初步认识边缘计算.docxVIP

初步认识边沿计算 有时更快的数据解决是一种奢侈——有时它生死攸关。 例如，自动驾驶汽车本质上是一台装有轮子的高性能计算机，它通过大量的传感器来收集数据。为了使得这些车辆能够安全可靠地运行，它们需要立刻对周边的环境做出反映。解决速度的任何延迟都有可能是致命的。即使联网设备的数据解决现在重要是在云端进行的，但在中央 服务器 之间来回传送数据可能需要几秒钟的时间。这一时间跨度太长了。 边沿计算则让自动驾驶汽车更快速地解决数据成为可能。这种技术使得联网设备能够解决在“边沿”形成的数据，这里的“边沿”是指位于设备内部或者与设备本身要近得多的地方。 据预计，到，每人每天平均将产生1.5GB的数据量。随着越来越多的设备连接到互联网并生成数据，云计算可能无法完全解决这些数据——特别是在某些需要非常快速地解决数据的使用场景当中。 边沿计算是云计算以外的另一种可选解决方案，将来它的应用范畴很有可能将远不止是无人驾驶汽车。 涉及亚马逊、微软和谷歌在内的某些科技巨头都在探索“边沿计算”技术，这可能会引发下一场大规模的计算竞赛。即使亚马逊 云服务 Amazon Web Services（AWS）在公共云领域仍然占据主导地位，但谁将成为这个新兴的边沿计算领域的领导者仍有待观察。 在本文中，我们将进一步探讨什么是边沿计算，与该技术有关的优势，以及它在各行各业中的应用。 一种充满变化的计算领域 在理解边沿计算之前，我们必须先来看看它的前身——云计算——是如何为遍及全球的物联网（IoT）设备铺平道路的。 云计算赋能互联世界 从可穿戴设备到联网厨房电器，联网设备能够说无处不在。据预计，到，全球物联网市场规模将超出1.7万亿美元，较的4860亿美元增加逾两倍。 因此，云计算——许多智能设备连接到互联网来运作的过程——已经成为一种越来越主流的趋势。 云计算使得公司能够在自己的物理硬件之外，通过远程服务器网络（俗称“云”）存储和解决数据（以及其它的计算任务）。 例如，你能够选择使用苹果的iCloud云服务来备份你的智能手机，然后你能够通过另一种联网设备（例如你的 台式 电脑）检索智能手机里的数据，办法是登录你的账户连接到云。你的信息不再受到智能手机或台式机的内部硬盘容量的限制。 这只是众多云计算用例之一。另一种例子是通过Web端或移动浏览器来访问多个完整的应用程序。由于云计算越来越受欢迎，它吸引了亚马逊、谷歌、微软和IBM等大型科技公司入局。据私有云管理公司RightScale于进行的一项调查显示，在重要的公共云提供商当中，亚马逊AWS和微软Azure分列第一和第二。 图示：越来越多的公司在公共云上运行应用程序 但是集中式云计算并不适合全部的应用程序和用例。边沿计算则能够在传统云基础设施可能难以解决的领域提供解决方案。 向边沿计算的转变 在我们到处充满着数据的将来，将有数十亿部设备连接到互联网，因此更快更可靠的数据解决将变得至关重要。 近年来，云计算的整合和集中化性质被证明含有成本效益和灵活性，但物联网和移动计算的兴起给网络带宽带来了不小的压力。 最后，并不是全部的智能设备都需要运用云计算来运行。在某些状况下，这种数据的来回传输能够——也应当——避免。 由此，边沿计算应运而生。 根据CB Insights的市场规模量化工具，到，全球边沿计算市场规模预计将达成67.2亿美元。即使这是一种新兴领域，但在云计算覆盖的某些领域，边沿计算的运行效率可能要更高。 边沿计算使得数据能够在近来端（如电动机、泵、发电机或其它的传感器）进行解决，减少在云端之间来回传输数据的需要。 市场研究公司IDC称，边沿计算被描述为“微型数据中心的网状网络，在本地解决或存储核心数据，并将全部接受到的数据推送到中央数据中心或云存储库，其覆盖范畴不到100平方英尺”。 例如，一列火车可能包含能够立刻提供其发动机状态信息的传感器。在边沿计算中，传感器数据不需要传输到火车上或者云端的数据中心，来查看与否有什么东西影响了发动机的运转。 本地化数据解决和存储对计算网络的压力更小。当发送到云的数据变少时，发生延迟的可能性——云端与物联网设备之间的交互造成的数据解决延迟——就会减少。 这也让基于边沿计算技术的硬件承当了更多的任务，它们包含用于收集数据的传感器和用于解决联网设备中的数据的CPU或GPU。 随着边沿计算的兴起，理解边沿设备所涉及的另一项技术也很重要，它就是雾计算。 边沿计算具体是指在网络的“边沿”处或附近进行的计算过程，而雾计算则是指边沿设备和云端之间的网络连接。 换句话说，雾计算使得云更靠近于网络的边沿；因此，根据OpenFog的说法，“雾计算总是使用边沿计算，而不是边沿计算总是使用雾计算。” 说回我们的火车场景：传感器能够收集数据，但不能立刻就数据采用行动。例如，如果一名火车工程师想要理解火车车轮和刹