一文读懂什么是边缘计算?我们为什么需要边缘计算?

物联网技术的快速发展和云服务的推动使得云计算模型已经不能很好的解决现在的问题,于是,这里给出一种新型的计算模型,边缘计算。边缘计算指的是在网络的边缘来处理数据,这样能够减少请求响应时间、提升电池续航能力、减少网络带宽同时保证数据的安全性和私密性。

一文读懂什么是边缘计算?我们为什么需要边缘计算?

边缘计算定义

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。

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。

全球智能手机的快速发展,推动了移动终端和“边缘计算”的发展。而万物互联、万物感知的智能社会,则是跟物联网发展相伴而生,边缘计算系统也因此应声而出。

边缘计算架构

在中国,边缘计算联盟ECC正在努力推动三种技术的融合,也就是OICT的融合(运营Operational、信息Information、通讯Communication Technology)。

一文读懂什么是边缘计算?我们为什么需要边缘计算?

边缘计算联盟ECC对于边缘计算的参考架构的定义,包含了设备、网络、数据与应用四域,平台提供者主要提供在网络互联(包括总线)、计算能力、数据存储与应用方面的软硬件基础设施。

第一个是设备域的问题,出现在纯粹的IoT设备,跟自动化的I/O采集相比较而言,有不同但也有重叠部分。那些可以直接用于在顶层优化,而并不参与控制本身的数据,是可以直接放在边缘侧完成处理。

第二个是网络域。在传输层面,直接的末端IoT数据、与来自自动化产线的数据,其传输方式、机制、协议都会有不同,因此,这里要解决传输的数据标准问题,当然,在OPC UA架构下可以直接的访问底层自动化数据,但是,对于Web数据的交互而言,这里会存在IT与OT之间的协调问题,尽管有一些领先的自动化企业已经提供了针对Web方式数据传输的机制,但是,大部分现场的数据仍然存在这些问题。

第三是数据域,数据传输后的数据存储、格式等这些数据域需要解决的问题,也包括数据的查询与数据交互的机制和策略问题都是在这个领域里需要考虑的问题。

最后一个,也是最难的应用域,这个可能是最为难以解决的问题,针对这一领域的应用模型尚未有较多的实际应用。

从产业价值链整合角度而言,ECC提出了CROSS,即在敏捷联接(Connection)的基础上,实现实时业务(Real-time)、数据优化(Data Optimization)、应用智能(Smart)、安全与隐私保护(Security),为用户在网络边缘侧带来价值和机会,也就是联盟成员要关注的重点。

为什么需要边缘计算

云服务的推动:云中心具有强大的处理性能,能够处理海量的数据。但是,将海量的数据传送到云中心成了一个难题。云计算模型的系统性能瓶颈在于网络带宽的有限性,传送海量数据需要一定的时间,云中心处理数据也需要一定的时间,这就会加大请求响应时间,用户体验极差。

一文读懂什么是边缘计算?我们为什么需要边缘计算?

物联网的推动:现在几乎所有的电子设备都可以连接到互联网,这些电子设备会后产生海量的数据。传统的云计算模型并不能及时有效的处理这些数据,在边缘结点处理这些数据将会带来极小的响应时间、减轻网络负载、保证用户数据的私密性。

终端设备的角色转变:终端设备大部分时间都在扮演数据消费者的角色,比如使用智能手机观看爱奇艺、刷抖音等。然而,现在智能手机让终端设备也有了生产数据的能力,比如在淘宝购买东西,在百度里搜索内容这些都是终端节点产生的数据。

边缘计算有什么好处

边缘计算通过解决邻近数据计算与数扬传输问题,您可以解决延迟问题。设备上处理方法确保仅通过网络发送非关键数据,并且可以立即对关键数据执行操作。这对于延迟敏感的应用程序很重要,例如自动驾驶汽车,其中必须等待毫秒可能是站不住脚的。

一文读懂什么是边缘计算?我们为什么需要边缘计算?

边缘计算的分散方法也降低了带宽。数据处理从收集点开始,只有需要存储的数据才会发送到云端。这使边缘计算更加高效和可扩展,并减少网络负载。

例如,如果您有多个安全摄像头通过云端发送1080p视频,则会成为带宽问题。这是不切实际的,而且成本过高。

通过边缘计算还可以改善中断和间歇性连接,因为它不仅仅依靠云进行处理。这有助于避免服务器停机,确保远程位置的可靠运行并避免意外停机。

从理论上讲,边缘计算还有一层额外的安全性,因为来自物联网设备的大部分数据都不会遍历网络。相反,它仍然处于创造的位置。云中的数据越少意味着泄漏或泄漏的数据就越少。

在人脸识别领域,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减少了30%-40%。

数据在整合、迁移等方面可以减少20倍的时间。

海量数据处理:在一个人口众多的大城市中,无时无刻不在产生着大量的数据,而这些数据如果通通交由云中心来处理,那么将会导致巨大的网络负担,资源浪费严重。如果这些数据能够就近进行处理,在数据源所在的局域网内进行处理,那么网络负载就会大幅度降低,数据的处理能力也会有进一步的提升。

低延迟:在大城市中,有很多服务是要求具有实时特性的,这就要求响应速度能够尽可能的进一步提升。比如医疗和公共安全方面,通过边缘计算,将减少数据在网络中传输的时间,简化网络结构,对于数据的分析、诊断和决策都可以交由边缘结点来进行处理,从而提高用户体验。

位置感知:对基于位置的一些应用来说,边缘计算的性能要优于云计算。比如导航,终端设备可以根据自己的实时位置把相关位置信息和数据交给边缘结点来进行处理、边缘结点基于现有的数据进行判断和决策。整个过程中的网络开销都是最小的。用户请求得以极快的得到响应。

边缘计算的应用

边缘计算/雾计算要落地,“应用”才是最为核心的问题,所谓的IT与OT的融合,更强调在OT侧的应用,即运营的系统所要实现的目标。

一文读懂什么是边缘计算?我们为什么需要边缘计算?

边缘计算的技术正在多个不同行业领域产生影响,如工业领域、交通运输、智慧城市、智慧家居、智能农场、智慧医院、医疗保健、在线直播、无人机、智能制造等各方面都有它的身影。

工业领域
在工业领域,边缘应用场景包括能源分析、物流规划、工艺优化分析等。就生产任务分配而言,需根据生产订单为生产进行最优的设备排产排程,这是APS或者广义MES的基本任务单元,需要大量计算。这些计算是靠具体MES厂商的软件平台,还是“边缘计算”平台—基于Web技术构建的分析平台,在未来并不会存在太多差别。从某种意义上说MES系统本身是一种传统的架构,而其核心既可以在专用的软件系统,也可以存在于云、雾或者边缘侧。总体而言,在整个智能制造、工业物联网的应用中,各自分工如下。

ICT厂商则提供“传输”,实现工业连接。因为在如何提供数据的传输、存储、计算方面,ICT厂商有其传统优势,包括成本方面,已经云平台的优势。

自动化厂商提供“采集”,包括数据源的作用,这是利用自动化已经在分布式I/O采集、总线互联、以及控制机器所产生的机器生产、状态、质量等原生“信息”。

传统工业企业的业务经验和知识,则为分析软件(独立的或者企业内部)厂商提供“分析”的依据。这些业务过程的理解,仍然是必不可少。产业链的协同,终极目标,仍然是解决“质量、成本、交付”的核心问题。

交通运输

边缘计算技术最显而易见的潜在应用之一是交通运输——更具体地说,是无人驾驶汽车。

自动驾驶汽车可能是边缘计算重要的最好例子。自动驾驶汽车充满了数百个收集数据的传感器,对于碰撞检测等过程,车辆无法等待数秒进行云处理。它必须能够立即处理这些数据并做出决定。

根据权威机构IDC预测,到2020年,自动驾驶汽车每天将产生40TB的数据,到2025 年,汽车到云的数据流量将达到每月10艾字节。所有数据都是传播到云是昂贵和不必要的,更不用说当前的网络不可持续。

自动驾驶汽车装备了各种各样的传感器,从摄像头到雷达到激光系统,来帮助车辆运行。

这些自动驾驶汽车可以利用边缘计算,通过这些传感器在离车辆更近的地方处理数据,进而尽可能地减少系统在驾驶过程中的响应时间。虽然无人驾驶汽车还不是主流趋势,但相关企业正在未雨绸缪。

今年早些时候,汽车边缘计算联盟(AECC)宣布将启动以联网汽车解决方案为重点的项目。

不仅仅是自动驾驶汽车会产生大量的数据并需要实时处理。飞机、火车和其他的交通工具也是如此——不管它们有没有人类驾驶。

例如,飞机制造商庞巴迪(Bombardier)的C系列飞机就装备了大量的传感器来迅速检测发动机的性能问题。在12小时的飞行中,飞机产生了多达844 TB的数据。边缘计算支持对数据进行实时处理,因此该公司能够主动处理引擎问题。

医疗保健

如今,人们越来越喜欢佩戴健身追踪设备、血糖监测仪、智能手表和其他监测健康状况的可穿戴设备。

但是,要真正地从所收集的海量数据中获益,实时分析可能是必不可少的——许多的可穿戴设备直接连接到云上,但也有其他的一些设备支持离线运行。

一些可穿戴健康监控器可以在不连接云的情况下本地分析脉搏数据或睡眠模式。然后,医生可以当场对病人进行评估,并就病人的健康状况提供即时反馈。

但在医疗保健领域,边缘计算的潜力远不局限于可穿戴设备。

不妨想想,快速的数据处理能够给远程患者监控、住院患者护理以及医院和诊所的医疗管理带来多大的好处。

医生和临床医生将能够为患者提供更快、更好的护理,同时患者所生成的健康数据也多了一层安全保护。医院病床平均有20个以上的联网设备,会产生大量的数据。这些数据的处理将直接发生在更靠近边缘的地方,而不是将保密数据发送到云端,因此能够避免数据被不当访问的风险。

如前所述,本地化数据处理意味着大范围的云端或网络故障不会影响业务运转。即使云操作中断,这些医院的传感器也能独立地正常运行。

智能制造

智能制造有望从现代工厂大量部署的传感器中获得洞见。

由于能够减少滞后,边缘计算可能会使得制造流程能够更快速地做出响应和变动,能够实时地应用数据分析得出的洞见和实时行动。这可能包括在机器过热之前将其关闭。

一家工厂可以使用两个机器人来完成同样的任务,两个机器人装有传感器,并连接到一个边缘设备上。边缘设备可以通过运行一个机器学习模型来预测其中一个机器人是否会操作失败。

如果边缘设备断定机器人很可能会出现故障,它就会触发行动来阻止或减慢机器人的运转。这会使得工厂能够实时地评估潜在的故障。

如果机器人能够自己处理数据,它们也可能变得更加自给自足和反应灵敏。

边缘计算应该支持更快地从大数据中更多的洞见,以及支持将更多的机器学习技术应用到业务运营中。

最终目标是,挖掘实时产生的海量数据的巨大价值,防止安全隐患,并减少工厂车间机器运转中断的情况。

农业和智能农场

边缘计算非常适合应用于农业,因为农场经常处于偏远的位置和恶劣的环境中,可能存在带宽和网络连接方面的问题。

现在,想要改善网络连接的智能农场需要在昂贵的光纤、微波连接或者拥有一颗全天候运行的卫星上进行投资;而边缘计算则是一种合适的、具有成本效益的替代方案。

智能农场可以使用边缘计算来监测温度和设备性能,以及自动让各种设备(比如过热的泵)减缓运转或者关闭。

能源和电网控制

边缘计算或许在整个能源行业都尤其有效,尤其是在石油和天然气设施的安全监测方面。

例如,压力和湿度传感器应当受到严密监控,不能在连接性上出差错,尤其是考虑到这些传感器大多位于偏远地区。如果出现异常情况——比如油管过热——却没有被及时注意到,那就可能会发生灾难性的爆炸。

边缘计算的另一个好处是能够实时检测设备故障。通过电网控制,传感器可以监控从电动汽车到风力发电厂的一切设施所产生的能源,有助于相应作出决策来降低成本和提高能源生产效率。

其他行业领域的应用

其他可以利用边缘计算技术的行业包括金融业和零售业。这两个行业都使用大型的客户和后端数据集来提供从选股信息到店内服装摆放的各种信息,可以从减少对云计算的依赖中获益。

零售可以使用边缘计算应用程序来增强顾客体验。如今,许多零售商都在致力于改善店内体验,优化数据收集和分析的方式对它们而言绝对很有意义——尤其是考虑到许多零售商已经在尝试使用联网的智能显示屏。

此外,很多人使用店内平板电脑所生成的销售点数据,这些数据会被传输到云端或数据中心。借助边缘计算,数据可以在本地进行分析,从而减少敏感数据泄漏的风险。

边缘计算与云计算的差别

边缘计算和云计算互相协同,它们是彼此优化补充的存在,共同促进各行业数字化转型。

一文读懂什么是边缘计算?我们为什么需要边缘计算?

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。

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。

云计算是把握整体,那么边缘计算就更专注于局部。边缘计算的主要优势如下:

1、实时处理效率更高

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,同时,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。

2、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。

3、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%。

边缘计算面临的挑战

边缘计算能让边缘设备的数据直接在边缘端处理不传输到云端不仅可以节省大量带宽,还能提升效率。这听起来像一个伟大的计划,但在充分享受边缘计算的优势之前,我们必须解决6个关键问题:

1.电源

边缘的设备需要在任何地方都工作,但不幸的是,世界上不是每个地方都有足够的电源来运行服务器。将服务器连通听起来是一个简单的解决方案,但在实际的过程中可能会发现有很多困难。

不过,一些设备已经可以通过电源架供电并进行电源的适当地分配,这是一个越来越常见的功能。

2.空间

实际环境中存在两个问题,可用空间和物理环境。一些地方,如大学校园需要比农场更多的处理器。无论如何,这些处理器都需要服务器,而服务器又需要空间来摆放。

并且,这些服务器在潮湿或温暖的环境中又不能达到最佳的工作状态,这是放置服务器的时候必须要考虑的事情。

3.自动修复

在谈论硬件时,我们无法避免的问题就是设备的维护。如果人们需要花费更多时间维护设备,这会导致问题。服务器在任何时候停止工作对于边缘计算而言都非常糟糕,因此让边缘设备在服务器出现问题时能自动修复是一些公司在做的事情,希望完全消除人的影响。

目前看来,拥有新的,可持续工作的服务器在待机状态将占用更多空间,但确实现在终极的解决方案。

4.人工智能

预测部分零件何时会发生问题与初级的人工智能(AI)有关,但AI这不仅仅是优化硬件。AI更重要的作用在于判断哪些数据是重要的,不重要的数据选择不需要传输,实现更高效地边缘端AI设备。

另外,AI需要管理数据和运行修复,在服务器能承受的情况下需要同时运行。

5.安全

虽然数据在边缘处理对相关的人来说更加安全,但边缘计算和其它技术一样并非万无一失。也就是说如果黑客入侵边缘端的数据,处理数据的所有设备也会受到损害,这将会导致比预期更大的风险。

为了使边缘计算安全运行,边缘端的安全措施需要进行大规模的改造,这需要一些时间。

6. 5G

5G网络是网络连接和数据处理的未来,边缘计算是确保5G无缝工作的关键组成部分。但5G又是边缘计算能发挥最大价值的基础。

借助5G更快的速度,边缘计算可以与物联网(IoT)进行低延迟的通信,并且可以同时考虑设备的延迟,为云端留出更多的处理和网络连接能力。

联系我们

010-67890090

service@tenglonghd.com

周一至周五,9:00-17:30

QR code