成本与能耗,同时提高计算效率。随着云计算、大数据、人工智能等技术发展,网络直播与短视频发展迅猛,在金融领域的应用也越来越多。在有限的带宽资源面前,可以利用边缘计算来降低成本,例如当用户发出视频播放请求时,视频资源可以实现从本地加载的效果,在节省带宽的同时,也能够提高用户体验质量,降低延时。
5G、边缘计算、分布式云协同发展
5G的商业化推进为边缘计算发展带来了机遇。网络切片技术是5G的特点之一,简单来说就是将一个物理网络切割成多个虚拟的网络切片,每个虚拟网络切片具备不同的功能特点,可以面向低延时、大容量等不同的需求进行服务。为了实现网络切片,网络功能虚拟化(NFV)是先决条件,虚拟化后,终端接入的部分就是边缘云(Edge Cloud),而核心网部分则是核心云(Core Cloud)。因此,边缘计算的发展与5G密切相关。
同时,5G催生的海量边缘连接场景,也驱动着分布式云的发展。分布式云指将集中式的公有云服务分布到不同的物理位置,能够为具有低延迟、降低数据成本需求和数据驻留要求的企业级解决方案提供更加灵活的环境,根据部署位置的不同、基础设施规模的大小、服务能力的强弱等要素,分布式云一般包含中心云、区域云和边缘云三个业务形态。Gartner认为,所有分布式云的实例都是边缘计算的实例,但并非所有边缘计算实例都是分布式云,因为边缘的很多应用都涉及公有云提供商。
金融领域有很多对实时性、安全性较高的场景,5G、边缘计算、分布式云的协同发展能够带来更多的可能性。例如针对金融业务特点,在智能客服、实时决策等人工智能场景,可以在人工智能+边缘计算的基础上,构建云边端三体协同和分布式架构;对于数据智能的实现,可以在云端配置超级大脑,在边缘和终端部署多个智能体,通过边缘计算降低数据生产与决策之间的延迟。
当下不论是在学界还是业界,边缘计算都已成为热点。从新的技术趋势中,已然能够感知未来可能会发生的变化。未来,恒生公司也将进一步去探索、推动包括边缘计算在内的更多新兴技术落地,助力金融领域服务创新与变革。

参考文献链接
https://mp.weixin.qq.com/s/aNQ6QxemKlsq8CjFDVx-cg
https://mp.weixin.qq.com/s/ulIaz9crybbXgVK0d2fWYQ
https://mp.weixin.qq.com/s/cLcUNff3bcILTJ6u4wZjlw
https://baike.baidu.com/item/%E8%BE%B9%E7%BC%98%E8%AE%A1%E7%AE%97/9044985?fr=aladdin

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/152205.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • 指令周期的四个阶段_单片机指令周期与机器周期

    指令周期的四个阶段_单片机指令周期与机器周期时钟周期时钟周期也称为振荡周期,定义为时钟脉冲的倒数(可以这样来理解,时钟周期就是单片机外接晶振的倒数,例如12M的晶振,它的时间周期就是1/12us),是计算机中最基本的、最小的时间单位。在一个时钟周期内,CPU仅完成一个最基本的动作。对于某种单片机,若采用了1MHZ的时钟频率,则时钟周期为1us;若采用4MHZ的时钟频率,则时钟周期为250ns。由于时钟脉冲是计算机的基本工作脉冲…

    2022年10月13日
  • int型转换为long型遇到的一个小问题

    int型转换为long型遇到的一个小问题LeetCode上有一道题:给出一个数n,求(0,n)之间素数的个数。然后我采用埃拉托斯特尼筛法在每次找到一个素数时,将能被素数整除的数排除掉。但是,在进行int类型转换的时候会报:java.lang.ArrayIndexOutOfBoundsException代码如下:publicintcountPrimes(intn){boolea…

  • redis主从复制和集群的区别_redis主从复制和redis集群的区别

    redis主从复制和集群的区别_redis主从复制和redis集群的区别Redis主从复制和集群配置    redis主从复制概述1、redis的复制功能是支持多个数据库之间的数据同步。一类是主数据库(master)一类是从数据库(slave),主数据库可以进行读写操作,当发生写操作的时候自动将数据同步到从数据库,而从数据库一般是只读的,并接收主数据库同步过来的数据,一个主数据库可以有多个从数据库,而一个从数据库只能有一个主数据库。2、

  • vue弹窗组件封装_vue弹出框组件

    vue弹窗组件封装_vue弹出框组件VUE全局,需要安装vant

  • QT——开发入门简介

    QT——开发入门简介1、你了解Qt吗?Qt是一种基于C++的跨平台图形用户界面应用程序开发框架。如何跨平台?上到服务器上位机,下到嵌入式GUI,上天入地无所不能。Qt最早是由1991年由QtCompany开发,但是到2008年,QtCompany科技被诺基亚公司收购,是的,就是拥有着我们很多情怀的诺基亚。但在2012年,Qt又被Digia收购。等到了2014年,跨平台集成开发环境QtCreator3.1….

  • LCD1602温度显示程序设计流程「建议收藏」

    LCD1602温度显示程序设计流程「建议收藏」在温度的显示上,采用LCD1602,可以显示两行字符,每行16个,显示容量为162。通过并行接口,可与单片机的I/O口直接相连。

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号