详解边缘计算和边云协同技术.docx

? ? ? ? ? ? ? ? 详解边缘计算和边云协同技术 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?  随着物联网等技术的不断发展、数据的不断增加，基于云的物联网解决方案渐渐无法满足人们日益增长的需求，越来越多的企业开始将目光转向边缘计算，并将其作为云的延伸扩展，以加快数据分析的速度，便于企业更快更好的做出决策。 几年前，大多数人都期望将物联网部署至云端——这的确可以给个人用户带来便捷的使用体验，但构建企业级的物联网解决方案，仍然需要采用云计算和边缘计算的结合方案。与纯粹的云端解决方案相比，包含边缘侧的混合方案可以减少延迟、提高可扩展性、增强对信息的访问量，并使业务开发变得更加敏捷。 那么，企业在物联网解决方案中需要如何做才能最佳地利用边缘和云的力量呢？为了阐明这一问题，本文将首先介绍边缘计算与云计算分别所扮演的角色，进而解释为什么企业需要边缘计算以及如何选择边云协同的解决方案，最后再阐述边缘计算的复杂性，并提供一些用例。 什么是边缘计算？ 边缘计算是一种分布式处理和存储的体系结构，它更接近数据的源头。例如，带有视觉处理功能的摄像头、通过蓝牙向手机发送数据的可穿戴医疗设备等都利用到了边缘计算。与云计算相比，边缘计算更靠近终端，存在诸多优良特性，因此，边缘计算和云计算的混合使用通常被认为是构建企业级物联网解决方案的最佳实践。 图1 边缘计算经常使用的关键组件 云爆炸和延迟 经过十多年的发展，现如今，我们已经步入云应用爆炸时代。诚然，云在成本、效益、规模、自动化、互操作性和集中性等方面能为企业带来许多好处，因此大量IT公司的服务完全存在于云上或在很大程度上依赖于云。 与此同时，传感器设备的数量及其生成的数据量也在迅猛增长，预计这一趋势在未来几年还会持续下去。不只是数据来源广、数据量庞大，其采集的数据往往在几毫秒内就会发生重大的变化，因此企业将数据转换为洞察力再转换为执行力的速度就显得尤为关键。 那么，如何在数据从生成到决策再到执行的整个过程中保持尽可能小的延迟？光速是数据传输的速度极限，因此，只有通过缩短数据传输的距离，才能从真正意义上降低延迟。在一个只有“云”的世界中，数据可能要传输数百甚至数千英里，延迟在所难免，而边缘计算可以有效解决这一问题。 据估计，未来55%的物联网数据将在数据源头附近进行处理，包括设备端和边缘侧。由于延迟的减少能够显著提高响应时间、从而节省时间和金钱，因此，不断增长的数据需求下，解决延迟问题将成为重点。 图2 从设备层到公共云不同层级的延迟时间范围 低延迟只是推动物联网解决方案向边缘计算扩展的众多原因之一，在物联网解决方案中，边缘计算的好处还有很多。 云和边缘的平衡 物联网解决方案对企业的敏捷式开发具有巨大的推动作用，下面介绍几种基于边缘和云的物联网解决方案的案例。 智能工厂 随着物联网等技术的不断发展，企业正迅速向数字化和自动化的业务流程转型。与此同时，许多制造商在世界各地遍布工厂，每个工厂通常都具有各自的特性和功能需求。因此，云计算凭借自身的优势在企业转型智能制造中扮演着重要角色。通过云，企业可以跨地域在全球范围内监视系统和流程，从而能对整个运营状况进行对比分析，确定最佳的投资比例。由此可见，对于企业来讲，云平台或者数据中心是不可或缺的。 尽管优点明显，但企业期望通过云平台或数据中心集中维护所有的数据，却显得过于庞大也不太现实。因此，企业只有结合边缘云架构，才能给智能工厂提供快速且几乎不受阻碍的连接。 图4 边缘和云如何与设备层中的传感器一起工作 设备层（device layer）?表示连接到本地局域网或物联网的单个设备部件，以实现即时交互。这一层的机器学习（ML）是基于云中训练的ML模型完成的。大量的原始设备数据也存储在这一层。 设备层提供对单个设备的可见性和控制，而工厂应用层（ plant apps layer ）提供对工厂中所有连接设备的可见性和控制。边缘层（edge connectivity layer）提供了单个设备和工厂应用层之间必要的连接。 企业层（enterprise layer）是云托管的，主要提供跨多个工厂的可见性和控制。这一层级在企业层面进行分析、预测和决策，根据整个工厂的数据训练ML算法模型，然后将训练和分析的结果“推”向边缘层级，最终下发至每个设备实现智能化操作。 智能建筑 随着智能网联技术的兴起，无论是办公室、零售店、工厂还是医院，智能建筑都变的更加高效、更加舒适、更加便捷，为居住者带来独特的体验。据了解，智能建筑将自动化操作与空间管理相结合，可以有效增强用户体验、提高生产力、降低成本以及网络安全风险。此外，智能建筑能更好地控制基础设施和开展业务，使开发商能够节约空间、能源、水源和人力等资源。 图5 在智能建筑中使用的不同类