随着物联网的发展, 边缘计算已成为时下最热门的技术之一, 引得华为, 阿里, ARM, 英特尔等行业巨头纷纷布局. 那么边缘计算到底是何方神圣, 与物联网又存在着何种联系呢? 且看下文.
一, 云计算的物联网挑战
作为互联网最重要的平台技术, 云计算能够建造大型数据中心, 将大量数据集中式存储和处理, 利用数据中心海量机器的算力来计算和解决问题.
自从本世纪初云计算模型的出现和广泛应用, 云计算已经改变了我们的生活, 学习和工作, 从贵州到冰岛, 全球都可以看到大公司的数据中心. 对于亚马逊, 微软, 阿里和腾讯来说, 云计算平台也已经成为非常重要的业务和收入来源之一.
但随着物联网时代到来, 云计算平台将面临着海量设备接入, 海量数据, 带宽不够和功耗过高等高难度挑战. 就目前的带宽水平来说, 还无法支持设备到云端之间的数据传输, 这使得云计算中心实时返回数据决策也变成了不可能的任务.
于是, 边缘计算开始进入到公众的视线.
二, 边缘计算的应用及其优势
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. 边缘计算的核心, 是将计算任务从云计算中心, 迁移到产生源数据的边缘设备上.
边缘计算物联网解决方案, 从架构上分为: 传感控制层, 网络层, 敏捷控制器和应用层.
传感控制层: 这一层包含大量的传感器, 控制部件 (比如开关等) 和测量部件(比如电表等), 另外还有通信部件. 这些通信部件可能是独立的, 也可能是和其它部件结合在一起的.
网络层: 这一层主要实现融合和互联, 它的功能除了网络联接和管理之外, 还包括边缘计算, 进行现场处理, 同时保障业务在本地的存活. 本地存活和现场处理对物联网尤其是工业和民用大型设施是非常重要的. 此外, 协议转换也是这一层的重要功能. 在 IoT 领域有特别多的协议, 这些协议来自于各个行业历史上的积累, 所以需要在网关上做协议的转换, 将数据统一承载在 IP 网络上向外传输.
敏捷控制器: 这一层将网关送上来的数据进行统一的处理, 向上送给应用层. 并对下层的网络, 传感器, 控制部件, 测量部件, 计算资源进行管理, 提供网络布署, 配置的自动化工具.
业务应用层: 这一层是各种各样的行业应用.
由于数据只在源数据设备和边缘设备之间交换, 不再全部上传至云计算平台, 因此, 在物联网应用中, 较之于传统的云计算, 边缘计算在以下 5 大方面具有绝对性优势:
1. 安全性要求
云计算模型中, 用户的一切数据都需要上传到数据中心, 而在这个过程中, 数据安全性就成了一个重要问题. 从电子金融账户密码, 到搜索引擎历史再到智能摄像头监控, 这些个人的隐私数据在上传到数据中心的过程, 都蕴含了数据泄露的风险.
这也是边缘计算博得大型工业公司青睐的原因之一. 在去年霍尼韦尔举办的用户组会议上, 其工业自动化产品的大多数客户都不愿意将无线基础设施放在霍尼韦尔的工厂中, 以免存在安全漏洞.
由于塔吉特违规行为的各种黑客行为(从 HVAC 系统开始, 最终导致客户的信用卡受损), 引发了针对基础设施的黑客的担忧问题, 但就某些特定的工业流程来说, 这种担忧是完全有必要的.
2. 知识产权问题
另外, 与安全问题息息相关的, 则是对专有数据和知识产权的担忧.
在云计算中, 用户的一切数据都需要上传至数据中心, 例如炼油厂的炼油过程, 可乐生产厂商的制作配方等一些视为商业机密的重要信息, 都有可能通过高质量的传感器获取的工业数据来获取. 西门子物联网战略高级副总裁 Jaganath Rao 表示, 一些食品公司对这一问题表现的尤为敏感.
3. 交互延迟和弹性
在物联网应用中面对的数据量极大, 已经不再适合直接上传到云计算中心进行处理, 不仅网络带宽压力大, 对海量数据的搜索耗时也是不能接受的.
自动驾驶汽车对数据传输与交互延迟要求非常高, 边缘计算更靠近数据源, 可快速处理数据, 实时做出判断, 充分保障乘客安全.
在自动驾驶汽车中, 每台自动驾驶车上都配有多颗摄像头和激光雷达, 这些传感器每时每秒都在创造大量数据. 而自动驾驶汽车显然无法等待这些数据传输到云计算中心处理后再做决策, 这时边缘计算就成为无人驾驶实时数据处理的利器. 当汽车处于故障危险时, 传感器能够迅速发出故障的振动信息, 然后将其发送到本地网关进行处理. 网关在识别出故障后的几毫秒或几秒钟内发出警报或指令以关闭机器.
另外, 这也与弹性有关. 在汽车, 重型工业机械及制造工作时, 在网络覆盖率下降的情况下, 边缘计算依然能够保证局部网络的存活, 维持持续工作, 避免事故发生.
4. 减少带宽成本
一些连接的传感器 (例如相机或在引擎中工作的聚合传感器) 会产生大量数据, 在这些情况下, 将所有这些信息发送到云将花费很长时间和过高的成本.
随着智慧城市和公共安全需要, 摄像头的视频分析技术的重要性凸现出来. 但是, 由于摄像头数量多, 产生的数据量极大, 已经不再适合直接上传到云计算中心进行处理, 不仅网络带宽压力大, 对海量数据的搜索耗时也是不能接受的, 这时候边缘计算就派上了用场.
5. 自治能力
正是由于延迟和弹性问题, 使得边缘计算自主决策不依赖于云的特性, 成为在物联网应用中的决胜优势.
对于很多人来说, 物联网连接工厂或办公室的目的是能够实现大量的流程自动化. 在边缘计算中, 机器不仅能够监控自身及其正在执行的过程, 还可以对其进行编程, 以便在出现问题时采取正确的行动. 因此, 当传感器检测到压力积聚时, 它可以释放进一步向下的阀门, 一旦流程依赖于特定的自动化水平, 就必须依靠这个水平来及时制定.
三, 小结
边缘计算能就近提供智能互联服务, 满足行业在数字化变革过程中的关键需求. 在物联网时代数据处理的 2.0 时代, 不断增长的数据催生了对边缘计算的需求, 据 IDC 预测, 未来超过 50% 的数据需要在网络边缘侧分析, 处理和储存. 其巨大的市场空间也被巨头们看在眼里, 未来边缘计算还将如何更好地推动物联网技术发展, 让我们拭目以待!
来源: http://iot.51cto.com/art/201804/571432.htm