卢钢发电机组网!发电机组工程师的家园!

乐动娱乐官方达 发电机组网 数据中心 分布式能源 天然气  风力发电 燃料电池 卢钢

边缘计算系列科普(二)——边缘计算的产生背景以及相关核心概念

时间:2018-10-17 09:33来源:ChinaDCC 作者:chinadcc 点击:
边缘计算的产生背景离不开物联网、大数据、云计算、人工智能等技术的快速发展,正是由于这些技术的飞速发展,给互联网产业带来了深刻的变革,同时也对计算模式提出了新的要求。 物联网(Internet of Things,IoT)技术,其旨在利用射频识别技术、无线数据通

边缘计算的产生背景离不开物联网、大数据、云计算、人工智能等技术的快速发展,正是由于这些技术的飞速发展,给互联网产业带来了深刻的变革,同时也对计算模式提出了新的要求。


物联网(Internet of Things,IoT)技术,其旨在利用射频识别技术、无线数据通信技术、全球定位系统等,依据物联网约定的通信协议将实物与互联网相链接起来,进而实现信息交换,达到智能化识别、定位、跟踪、监控和管理互联网资源的目的。


随着计算机技术和网络通信技术的发展,物联网的概念得到了很大的延伸,即定义为几乎所有的信息技术与计算机、网络技术的结合,实现实物与实物之间的数据信息共享,实现具有智能化的实时数据收集、传递、处理以及执行,当然,这里面同样存在人机之间的交互。


需要指出的是“无人参与的计算机信息感知”的概念开始逐渐应用到可穿戴医疗、智能家居、环境感知、智能制造、智能运输系统等领域当中。


物联网技术涉及的关键技术主要包括:


一、传感器技术


从自然信源获取信息,并对之进行处理和识别的技术。传感器技术也是计算机应用中的关键技术,通过对被测试对象的某一确定的信息进行感受或响应进而完成检出,最终使之按照一定的规律转换成可输出的信号。


二、RFID(radio frequency identification)


无线射频识别技术是将无线射频技术和嵌入式技术融为一体的综合技术,通过射频信号自动识别目标对象并获取相关数据,识别工作无须人工进行干预,并且可以工作于各种恶劣的环境当中,在自动识别、物流管理等方面有着极其广阔的应用前景。


三、嵌入式系统技术


其是综合计算机软硬件、传感器技术、集成电路技术、电子应用技术等技术的复合型技术。经过几十年的演变,以嵌入式系统为特征的智能终端产品已经随处可见。小到智能手表、手环,大到航空航天的卫星系统。


嵌入式系统正在深刻地改变着人们的生产生活,推动着工业生产以及国防工业的发展。


如果把物联网和人体进行类比分析,可以简单的做个比喻,传感器相当于人体的眼睛、鼻子、皮肤等感官;网络相当于人体的神经系统用以接收传递信息;嵌入式系统则相当于人的大脑,在接收到信息之后进行分类处理等操作。


边缘计算、物联网等的快速发展离不开无线网络通信的飞速发展,随着4G,特别是5G的发展和普及,我们期待的万物互联(Internet of Everything,IoE)的时代已经到来。


万物互联(Internet of Everything,IoE)


万物互联的概念是思科(Cisco)在2012年12月提出的,这是未来互联网连接,以及物联网发展的全新网络连接架构,是在物联网基础上的新型互联的构建,其增加并完善了网络智能化处理功能以及安全功能。


万物互联采用分布式的架构,融合以应用为中心的网络、计算和存储的新型平台,以IP驱动的设备、全球范围内更高的带宽接入,以及IPv6。实现可支持高达数亿台连接至互联网上的边缘终端和设备。相比物联网而言,万物互联的概念里面,除了“物”与“物”的互联,还增加了更高级别的“人”与“物”的互联,其突出的特点就是任何“物”都将具有语境感知的功能,以及更强的计算能力与感知能力。


整合人与信息,融合至互联网当中,网络将具有数十亿甚至数万亿的连接节点。万物互联以物联网络作为基础,增加网络智能,在互联网的“万物”之间实现融合、协同以及可视化的功能。


基于万物互联平台的应用服务往往需要更短的响应时间,同时也会产生大量涉及个人隐私的数据。比如,装载在无人驾驶汽车上面的传感器和摄像头实时的都在捕捉路况信息,每秒大约会产生约1GB的数据。


根据研究机构IHS的预测分析,到2035年,全球将有5400万辆无人驾驶汽车;波音787每秒将产生大约5GB的数据,并需要对这些数据进行实时处理。同时,以北京电动汽车监控平台为例,该平台可以对1万辆电动汽车进行7x24小时不间断的实时监控,并以每辆车每10s一条的速率向各企业平台实时转发监控数据。还有,中国用于打击犯罪的“天网”监控网络,已经在全国各地安装超过2000万个高清监控摄像头,对行人以及车辆实时监控和记录。


云计算


自从2005年云计算的概念被提出,直到如今的广泛应用,云计算已经深刻的改变了人们的日常生活以及工作,如SaaS(software as a service)被广泛应用到谷歌、Twitter、Facebook、百度等着名IT企业的数据中心。


可扩展的基础设施和支持云服务的处理引擎技术已经对应用服务程序的运行模式产生了巨大的影响,如谷歌的文件系统(Google file System)、MapReduce编程模型、Apache基金会开发的分布式系统Hadoop、加州大学伯克利分校AMP实验室开发的内存计算框架Spark等等。


但是,由于物联网等应用背景下的数据往往在地理上非常分散,并且对响应时间以及安全性都提出了更高的要求。云计算虽然为大数据提供了高效的计算平台,但是以目前的网络带宽的增长速度远远赶不上数据的增长速度,同时网络带宽成本的下降速度要比CPU。内存这些硬件资源成本的下降速度慢很多,同时复杂的网络环境让网络延迟现象很难得到有效的解决。


综合上述,传统的云计算模式将难以实现实时高效的支持基于万物互联的应用服务程序,这里面有两大棘手的问题,其一是带宽,其二是延迟,但这两大瓶颈都不是短期内能得到有效解决的。


正是基于上述现象,随着万物互联的飞速发展以及广泛的应用,边缘设备已经慢慢的由数据消费者为主的单一角色转变为兼顾数据生产者和数据消费者的双重角色。同时,网络边缘设备也逐渐具有利用收集的实时数据进行模式识别、执行预测分析或优化、以及智能处理等功能。


在边缘计算模型当中,计算资源更加接近数据源,而网络边缘设备已经具有足够的计算能力来实现源数据的本地处理,并将结果发送至云计算中心。


在此,边缘计算模型不仅仅可以降低网络传输过程当中的带宽压力,加速数据分析处理,同时还能降低终端敏感数据信息隐私泄露的风险。


目前,大数据处理以及从以云计算为中心的集中式处理时代,转向于以万物互联为核心的边缘计算时代。在集中式大数据处理时代,更多的是集中式存储和处理大数据,主要采取的方式是建造云计算中心,建设并利用中心的超强计算能力来集中式解决计算以及存储的问题。(这里面存在的寡头现象以及安全隐患不是本篇的主旨,在此不表)


相比而言,在边缘计算式大数据处理时代,网络边缘设备会产生海量的实时数据,据思科互联网业务解决方案集团预测,在马上到来的2020年,连接到网络的无线设备数量将增至500亿台。


而物联网产生数据的45%将在网络边缘进行存储、处理、分析等一系列操作。全球数据中心数据流量预计总量将突破10.4泽字节(Zettabyte,ZB)。


需要说明的是,这些边缘设备将部署在支持实时数据处理的边缘计算平台,为用户提供大量的服务或功能接口,用户可以通过调用这些接口来获取所需要的边缘计算服务。


综上所述,线性增长的集中式云计算能力已经渐渐的无法满足爆炸式增长的海量边缘数据,基于云计算模型的单一计算资源已经不能满足大数据处理的实时性、安全性以及低能耗等需求。


在现有的以云计算模型为核心的集中式大数据处理基础之上,亟待需要以边缘计算模型为中心,面向海量边缘数据的边缘式大数据处理技术。


我相信二者的相辅相成将更加有利于应用在云计算中心和边缘端的大数据处理,进而完善发展万物互联时代下的应用计算服务。


参考文献

Ashton K. That 'internet of things' [J]. RFID Journal, 2009,22(7):97-114.

北京电动车辆协同创新中心. [EB/OL]. http://me.bit.edu.cn/sytj/syszxjs/bjddjlxtcxzx/86238.htm, 2017-11-13.

Dean J, Ghemawat S. MapReduce:simplified data processing on large clusters[J]. Communications of the ACM, 2008,51(1):107-113.

Zaharia M, Chowdhury M, Franklin M J,et al. Spark:cluster computing with working sets[J]. HotCloud, 2010, 10:10.

(作者:于中阳Mercina-zy,来源:区块链兄弟)

(责任编辑:lugang)
织梦二维码生成器
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片 匿名?
栏目列表
推荐内容

工信部ICP许可证号:鄂ICP备15009276号-1