精华内容
下载资源
问答
  • * Mitigating Cloud Computing Availability Issues Risk analysts will tell you that when you confront a risk, you can try to eliminate the risk, you can mitigate/minimize the impact of the risk, or you
  • 云计算计算资源管理技术docx,提供云计算计算资源管理技术”免费资料下载,主要包括基于云计算的海量数据挖掘、技术热点、基于Hadoop的并行数据挖掘算法工具箱——Dodo、数据挖掘云等内容,可供学习使用。
  • NST提出的五大基本特征 计算模式的总称,其中最主要的技术包括编程模型 虚拟化池化数据存储和管理等 概念二:云计算也可以被认为是通过互联网把所有的 计算应用和信息资源连接起来,供用户随时访问分享 服务模式 管理和...
  • 云计算笔记

    2014-08-18 16:45:02
    云计算是一种模型,它可以实现随时随地,便捷地,随需应变地从可配置计算资源共享池中获取所需的资源(例如,网络、服务器、存储、应用、及服务),资源能够快速供应并释放,使管理资源的工作量和与服务提供商的交互...
  • 第三章-云计算&边缘计算&雾计算

    千次阅读 多人点赞 2019-01-07 21:31:35
    于此同时,新型应用也对数据处理的实时性提出了更高要求,传统云计算模型已经无法有效应对,边缘计算、雾计算应用而生,并且受到学术界、工业届等各行各业的青睐。那么何谓云计算、雾计算、边缘计算?以及他们之间有...

    【前言】随着万物互联时代的到来,网络边缘设备产生的数据量快速增加,带来了更高的数据传输带宽需求。于此同时,新型应用也对数据处理的实时性提出了更高要求,传统云计算模型已经无法有效应对,边缘计算、雾计算应用而生,并且受到学术界、工业届等各行各业的青睐。那么何谓云计算、雾计算、边缘计算?以及他们之间有何区别?各自具备何种优势?

    1.基本概念

    云计算:通俗来说,云计算服务其实就是让计算、存储、网络、数据、算法、应用等软硬件资源像电一样,随时随地、即插即用。是基于互联网的相关服务的增加、使用和交互模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。可以节省成本、容易管理,还支撑了分布式大数据处理。虚拟化和分布式是云计算中比较关键的技术点:虚拟化包括计算虚拟化、网络虚拟化和存储虚拟化。计算虚拟化通常做的是一虚多,即一台物理机虚拟出多台虚拟机,以“榨干”实际的物理资源,其包括全虚拟化、超虚拟化、硬件辅助虚拟化、半虚拟化和操作系统虚拟化。类似于计算虚拟化,网络虚拟化同样解决的是网络资源占用率不高、手动配置安全策略过于麻烦的问题,采用的思路同样是把物理的网络资源抽象成一个资源池,然后动态获取,网络虚拟化目前有控制转发分离、控制面开放、虚拟逻辑网络和网络功能虚拟化等不同的思想路线。分布式按照业务功能,拆分成一个个独立的子系统,在分布式结构中,每个子系统就被称为“服务”。虚拟化和分布式在共同解决一个问题,就是物理资源重新配置形成为逻辑资源,或称其为解耦。其中虚拟化做的是造一个资源池,而分布式做的是用一个资源池。

    图一 云计算架构

     

    边缘计算和传统的中心化思维不同,边缘计算将计算任务在接近数据源的计算资源上运行,其主要计算节点以及应用分布式部署在靠近终端的数据中心,这使得在服务的响应性能、还是可靠性方面都是高于传统中心化的云计算概念。具体而言,将云服务器上的功能下行至边缘服务 器,以减少带宽和时延边缘计算的基本理念是将计算任务在接近数据源的计算资源上运行,可以有效减小计算系统的延迟, 减少数据传输带宽,缓解云计算中心压力,提高可用性,并能够保护数据安全和隐私。

    图二 边缘计算架构

     

     雾计算:由性能较弱、更为分散的各种功能计算机组成,迁移云计算中心任务到网络边缘设备执行的一种高度虚拟化计算平台。它通过减少云计算中心和移动用户之间的通信次数,以缓解主干链路的带宽负载和能耗压力。雾计算是介于云计算和个人计算之间的,是半虚拟化的服务计算架构模型,强调数量,不管单个计算节点能力多么弱都要发挥作用,更具备可扩展性

    图三 雾计算架构

     

    2.解读云计算和边缘计算

    边缘计算是在理清云计算的框架基础上,认真的分析总结云计算具有的实时性不够、带宽不足、能耗较大、不利于数据安全和隐私等问题,边缘计算模型具有几个明显的优点:

    • 在网络边缘处理大量临时数据,不再全部上传云端,这极大的减轻了网络带宽和数据中心功耗的压力。
    • 在靠近数据生产者处做数据处理,不需要通过网络请 求云计算中心的响应,大大减少了系统延迟,增强了 服务响应能力。
    • 边缘计算将用户隐私数据不再上传,而是存储在网络边缘设备上,减少了网络数据泄露的风险,保护了用户数据安全和隐私。

    具体而言,边缘计算和云计算之间的区别如下:

    • 其实如果说云计算是集中式大数据处理,边缘计算则可以理解为边缘式大数据处理。但不同的是,只是这一次,数据不用再传到遥远的云端,在边缘侧就能解决。
    • 边缘计算更适合实时的数据分析和智能化处理,相较单纯的云计算也更加高效而且安全。

    总结:边缘计算和云计算两者实际上都是处理大数据的计算运行的一种方式,云计算把握整体,边缘计算更专注局部。边缘计算更准确的说应该是对云计算的一种补充和优化。 

     

     3.解读边缘计算和雾计算

    谈到边缘计算和雾计算,不少人一头雾水,下面我来具体解读一下。 

    边缘计算具体指代云和设备的边界,雾计算而言因为和云相比位置上更接近设备,所以表示为雾。

    雾计算:经常是在IoT背景下被提及到,典型的主要业务是路由器、接入点甚至是与传感器和执行器一起的计算设备。处理能力放在包括 IoT设备的LAN里面,这个网络内的IoT网关,或者说是雾节点用于数据收集,处理,存储。多种来源的信息收集到网关里,处理后的数据发送回需要该数据的设备。雾计算的特点是处理能力强的单个设备接收多个端点来的信息,处理后的信息发回需要的地方,和云计算相比延迟更短。和边缘计算相比较的话,雾计算更具备可扩展性。雾计算不需要精确划分处理能力的有无,根据设备的能力也可以执行某些受限处理,但是更复杂的处理实施的话需要积极的连接。

    边缘计算:进一步推进了雾计算的“LAN内的处理能力”的理念,处理能力更靠近数据源。不是在中央服务器里整理后实施处理,而是在网络内的各设备实施处理。边缘计算各自的设备独立动作,可以判断什么数据保存在本地,什么数据发到云端。

    雾计算和边缘计算具有很大的相似性,但是雾计算关注基础设施之间的通信问题,而边缘计算除了关注基础设施之外,也关注边缘设备, 更加强调计算问题

    如果你还没懂的话,我一具体的事例描述一下三者的区分:

    1.设备的性能量级

    设备性能最高的,大中心机房级别的是云计算;设备性能还算可以的,一般家庭/企业买不起的,基站/小中心机房级别的是边缘计算;设备性能一般般的(比十年前的电脑强的),一般家庭就买的起的,路由器,家庭网关级别的是雾计算。

    2. 设备的铺设方

    设备由大厂铺设的(阿里腾讯)一个数据中心花好多好多钱的是云计算;设备由企业铺设的(各种互联网公司,设备公司)一个数据中心也要画一些钱,单位成本(同带宽,同存储,同计算单位)和云计算差不多,甚至可能会稍微贵点(因为成本没大批量采购砍的狠)的是边缘计算;设备由用户共享出来的,没有成本的(边际成本为零)的是雾计算。

    摘自知乎:https://www.zhihu.com/question/54509902

    4.CDN和边缘计算

    CDN:内容分发网络,是一种基于互联网的缓存网络,依靠部署在各地的缓存服务器,通过中心平台的负载均衡、内容分发、调度等功能模块,将用户的访问指向距离最近的缓存服务器上,以此降低网络拥塞,提高用户访问响应速度和命中率。CDN 强调内容或数据的备份和缓存,而边缘计算的基本思想则是功能缓存。 

     

    5.写在最后

    本文是题主主要研究博弈论与群智感知领域,看到该部分内容的时候,觉得收获颇多。故再次将其展示与博客,为了让大家更多的了解群智感知、云计算、边缘计算、雾计算的真面目,另外一方面也会在后来做该方面工作的时候可以继续去补充,希望能和大家共勉,一起去贡献出更精彩的博客!

    注:文章内容引用列表: 

    1.Edge Computing: State-of-the-Art and Future Directions Journal of Computer Research and Development

    2.一文看懂云计算、雾计算、霾计算、边缘计算以及认知计算 https://m.sohu.com/n/489221613/ 

    3.雾计算 和 移动边缘计算 之间有什么区别 https://www.zhihu.com/question/54509902


    题主只是一个入门的小学生,希望大家多多指教!如果该帖子确实能解决您的问题,望多多留言,谢谢!


    展开全文
  • 云平台作为提供云计算服务的基础,管理着数量巨大的CPU、存储器、交换机等大量硬件资源,以虚拟化的技术来来整合一个数据中心或多个数据中心的资源,屏蔽不同底层设备的差异性,以一种透明的方式向用户提供计算环境...

    本文转载自:一文看懂云计算、雾计算、霾计算、边缘计算以及认知计算


    物联网对于数据的处理能力要求很高,怎么能够从庞大的数据海中挖掘一些有价值的信息对于物联网的发展至关重要,因此云计算,雾计算,边缘计算等等都将发挥其左右。

    未来的世界将是一个万物互联的时代,随着物联网行业技术标准的完善以及关键技术上的不断突破,数据大爆炸时代将越走越近。就拿从2016年底开始风靡全国甚至是海外市场的共享单车来说吧,据小编近日从“摩数城市”发布会获悉,截止当前,仅仅摩拜单车每天产生的数据量已超过1TB,也即就是240个字节。试想想,如果各种家电、交通工具、工厂机器、公共设施等等相互联接起来,每一分钟、甚至是每一秒钟所产生的数据量就绝对大到你难以想象。

    再者,如此海量的数据不及时处理利用起来,那么它们将很快变成数据垃圾。那么问题来了?我们不可能给每个终端装上一个计算机。如何解决海量数据的处理分析问题呢?

    我们知道,每台服务器都有自己的CPU、内存,但分配到这些服务器的应用往往不能充分地利用这些资源。再者,为了确保服务的可靠性往往还要预留冗余的服务器、存储器、网络设备等,而很多时候,这些硬件资源往往处于空置状态,并没有得到充分的利用。最后,正确预测不同应用对服务器的计算能力和存储器的存储能力的需求又是困难的。因此,2006年Google的CEO埃里克·施密特首次提出了云计算的概念,以及后来业界衍生出来雾计算、霾计算、边缘计算等等一系列的计算方式,接下来,请跟随小编一起去辨析一下它们到底指的是什么。

    1

    云计算

    云计算是一种利用互联网实现随时随地、按需、便捷地使用共享计算设施、存储设备、应用程序等资源的计算模式。

    云计算系统由云平台、云存储、云终端、云安全四个基本部分组成。云平台作为提供云计算服务的基础,管理着数量巨大的CPU、存储器、交换机等大量硬件资源,以虚拟化的技术来来整合一个数据中心或多个数据中心的资源,屏蔽不同底层设备的差异性,以一种透明的方式向用户提供计算环境、开发平台、软件应用等在内的多种服务。

    通常情况下,云平台从用户的角度可分为公有云、私有云、混合云等。

    公有云:第三方提供商为用户提供服务的云平台,用户可通过互联网访问公有云。

    私有云:为一个用户单独使用而组建的,对数据存储量、处理量、安全性要求高。

    混合云:是结合了公有云和私有云的优点而组建的。

    再者,通过从提供服务的层次可分为基础设施即服务(Iaas)、平台即服务(Paas)和软件即服务(Saas)。

    2

    雾计算

    相比于云计算的高高在上和遥不可及,雾计算更为贴近地面,就在你我身边。我们知道,将数据从云端导入和导出实际上比人们想象的要更为复杂,由于接入设备越来越多,在传输数据、获取信息时,带宽就显得不够用了,这就为雾计算的产生提供了空间。

    雾计算的概念在2011年被人提出,并非是些性能强大的服务器,而是由性能较弱、更为分散的各种功能计算机组成,渗入电器、工厂、汽车、街灯及人们生活中的各种物品。雾计算是介于云计算和个人计算之间的,是半虚拟化的服务计算架构模型,强调数量,不管单个计算节点能力多么弱都要发挥作用。

    雾计算有几个明显特征:低延时、位置感知、广泛的地理分布、适应移动性的应用,支持更多的边缘节点。这些特征使得移动业务部署更加方便,满足更广泛的节点接入。

    与云计算相比,雾计算所采用的架构更呈分布式,更接近网络边缘。雾计算将数据、数据处理和应用程序集中在网络边缘的设备中,而不像云计算那样将它们几乎全部保存在云中。数据的存储及处理更依赖本地设备,而非服务器。所以,云计算是新一代的集中式计算,而雾计算是新一代的分布式计算,符合互联网的“去中心化”特征。

    3

    霾计算

    当然,无论是“云”还是“雾”,都不想成为“霾”,但是这个问题却事实存在着,如果得不到慎重的预防以及妥善的解决,那么“霾计算”就来了。

    霾计算指的是什么呢?这里你可以理解为比较差劲的云计算或雾计算,因为这两者虽然概念先进,但也不是没有缺点。第一,隐私与安全。现在的互联网世界,遭黑客攻击简直就是家常便饭的事,因此客户的隐私数据很容易泄漏。第二,网络延迟或者中断。云计算都是通过互联网远程访问的,虽然现在网速提高很快,但和局域网相比,速度还是有所延迟的,虽然在延时方面雾计算稍微好点,但如果网络中断,无论云计算或者是雾计算,服务都无法访问。第三,带宽会耗费预算,厂商按流量收费有时会超出预算、应用软件性能不够稳定,数据可能不值得放在云上,规模过大难以扩展,缺乏人力资本等都是造成霾计算的根源所在。

    4

    边缘计算

    边缘计算指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,就近提供边缘智能服务,满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。到这里,您是否觉得边缘计算和雾计算有些相似呢?

    一般而言,雾计算和边缘计算的区别在于,雾计算更具有层次性和平坦的架构,其中几个层次形成网络,而边缘计算依赖于不构成网络的单独节点。雾计算在节点之间具有广泛的对等互连能力,边缘计算在孤岛中运行其节点,需要通过云实现对等流量传输。

    那么,边缘计算和云计算又有何区别?这两者都是处理大数据的计算运行方式。但不同的是,这一次,数据不用再传到遥远的云端,在边缘侧就能解决,更适合实时的数据分析和智能化处理,也更加高效而且安全。

    如果说物联网的核心是让每个物体智能连接、运行,那么边缘计算就是通过数据分析处理,实现物与物之间传感、交互和控制。“边缘计算”作为一种将计算、网络、存储能力从云延伸到物联网网络边缘的架构,遵循“业务应用在边缘,管理在云端”的模式。

    5

    认知计算

    认知计算包含了信息分析、自然语言处理和机器学习领域的大量技术创新,能够助力决策者从大量非结构化数据中揭示非凡的洞察。认知系统能够以对人类而言更加自然的方式与人类交互,专门获取海量的不同类型的数据,根据信息进行推论。

    认知计算的一个目标是让计算机系统能够像人的大脑一样学习、思考,并做出正确的决策。人脑与电脑各有所长,认知计算系统可以成为一个很好的辅助性工具,配合人类进行工作,解决人脑所不擅长解决的一些问题。

    传统的计算技术是定量的,并着重于精度和序列等级,而认知计算则试图解决生物系统中的不精确、不确定和部分真实的问题,以实现不同程度的感知、记忆、学习、语言、思维和问题解决等过程。

    目前随着科学技术的发展以及大数据时代的到来,如何实现类似人脑的认知与判断,发现新的关联和模式,从而做出正确的决策,显得尤为重要,这给认知计算技术的发展带来了新的机遇和挑战。

    6

    总结

    就像“云”“雾”和“霾”的关系,物联网和大数据也是如影随形,相信通过业界人士的共同努力,定能找到更为先进的计算方式。在物联网时代来临时,我们定能合理、安全地让大数据技术为我们服务,因此不必太过恐慌,也不必杞人忧天。


    展开全文
  • 云计算与边缘计算

    2021-01-30 14:31:37
    究竟是什么是云计算?其实这个概念并没有大家想的那么复杂。小型机运算能力很弱,CPU也很弱,内存也很小,硬盘也很小,很多运算都无法独立完成,所以很多企业包括学校就会...云计算就是把所有的计算资源、存储资源和网.

    究竟是什么是云计算?其实这个概念并没有大家想的那么复杂。小型机运算能力很弱,CPU也很弱,内存也很小,硬盘也很小,很多运算都无法独立完成,所以很多企业包括学校就会在机房里就可以放一些配置很强大的服务器。这其实就是一种,把计算资源汇聚集中起来的一种方式,然后在这个机房的基础上,建立更大的机房,于是就有了DATA center,也就是数据中心。在这里面会存放更大量、更强劲的计算机,然后根据需要进行合理的分配,就是云计算。所以云计算其实就是一种资源分配的方式。

     

    云计算就是把所有的计算资源、存储资源和网络资源汇集在一个资源池里面,通过这个资源池提供给不同的用户去使用。根据资源不同的等级,云计算分成了SaaS、PaaS、IaaS等方向。例如基础设施即服务,就是IaaS。包括CPU、内存、网络资源、网络带宽资源、存储资源等等都是基础设施。然后我们在这个级别之上安装操作系统,它就变成了一个平台,这个就是PaaS。再往上,在操作系统上装一些软件提供服务,对于PC来说叫软件,对于云计算来说,我们提供这种服务的方式就是软件即服务,SaaS。

    所以,从大型机到PC机再到云计算,就是一种计算方式的演进。出现云计算的一个根本前提条件就是必须要有非常强劲的基础设施,就是网络必须要非常畅通。因为以前没有发达的网络。最开始是通过局域网建机房,后来有了互联网,我们才能够把资源移动到云计算中心,这样通路足够宽大才能保证云计算推进,所以在2000年以后才有了云计算。

    但是2000年以后,在云计算使用过程中会发现一些致命的缺陷,这种缺陷就是无论通过什么技术手段研发改进,都没办法解决它的局限性:1、数据的重量,2、光的速度。数据为什么会有重量?实际上数据是有重量的。我们现在看到电脑里面存着1 Byte或者1GB,这样的数据对我们来说,它是虚拟的,就是010101,但它本身是有重量的。因为它在存储的过程中会占用存储资源,计算的时候会占用CPU资源,传输的过程中又会占用网络传输的带宽,实际上数据就是有这样的重量。

    根据IDC的报告指出,到2020年整个世界上将有超过500亿的终端和设备需要联网,联网就会产生数据。据预测到2020年,每一个互联网用户每天将要访问的数据是1.5GB,按照现在的经验来看远远不止这个数据。但是个人用户实际上是整个网络里面产生数据最小的,每一个智能医院每天产生的数据是3TB,每一辆自动驾驶的汽车每天产生的数据比医院还多,是4TB,联网飞机和智能工厂更多,达到了40TB以及1PB,1PB就是1024TB。

    前段时间有一个新闻,在公布了黑洞的照片之后,当时负责做照片的一位麻省理工的博士秀了一张照片,可以看到她桌面上摆了很多台硬盘,也就说她为了绘制这张照片收集了大量的数据,这个数据的量已经远远超过了一台普通电脑能存储的量。

    目前来看,所有行业里面产生数据量最大的一个是天体,即跟天文学相关的行业,另一个就是高能物理。大型对撞机产生的数据非常可观,可能几秒钟就能产生几TB的数据,几分钟就是几PB的数据。如上图照片中的工程师,她这个数据就没有通过网络传输,她用了快递。实际上当数据量足够大的时候,光靠网络不可能支撑,可能用快递的速度比用网络传输还更快,这个其实就是数据的重量。

    另外一个物理极限就是光速。数据传输是用电磁波传输,再快也快不过光。当数据从南京到北京的时候,就算用尽技术上的极限,都不可能让这个数据传的比光更快,就会产生一个时延。现在有一些工业上的应用需要很低的时延,比如车联网。这种时候如果数据中心在北京,需要运行相关的服务,数据一来一回时间就耗掉了,可能无法满足应用需求了。

    正因为数据的重量的问题和光速产生的时延问题导致云计算不能够满足现在很多行业应用的需求,所以我们就想到一个办法,提出了边缘计算这样一个概念。

    这是一个章鱼,章鱼跟普通动物有一个很大的区别是什么?就是它40%的神经元是在头上,60%的神经元是在脚上。神经元其实就是一个计算的能力,思考的能力,就是它的触角能够进行思考。那么,如果我们把一部分的计算能力以及处理能力从云计算中心下沉到底层,会带来什么样的后果呢。

    上图左边就是传统的云计算架构,右边是边缘计算架构。边缘计算架构实际上就是把云计算里面计算的一部分功能下沉到离用户更近的位置,它可以带来两个好处。第一,就是它可以大幅减少上一层传输的数据量。就像从南京寄到上海的快递包裹,没有必要每次都送到北京的总部,我们可以送到江苏省的集散中心,再送到上海。这样减少了北京的压力。另外一个优势就是时延。如果在离用户更近的地方有云计算中心,就可以把像车联网的一些反馈数据进行快速的运算,运算完之后再往下沉,直接反馈给底下另外的用户。这样的话就解决了,云计算两个致命问题,数据量和时延的问题。边缘计算的提出,更重要是为了应对时延的问题。

    上图是一个案例,就是云计算的部署位置。最左边的AAU就是5G的基站,然后产生的数据会传到接入机房,再经过城域网的接入层到更上一层机房,这样一层一层的往上放。边缘计算就是把边缘计算中心这样本质上还是计算中心的位置,从最右边核心机房移动到离基站也就是离用户更近的地方。通过这样的移动,就是云延伸到离用户更近的地方。

    把边缘计算中心设置在离用户更近的地方直接的好处就是很多计算的功能减少了数据来回的周长,不需要从端到端了。

    那么以前为什么要做云计算呢?是因为本地电脑的运算能力不够,所以要把资源进行汇聚然后上传到更上一层去处理。但是现在随着摩尔定律的发展,我们电脑的CPU算力很强,内存也越来越大。既然资源够了,为什么还要上传?为什么就不能在离得更近的地方,甚至本地、本机、本端上去进行运算?

    这张图是英特尔的,非常恰当的反映了云计算和分布式计算的区别。边缘计算实际上就属于分布式计算。云计算就是左上角,通过云对所有的数据进行存储、计算、分析,最终产生价值,这就是云计算的目的。但是边缘计算性质不一样,是从云到边缘,我们甚至可以把它理解为我们的网络的每一个位置,然后再到物上,每一个节点都进行存储、计算和分析。以前物不具备能力,边缘也不具备能力,现在有能力了就不需要全传到云,把运算能力分布给不同的层级。

    现在的边缘计算还没有到物上,但实际以后的发展趋势,很可能就是很多运算直接在物本身去完成了。这里举个例子,华为在深圳的很多路口安装了自己研发的摄像头,这个摄像头内置了AI的CPU。在监控整个路口的红绿灯以及车流的情况下,可能通过自己的AI芯片对采集到的数据进行分析,直接下达指令,让车以更高效率的方式去移动,提升这个路口的通行效率。这就是一种典型的由本地自己去完成的运算。

    实际上区块链的话也是一种典型的分布式计算。大家会发现,交给中央集中式计算在安全性上可能还不如分布式计算来得高。远在天边,近在眼前,那计算的未来到底是放在天边好,还是放在眼前好,就引发了大家对计算未来的思考。

    接下来根据实际的情况来介绍一下边缘计算的架构。上图是5G网络的边缘计算典型架构。5G网络包括接入网、承载网、核心网。接入网就是基站,就是怎样把信号接进来。承载网,就是把这个数据逐级往上发。4G里核心网就是最顶层负责计算的,整个路由管理、位置移动性管理的网源。

    在边缘计算来看,会出现很多IDC。以前IDC必须放在规格很高的机房里,就是核心网机房。在省会城市或大城市那种保卫很严密、各方面安全级别很高的机房。但是现在把计算的服务器往下放,放到了离用户很近的位置。但是传统服务器对温度对环境的要求比较高,不太可能放在离用户比较近的位置。现在很多边缘计算厂商比如浪潮、华为、中兴等等,他们开发很多定制化的硬件,来专门给特殊环境使用。

    除了这些还有更极端的情况,就是会直接在基站的某些硬件设备上插一些专有硬件的板卡,用它来实现计算能力。但是这种板卡体积比较小,CPU的算力就比较弱,它适合对计算能力要求不高的边缘计算的场景。其实边缘计算并不是5G的专属,我们所使用的固网宽带相关的设备上也可以放一些跟边缘计算有关的硬件设备,然后实现边缘计算。

    这张图就是一个边缘计算大概的架构。左上角是5G的核心网,核心网会跟接入网底下的UE把UPF通过一些管理接入到边缘计算中心,就是现在通常所说5G里面的用户面下沉。底下就是固网。也是通过用户面的相关接口把数据导入到边缘计算节点。边缘计算节点的架构实际上就是一个云计算的架构。下面是基础设施,往上是硬件,再往上是操作系统,或者是虚拟化平台,我们甚至可以通过一些容器化的平台提供一些容器化的架构。

    在这个框架的基础上,再去安装相应的服务和进程。然后通过这些程序再提供一些功能,再对接到上一层的应用。比如车联网、内容分发网络、AR/VR、视频监控等等。大家会根据边缘计算的应用去开发自己的APP给用户使用,从中赚取收益,成为能力开放的架构。

    需要说明的是,边缘计算跟云计算一样,强调“生态”的概念,它会把自己的相关的东西开放出来给所有人用,做成上下游的产业链,一个对第三方开放的平台。边缘计算所提供的一些能力也是开放的,任何一家公司可以通过它开放的公共接口去开发自己的APP,以后可能就跟我们手机上会有应用商店一样,边缘计算的话也会有边计算的应用商店。

    边缘计算到底能做什么?边缘计算解决了数据量和时延的问题,所以跟这两方面有关的很多的应用都是边缘计算的应用领域。比如室内的定位,还有无线网络信息服务,还有视频优化、AR/VR等等大数据量的处理。还有车联网、智能制造等等。

    工业领域对时延的要求很高。工业互联网里面的很多机器人以及园区的监控等等对时延很敏感。车联网方面,在我们看来都是瞬间的时延可能造成的危害就是车向前开了几米,然后发生事故,也就是说跟人身安全相关。

    这张图是工业互联网的架构图。工业互联网是IT、CT和OT全面演进的结果。IT就是信息化,CT就是通讯,OT就是跟工业维护相关的像设备、传感器、仪器仪表等制造类的东西。图左边就是云计算,是在顶层互联网上。边缘计算可能就会放在车间里,或者放到工厂的某个位置,就等于说是把这个计算能力下沉。

    关于边缘计算还有一个案例是关于定位的。定位也是一个对时延要求比较高、数据量也不少的应用,所以它也是边缘计算的一个强项。像NB-LoT、eMTC这样的网络都可以支持边缘计算,然后通过专用的物联网,在边缘计算的服务器上面跑一些开发商开发的应用,就可以实现像室内导航、停车管理、井盖定位这样的一些功能。

    提到边缘计算的时候都会提到“云网融合”。这个词其实是边缘计算的本质。云其实就是IT,网就是通信,边缘计算是IT和CT进行融合的一个结果,二者缺一不可。MEC既具备云的特点,同时本身又是网的一个组成部分,它是云和网共同融合的产物。如果想要边缘计算正常工作,肯定是离不开云和网的共同协作。

    虽然说表面上看是云和网共同合作产生的MEC,但是本质上来说,云和网对边缘计算都有利益关系。像传统的联想、戴尔、英特尔、浪潮这样典型的IT公司对这个非常感兴趣,因为他们传统做云计算的,突然间发现有一个新的蓝海,毕竟名字包含计算跟自己也有关联,所以会来抢这块蛋糕。但是传统的通信厂商也会来抢这个蛋糕。边缘计算边缘在网络地带。像华为和中兴这样的公司也会说这个是我的蛋糕。所以大家都觉得自己有责任,也觉得跟自己流程相关,就想去抢占这样的份额。这就是为什么边缘计算在IT和通信都很吃香的原因。

    除了云网融合之外,还有一个需要记住的词是“云边协同”。常有人问边缘计算和云计算之间到底什么关系?它们之间其实是有连接的,它们是协同关系。它们会有一个像SDN那种软件定义网络,对整个边缘计算和公有云、私有云进行协同。上图有提到物流的协同、安全的协同、数据的协同、资源的协同…两者之间有很多协同的关系,它们是通过共同的协同来实现边缘服务、部署、弹性伸缩等等相关的管理。

    现在边缘计算处于一个风口的阶段,但是大家肯定会发现,其实边缘计算能做的事情并没有想象的那么多。边缘计算现在还在发展,可能从最开始的一提出来大家纷纷关注到逐渐恢复常态,然后再慢慢的进入上升态。确实有趋势显示,边缘计算会有一个很好的未来。有研究机构表示,未来的计算中40%由边缘计算来完成,有60%由云计算来完成,即是说边缘计算和云计算之间是一个相互补充的关系。

    从云边缘计算本身来说,现在还处于一个培育期。现在我们看得到的边缘计算的所有的试点要么是政府牵头,要么是各个运营商的试点,目前为止还很少有纯商用的。这种试点特定业务的少量节点部署的边缘计算实际上根本不能体现出边缘计算本身的问题,很多问题都没有办法暴露出来。如果将来把边缘计算做成了海量节点全网部署,可以通用业务的,而且跨厂商还可以互相操作的大型的网络,它到底还能不能胜任这样的工作其实还是要打一个问号的。

    另外,传统的4G、5G都是由相关的标准组织,先把标准定下来以后再去推动它的发展。边缘计算不一样,它只有一个简单的标准,也不太依赖于这样的标准。它毕竟是依托于云计算的架构,有很大的自由性,是由业务来驱动。大家可以根据需要先建上,再开始使用,再在用的过程中慢慢修订。

    所以现在边缘计算就属于这样一种状态:大家都很关心,很火热,但是慢慢的发现好像并不如想象中的强,接着回归冷静再慢慢地进入一个长期的孵化状态。这就是整个边缘计算现在的进展状态。在很多公开场合,运营商以及IT厂商、设备商都会说,边缘计算我们现在在观望,我们看好它,但是我们不会去炒作它。

    参考 : https://baijiahao.baidu.com/s?id=1638159190655771728&wfr=spider&for=pc

    个人理解:

           边缘计算的概念

            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,在“端—云” 通道中断时,仍能在边缘侧完成预设的自主数据处理和控制逻辑,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。

    • 位置:靠近采集端或数据源、就近提供服务
    • 延时:最低延时,更快相应
    • 不依附云通道中断:中断后,仍可完成自主数据处理和控制,要依附预设逻辑
    • 即使有边缘计算,源数据依旧要传送到云端,并可访问历史数据,也就是说源数据不丢失

            有了云计算,为什么还要进行边缘计算

          很多行业对实时性、可靠性与安全性等有严格要求,受限于接入带宽和流量以及成本、能耗等条件的限制,所以对数据应该进行合理的处理,特别是进行预处理,以便能够进行“物尽其用”,避免资源的浪费,是非常重要的因素;在靠近多种数据源头的网络边缘进行数据的整合与处理,引入不同层次的智能处理算法,提供边缘智能服务,是目前乃至未来智能化发展的必然趋势,而将所有数据都传输到远方的控制中心进行处理,将极大加重控制中心的负荷,既不经济、也不现实。

    边缘计算可以满足敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求;

    再考虑到通信链路中断时中心系统无法进行控制,尽可能将智能处理能力下沉到本地就理所应当了。

    • 物尽其用,对数据进行合理的加工,使数据更具有分析粘合度
    • 可以采用不同层次的处理算法,智能化发展
    • 工作量、负荷分布式分散,提高效率,经济型也较高;
    • 杜绝大马拉小车现象
    • 1:N。n是海量的IO数据,容易引起负载的不均衡。
    • 如何配置云计算?

    • 对众多数据源采集后整合转发,及本地智慧联动,上传数据简单、可靠;(数据整合及联动)
    • 现场监控数据,对数进行预处理及数据清洗及深度分析(清洗数据,分析数据)也可理解为数据过滤;多点同数据分析;
    • 合理分工,在通道不畅或受限的情况下,使运行更稳定、可靠;(死区)
    • 主要特点

    • 物联网下的泛在概念概念,海量的IO设备和数据,规模大;
    • 杜绝大马拉小车的现象
    • 协议扩展与适配,从电力协议延伸到各种行业应用协议,包含物联网协议,复杂多变,传统的RTU方案已经得不到满足
    • 边缘计算应用到嵌入式设备上,购置成本低,功耗低,用户负担低;可用于机房散热的举例;
    • 可靠性高,嵌入式适合无风扇设计,适合恶略场所,适应性高,安全,运行寿命昌
    • 部署简单,门槛低,数量高,认为成本降低
    • 要支持施工和维护的极简化,可联网维护、下装、升级;
    • 主要功能

    • 使用自有采集功能模块实现IO数据采集
    • 可级联
    • 必须具备网络通信,必须支持无线通讯
    • 视频推拉流支持
    • 多协议库,可进行协议转换
    • 可支持二次开发
    • 支持远程维护,更新工程,更新固件,系统
    • 可支持梯形图,C,java,python表达式计算
    • 成本低
    • 功耗低
    • 无风扇设计,可靠性高
    • 可接显示屏,做一体机

     

     

    展开全文
  • 云计算云计算是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。云计算是继1980年代大型计算机到客户端-服务器的大转变之后的又一种巨变。用户不再...

    云计算:云计算是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。云计算是继1980年代大型计算机到客户端-服务器的大转变之后的又一种巨变。用户不再需要了解“云”中基础设施的细节,不必具有相应的专业知识,也无需直接进行控制。云计算描述了一种基于互联网的新的IT服务增加、使用和交付模式,通常涉及通过互联网来提供动态易扩展而且经常是虚拟化的资源。

    雾计算:雾计算,是一种分布式的计算模型,作为云数据中心和物联网(IoT)设备/传感器之间的中间层,它提供了计算、网络和存储设备,让基于云的服务可以离物联网设备和传感器更近。雾计算的概念的引入,也是为了应对传统云计算在物联网应用时所面临的挑战。

    海计算:海计算实质是把智能推向前端。智能化的前端具有存储、计算和通信能力,能在局部场景空间内前端之间协同感知和判断决策,对感知事件及时做出响应,具有高度的动态自治性。海计算为用户提供基于互联网的一站式服务,是一种最简单可依赖的互联网需求交互模式。用户只要在海计算输入服务需求,系统就能明确识别这种需求,并将该需求分配给最优的应用或内容资源提供商处理,最终返回给用户相匹配的结果。与云计算的后端处理相比,海计算指的是智能设备的前端处理。

    边缘计算:边缘计算是一种通过在数据源附近的网络边缘执行数据处理来优化云计算系统的方法。这通过在数据源处或附近执行分析和知识生成来减少传感器和中央数据中心之间所需的通信带宽。这种方法需要利用可能不能连续连接到网络的资源,如笔记本电脑,智能手机,平板电脑和传感器.边缘计算涵盖了包括无线传感器网络,移动数据采集,移动签名分析,协作分布式点对点ad hoc网络和处理,也可以分类为本地云/雾计算和网格/网格计算,露水计算,移动边缘计算,云计算,分布式数据存储和检索,自主自愈网络,远程云服务,增强现实,等等

    展开全文
  • 本文主要从云计算分布式架构、分布式文件系统、分布式表格系统和分布式计算系统来讲述实现云计算特点的分布式计算。 关键词:云计算, 分布式计算,GFS,MapReduce,BigTable Abstract This article focuse
  • 云计算、雾计算和边缘计算

    千次阅读 2017-11-17 22:27:16
    云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。云计算是继1980年代大型计算机到客户端-服务器的大转变之后的又一...
  • 云计算设计模式(五)——计算资源整合模式 合并多个任务或操作成一个单一的计算单元。这种模式可以提高计算资源的利用率,并降低与云托管的应用程序进行计算处理相关的成本和管理开销。
  • 硬件基础资源,主要包括网络环境下的三大类设备,即:计算(服务器)、存储(存储设备)和网络(交换机、路由器等设备);软件基础资源,则包括单机操作系统、中间件、数据库等。 2.支持资源动态扩展 支持资源动态...
  • 先说分布式计算和并行计算的异同: 解决对象上:都是大任务化为小任务,这是他们共同之处。 但是分布式的任务包互相之间有独立性,上一个任务包的结果未返回或者是结果处理错误,对下一个任务包的处理几乎没有什么...
  • 云计算常与网格计算(分散式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机,常用来执行大型任务)、效用计算(IT资源的一种打包和计费方式,比如按照计算、存储分别计量费用,像传统的电力等公共设施...
  • 分布式计算云计算与大数据

    千次阅读 2019-12-03 21:42:47
    云计算与大数据课后笔记 #一、分布式计算概述 (1)分布式计算是一门计算机科学,主要研究对象是分布式系统。 分布式系统是由若干通过网络互联的计算机组成的软硬件系统,且这些计算机互相配合以完成一个共同的...
  • 华为云计算入门-计算虚拟化

    千次阅读 多人点赞 2019-08-12 17:18:05
    华为云计算HCIA-计算虚拟化 云计算简介,我们为什么学云计算 有什么用? 云计算的确是最近几年兴起的话题,但是它采用的技术并不是新颖的,反而是很多年前的老技术,组合起来使用。需要涉猎范围很广,需要理解存储...
  • 本书全面深入地介绍了面向 5G 移动通信系统的雾无线接入网络和云无线接入网络,包括系统架构、理论组网性能、信道估计、资源分配等,突出了云计算和雾计算与无线接入网络相结合的特征及相互间的差异,给出了相应的...
  • 云计算是分布式计算的一种新形式,但是云计算提供的服务包含了更复杂的商业模式,云计算包含的分布式计算特征主要为: 1) 通过资源调度和组合满足用户的资源请求; 2) 对外提供统一的单一的接口。 2、云计算与网格...
  • 云计算与边缘计算协同服务的研究

    千次阅读 2020-09-14 16:46:55
    云计算协同边缘计算服务模型中,将部分云中心的功能扩展到了网络边缘,由边缘节点处理边缘侧的数据,而非将所有数据上传到云端进行处理,在减少网络拥塞的同时降低时延,为终端设备提供更有效的服务。本文将对云计算...
  • 计算是一系列动作的统称,包括采集、识别、分类、展示等,也可以理解为提供服务。 什么是云计算? 把很多服务整合起来,形成共享资源池,所以云计算的一个比较大的优势就是共享资源。 什么是边缘计算? 将数据处理...
  • 美国国家标准与技术研究院(NIST)定义:云计算是一种按使用量付费的模式,这种模式提供可用的、便捷的、按需的网络访问, 进入可配置的计算资源共享池(资源包括网络,服务器,存储,应用软件,服务),这些资源能够被...
  • 完整英文版ISO/IEC TR 23188:2020 Information technology - Cloud computing - Edge computing landscape(信息技术 - 云计算 - 边缘计算领域 )。 本文档探讨了边缘计算的概念、它与云计算和物联网的关系,以及对...
  • 云计算系统

    千次阅读 2019-10-21 12:31:28
    云计算是一种计算资源的新型利用模式,客户以购买服务的方式,通过网络获得可弹性伸缩的共享物理或虚拟的计算、存储、软件等不同类型资源,而不需要自建数据中心、购买软硬件资源,仅需较少的成本即可获得优质的信息...
  • 1、云计算平台也称为云平台,是指基于硬件资源和软件资源的服务,提供计算、网络和存储能力(云计算就是通过网络提供可伸缩的分布式计算能力)。云计算平台可以划分为3类:以数据存储为主的存储型云平台,以数据处理...
  • 云计算概述

    2020-12-21 22:00:27
    云计算(cloud computing)是bai分布式计算的一种,指的是通过网络“du云”将巨大的zhi数据计算处理程序分解成无数dao个小程序,然后,通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。...
  • 并行计算、分布式计算、网格计算云计算都属于高性能计算(High PerformanceComputing,HPC)的范畴,主要目的在于对大数据的分析与处理,但它们却存在很多差异。电子海图云服务是基于高性能计算的理论技术、通过对...
  • 云计算主要提供便捷的、可配置的计算资源共享池(资源包括网络,服务器,存储,应用软件,服务),而这些资源都非常容易和方便地被获取和使用。 如果还不是很明白,我就给大家举一个例子。如果把上面提到的这些资源...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 62,448
精华内容 24,979
关键字:

云计算提供的计算资源包括