精华内容
下载资源
问答
  • 云计算和边缘计算的关系
    千次阅读
    2019-07-26 10:38:57

    边缘计算实际上属于一种分布式计算,利用靠近数据源的边缘地带来完成的运算程序,而不需要将大量数据上传到云端。边缘计算的运算既可以在大型运算设备内完成,也可以在中小型运算设备、本地端网络内完成。用于边缘运算的设备可以是智能手机这样的移动设备、PC、智能家居等家用终端,也可以是ATM机、摄像头等终端。

    关于边缘计算的应用现状和场景

    在Microsoft Build 2017开发者大会上,微软首席执行官SatyaNadella宣布:“公司的云战略正在朝着边缘计算方向发展。”未来随着联网接入设备的倍增、大数据时代下数据的爆发式增长,云计算中心已经无法满足智能家居、无人驾驶等场景对低延迟的高要求,边缘计算取而代之将成为大势。

    边缘计算应用场景一:万物互联的物联网

    随着网络边缘侧设备的迅速增加,设备产生的数据存量达到泽字节的级别,从网络边缘设备传输传输海量数据到云数据中心致使网络传输宽带的负载量急剧增加造成较长的网络延迟,单纯的云计算已经不足以匹配如此庞大规模数据量的即时计算。

    云计算作为物联网的“大脑中枢”,将大量边缘计算无法处理的数据进行存储、处理、整理和分析,而与此同时边缘计算被认为是物联网的“神经末梢”,实现对小数据直接在边缘设备或者边缘服务器中进行数据的处理,同时也能够很好的缓解云数据中心的压力。边缘计算和云计算互相协同,准确的说它们是彼此优化补充的存在。

    边缘计算应用场景二:CDN内容分发业务

    传统 CDN 借助缓存数据,提高近地节点数据传输的性能,但是实际上对动态的计算服务,就只能回源到数据中心,这个成本本身其实是很高的。边缘计算和传统的中心化思维不同,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,这使得无论是在服务的响应性能、还是可靠性方面都是高于传统中心化的云计算。边缘计算保障大量的计算需要在离终端很近的区域完成计算,完成苛刻的低延时服务响应。

    此外通过边缘计算,同时缓解了传统数据「安全」层面的问题,毕竟数据传输的距离越远、路径越长、时间越久,数据的被窃取风险和丢失风险也就越高。

    边缘计算应用场景三:蓬勃发展的车联网

    当下伴随着智能驾驶、自动驾驶等新势力车企的的蓬勃发展,联网汽车数量越来越大,针对车联网用户的功能越来越多,随之车联网的数据量传输不断增加,对其延迟/时延的需求也越来越苛刻,尤其是汽车在高速行驶中,通信延迟应在几ms以内,而网络的可靠性对安全驾驶又至关重要。

    那么,在这个过程中如何满足车联网对传输速率的高要求?传统中央云计算由于经过多层级计算处理,延迟高、效率低,现在已不再能满足车联网的传输需求。而基于边缘计算解决方案,在近点边缘层已经完成对数据的过滤、筛选、分析和处理,传输距离短、延迟低、效率更高。相较云计算,车联网显然更加需要边缘计算来护航!

    (1)通过节点“下沉”的方式,可以在距离车辆最近的基站进行计算,短算计算距离。

    (2)车内边缘计算可实时提供实时车辆位置,利用低延迟效果与附近基站,提高可靠性。

    (3)单一车量通过数据分析后得出结论,以极低延迟传送给临近区域内的其他联网车辆,可在区域范围内快速完成传递,驾驶员及时做出决策。

    边缘计算应用场景四:智慧智能的城市云脑

    就如开篇所言,把边缘计算比作“神经末梢”,而同时现在我们把基于互联网云脑模型的智慧城市建设架构称为“城市云脑”或者说“城市大脑”,边缘计算这里的角色就像是城市大脑的神经末梢,一方面采集数据信息,本地进行实时处理、预测,将本地处理提取的特征数据传输给云端大脑,另一方面将人工智能与分布在城市中的传感器结合,打通各系统平台,使得城市运营出现的诸多问题能够更加及时、有效的得到发现和处理!

    边缘计算的应用场景远不止于上面列举的几种,边缘计算未来也将会在智能安防、智能家居、虚拟现实、区块链、远程监控等场景带给我们不同程度的惊喜。

    -------------------------------------------------------------------------------------------------------------------

    云计算和边缘计算:本质上而言二者都是处理大数据的计算运行方式,是互为补充的关系。只是边缘计算和云计算相比较而言,不同的是,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,也更加高效而且安全。如果说云计算是集中式大数据处理,那么边缘计算可以理解为边缘式大数据处理!

    云计算侧重在“”,而边缘计算则侧重在“”。具体来讲,边缘计算是将数据的处理、应用程序的运行,甚至一些功能服务的实现,由中心服务器下放到网络边缘的节点上。

    边缘计算是一种优化应用程序或云计算系统的技术,它将应用程序的数据或服务的某些部分从一个或多个中心节点(“云”)转移到另一个逻辑端点(“边缘”)。

    例如自动驾驶车辆,植入式医疗设备,其他物联网(IoT)领域及移动设备,通过在边缘进行执行分析和知识生成,使控制系统与中央数据中心之间的通信带宽减少。简单来说,就是将需要低延迟的计算机程序放在更接近请求的位置,从而降低了传输成本,缩短了延迟并提高了服务质量(QoS)

    边缘计算有哪些优势:

    优势一:实时性边缘计算使得联网设备能够处理在“边缘”形成的数据。最近“自动驾驶”也掀起了一番热浪,其实自动驾驶汽车本身就是一台高性能计算机,它需要通过大量的传感器来收集数据。为了安全可靠地运行,它需要立即对周围的环境做出反应,处理速度有任何延迟都有可能是致命的。利用云计算,虽然数据处理主要是在云端进行的,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。数据传输的时间跨度太长了。边缘计算在“即时计算”的需求下,就有了用武之地,它让自动驾驶汽车在车辆端更快速地处理数据成为可能,不需要在车辆和云端之间来回传输数据。

    优势二:智能性网络里面有大量的功能在边缘节点就可以直接处理掉。类似你公司的部门负责人,并不用事事禀报于你,他们就可以直接说想法,定计划,实现目标。传统的架构一些功能都需要回到中央服务器处理,但是现在在边缘就能直接处理并返回对应的结果。例如:身份验证,日志过滤,数据整合,图像处理和 TLS(HTTPS)会话设置等等。

    优势三:数据聚合性一台物理设备运行往往产生大量的数据,可以先在边缘进行过滤,然后汇总到中心再做加工,这都是利用边缘的计算能力。还是用那个故事举例,公司的各个部门负责人也总有拿不定主意的时候,他们会汇总各自的部门面临的问题和一些困难,汇报给你,这样你看到的是他们整理过的很直观的数据。这也是边缘计算的优势之一。

    REF:

    https://www.zhihu.com/question/292630263/answer/481551072

    https://www.zhihu.com/question/292630263/answer/495158429

     

     

    更多相关内容
  • 但经过时间的验证,云计算和边缘计算关系更加清晰:由于边缘计算解决了在边缘资源中云计算应用的应用问题,成为了云计算在未来发展中的重要支撑,边缘计算云计算势必彼此融合,随之而来的就是“云边协同”。...
  • 云计算边缘计算大白话(●一●)

    千次阅读 2022-04-24 18:24:42
    目录 一、云计算和云原生概念 1.1 云计算 1.2 云原生 二、云计算四个层次 2.1 IaaS(Infrastructure as a Service) 2.2 PaaS(Platform as a Service) 2.3 SaaS(Software as a ...四、边缘计算和边缘设备 4.1

    目录

    一、云计算和云原生概念

    1.1 云计算

    1.2 云原生

    二、云计算四个层次

    2.1 IaaS(Infrastructure as a Service)

    2.2 PaaS(Platform as a Service)

    2.3 SaaS(Software as a Service)

    2.4 DaaS(Data as a Service)

    三、云原生关键技术

    3.1 Docker

    3.2 Kubernetes

    3.3 微服务

    3.4 DevOps

    四、边缘计算和边缘设备

    4.1 边缘计算        

    4.2 边缘智能       

    4.3 边缘设备


    💟这里是CS大白话专场,让枯燥的学习变得有趣!

    💟没有对象不要怕,我们new一个出来,每天对ta说不尽情话!

    💟好记性不如烂键盘,自己总结不如收藏别人!

    一、云计算和云原生概念

    1.1 云计算

            云计算(cloud computing)是分布式计算的一种,指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序,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。云计算早期,简单地说,就是简单的分布式计算,解决任务分发,并进行计算结果的合并。因而,云计算又称为网格计算。通过这项技术,可以在很短的时间内(几秒钟)完成对数以万计的数据的处理,从而达到强大的网络服务。

            从广义上说,云计算是与信息技术、软件、互联网相关的一种服务,这种计算资源共享池叫做“云”,云计算把许多计算资源集合起来,通过软件实现自动化管理,只需要很少的人参与,就能让资源被快速提供。也就是说,计算能力作为一种商品,可以在互联网上流通,就像水、电、煤气一样,可以方便地取用,且价格较为低廉。

            因此云计算并不是指某一种计算方式,而是一种商业服务模式,“云”就像自来水厂一样,我们可以随时接水,并且不限量,按照自己家的用水量,付费给自来水厂就可以。

    1.2 云原生

            云原生是基于分布部署和统一运管的分布式云,以容器、微服务、DevOps等技术为基础建立的一套云技术产品体系。云原生是一种新型技术体系,是云计算未来的发展方向。

    二、云计算四个层次

    2.1 IaaS(Infrastructure as a Service)

            基础设施即服务,提供给用户的服务是对所有设施的利用,包括处理、存储、网络和其他基本的计算资源。用户能够部署和运行任意软件,包括操作系统和应用程序。用户不管理或控制任何云计算基础设施,但能控制操作系统的选择、储存空间、部署的应用,也有可能获得有限制的网络组件(例如防火墙、负载均衡器等)的控制。

            也就是说作为云计算的最底层服务,IaaS提供的是一些基础资源,用户可以在这些基础资源的基础上部署自己的操作系统和应用程序,类似于在毛坯房的基础上进行装修。

    2.2 PaaS(Platform as a Service)

            平台即服务,提供给用户的服务是把客户开发或收购的应用程序部署到供应商的云计算基础设施上。用户不需要管理或控制底层的云基础设施,包括网络、服务器、操作系统、存储等,但用户能控制部署的应用程序,也可能控制运行应用程序的托管环境配置。

            也就是说这层服务提供的是一个软件部署平台,只需考虑应用程序的部署,类似于在硬装的基础上进行软装。

    2.3 SaaS(Software as a Service)

            软件即服务,提供给用户的服务是运营商运行在云计算基础设施上的应用程序,用户可以在各种设备上通过客户端界面访问。客户不需要管理或控制任何云计算基础设施。

            也就是说这层服务已经部署好了应用程序,用户可以直接进行使用,类似于拎包入住。

    2.4 DaaS(Data as a Service)

            数据即服务,是大数据时代的象征,通过收集用户需要的数据进行数据分析,为用户提供访问接口,传递有用的信息来指导用户的日常活动。 

    三、云原生关键技术

    3.1 Docker

            一个开源的应用容器引擎,开发者可以打包他们的应用及依赖到一个可移植的容器中,可运行在Debian、CentOs、Ubuntu等多操作系统上,也可实现虚拟化。

     3.2 Kubernetes

            又称K8S,是一个开源、轻量级的容器编排工具,可以实现容器集群的自动化部署、弹性伸缩、维护、负载均衡等功能,支持许多容器化工具,如Docker。二者区别是Docker在单个节点上运行,而Kubernetes在集群上运行。K8S所包含的组件如下:

    Master Node:

            api-server:所有服务访问的统一入口。

            controller manager:维持副本期望数目,创建/删除pod,高可用集群副本数最好≥3 (奇数个)。

            scheduler:监听PodSpec.NodeName为空的字段,选择合适的节点分配任务,将节点和pod绑定(binding),分为预选和优选两个阶段:

             ETCD:键(优先级函数名称)值(权重)存储库,存储K8S集群所有配置信息(持久化),可用于恢复数据。版本v2:使用内存(v1.11版本之前),v3:使用数据库。

    Work Node:

            kubelet:跟容器引擎交互创建对应容器,维持pod生命周期。

            kube-proxy:写入规则至iptables(中小规模)、IPVS(大规模)实现服务映射访问。

            container:主流引擎Docker。

    3.3 微服务

            低耦合+高内聚,从本质上来讲,微服务就是把单体应用拆分成数个更微小的服务,协作完成原来单体应用所提供的等效业务服务。因此,服务与服务之间会有依赖关系,服务也需要去部署到一个或多个资源上。但这就出现一个问题,不同微服务间存在异构,需要不同的编程语言甚至不同的运行环境去运行这些微服务,为了解决这个问题,引入容器技术,通过一层标准的封装以及标准的运行时,来标准化微服务部署,再由容器平台把已经标准化的微服务最便捷地运行到底层资源上面。

            一个 pod 是一组容器的集合,在一个 pod 中可以运行一个或多个容器。一般来讲,当我们采用微服务架构时,会把微服务的主体运行在主容器中,主容器的生命周期跟 pod 自身的生命周期是一个耦合的状态。

    3.4 DevOps

            DevOps(Development和Operations的组合词)是一组过程、方法与系统的统称,用于促进开发(应用程序/软件工程)、技术运营和质量保障(QA)部门之间的沟通、协作与整合

            它是一种重视“软件开发人员(Dev)”和“IT运维技术人员(Ops)”之间沟通合作的文化、运动或惯例。透过自动化“软件交付”和“架构变更”的流程,来使得构建、测试、发布软件能够更加地快捷、频繁和可靠。

            它的出现是由于软件行业日益清晰地认识到:为了按时交付软件产品和服务,开发和运维工作必须紧密合作。

    四、边缘计算和边缘设备

    4.1 边缘计算        

            随着移动互联网的蓬勃发展,物联网设备的种类和数量都在飞速增长,为满足计算任务“低时延、高带宽、低能耗”等需求,边缘计算应运而生,即将运算资源从云下放到网络边缘,设备端的部分计算任务可以选择卸载到更靠近设备的边缘端来执行,这其实是对云计算的补充和扩展,常使用“端-边-云”三层架构。和仅有云计算相比,云边协同具有如下几方面优势:1)缓解骨干网络:分布式边缘计算节点无需与云端交换相应的数据即可处理大量的计算任务,从而减轻网络流量负荷;2)服务响应敏捷:可以避免由于将任务卸载到远程云端上而导致的高延迟,提高响应速度;3)云备份强大:云端可以在边缘计算能力无法承受的时候提供强大的处理能力和海量存储空间。

    4.2 边缘智能       

            目前,边缘计算正在逐渐与人工智能相结合,进而衍生出“边缘智能”和“智能边缘”两个概念。边缘智能即将深度学习的计算任务从云下放至边缘,以支持低延迟、高可靠、分布式的智能服务;智能边缘即是将深度学习融入边缘以支持动态、自适应的资源分配与管理,不仅有效整合了终端设备、网络边缘与云数据中心的多种资源,也能支持更为复杂的业务优化与任务协作。两者并不是相互独立的,边缘智能是其目标,智能边缘中的深度学习服务也是边缘智能的一部分,智能边缘可以为边缘智能提供更高的服务吞吐量和资源利用率。两者间存在以下五种典型的使能技术:

    (1)边缘上的深度学习应用(DL on Edge);

    (2)边缘上的深度学习推理(DL in Edge);

    (3)边缘上的深度学习训练(DL at Edge);

    (4)适用于深度学习的边缘计算(Edge for DL);

    (5)深度学习用于边缘计算优化(DL for Edge)。

    4.3 边缘设备

             对于边缘设备的概念网上介绍的都很模糊,个人是这么理解的:在网络边缘为云计算分担计算任务的设备都可以叫做边缘设备。边缘设备可以分为两种类型:一种是嵌入了AI芯片或可以进行部分深度学习计算的设备,如手机、智能摄像头等,这类边缘设备也可以叫做终端设备;另一种是部署在终端设备附近,对终端设备传来的视频或图像进行深度学习处理的设备,即此时的边缘设备没有自主计算的能力,如VR眼镜、监控摄像头等,这类边缘设备可以是含有GPU的边缘服务器或端侧的私有云。大致框架如下:

            英伟达公司针对边缘计算推出了Jetson家族, 包括Nano、TX2、Xavier等嵌入式边缘计算设备,它们之间的性能比较如下表:

    AI Performance

    CPU

    GPU

    Memory

    Nano

    472 GFLOPs

    Quad(4)-Core ARM Cortex-A57 MPCore

    128-core Maxwell GPU

    4 GB 64-bit LPDDR4 @25.6GB/s

    TX2

    1.33 TFLOPs

    Hexa(6)-core processor with 2x NVIDIA Denver2 64-Bit CPU and 4x ARM Cortex-A57 cores

    256-core Pascal GPU

    8 GB 128-bit LPDDR4 @59.7GB/s

    Xavier NX

    21 TOPs

    6-core NVIDIA Carmel ARMv8.2 64-bit CPU 6 MB L2+4 MB L3

    Volta GPU with 384 NVIDIA CUDA cores and 48 Tensor cores

    8 GB 128-bit LPDDR4 @51.2GB/s

    展开全文
  • 简单来说,云计算就是将很多计算机资源服务集中起来,人们只要接入互联网,将能很轻易、方便的访问各种基于云的应用信息,省去了安装维护的繁琐操作。 当然,个人企业也能使用云计算中心提供的服务,或者...

    什么是云计算呢?

    简单来说,云计算就是将很多计算机资源和服务集中起来,人们只要接入互联网,将能很轻易、方便的访问各种基于云的应用信息,省去了安装和维护的繁琐操作。

    640?wx_fmt=png

     

    当然,个人和企业也能使用云计算中心提供的服务,或者在云端搭建自己所需要的信息服务,只不过需要付费。

    这样看来,云计算是不是简单、好用,但现实不是这样的。当个人和企业过渡依赖云计算时,就会出现各种数据的处理都希望往云上面靠的现象,结果呢?数据多了以后,效率降低、时延增大,很多场景用不了,这让业界很是苦恼

    遇到问题可以换种思维嘛!集中式不行就试试分散式,所以又有研究人员提出了边缘计算的概念,这种模式的提出,瞬间解了很多场景的燃眉之急。

    640?wx_fmt=gif

     

    什么叫边缘计算?

     

    如果说云计算是集中式大数据处理,那么边缘计算就可以理解为边缘式大数据处理。

    何为边缘?

    通用术语表示就是,邻近、接近。放在这句话中就是,临近计算或接近计算。

    想象一下,数据每次都要传到遥远的云端,云端处理完,才能回传回来,很麻烦吧!

    边缘计算则在想,为啥要传那么远呢?

    数据那么多,传来传去浪费时间不说,还效率不高,要不先在设备端处理数据,筛选掉没用的数据,等数据少了再传给云,这样云端的压力就会骤然减轻了!

    所以说,边缘计算应该是对云计算的一种补充和优化!它们两个是共存的状态。

    从边缘计算的概念中可以看出,由于距离数据源头近,所以它具有分布式、低延时、效率高等特点。深层次去看,它还具有以下几大特点

    第一,缓解流量压力;边缘计算在进行云端传输时通过边缘节点进行一部分简单数据处理,可以筛选掉没用的信息数据,相当于减少了数据带宽的消耗。

    第二,对于芯片性能有高要求;由于边缘计算都是在设备端处理数据的,所以对于芯片性能的要求很高。

     

    第三,节省成本;云计算和边缘计算结合,成本仅占单独使用云计算的40%左右。

    第四,提高安全性;边缘计算的数据可采用加密算法后,在打包回传到云端。

    640?wx_fmt=png

     

    目前,边缘计算主要被用于车联网、智能安防以及区块链等场景中,亚马逊、微软及英特尔已经着手布局边缘计算。

    640?wx_fmt=png

     

    说到边缘计算,不得不提一下另一个重要的概念:移动边缘计算(MEC)

    概念比较多,我们慢慢来看!

     

    为什么提到移动边缘计算?

     

    2013年,IBM联合Nokia Siemens网络共同推出了一款计算平台,可在无线基站内部运行应用程序,向移动用户提供业务。

    2014年,欧洲电信标准协会(ETSI)成立移动边缘计算规范工作组,宣布推动移动边缘计算标准化。其基本思想是把云计算平台从移动核心网络内部迁移到移动接入网边缘,实现计算及存储资源的弹性利用。

    说到这里,估计诸位还是云里雾里,那么,什么叫移动边缘计算呢?

    我们知道,设备直接传输信息需要网络,而移动边缘计算就是利用无线接入网络就近提供电信用户IT所需服务和云端计算功能,而创造出一个具备高性能、低延迟与高带宽的电信级服务环境。说到底,还是一场数据传输时间争夺战,传输时间越短越好。

    从运营商的角度来看,网络分为无线接入网、移动核心网以及应用网络三大部分。

    其中,无线接入网由基站组成,负责移动终端的接入。

    移动核心网由路由器、服务器组成,负责将无线基站连接到外部网络。

    应用网络就是各种应用服务器工作的地方,实际上就是服务器、数据中心、PC等。

    可以看出,这三种网络完成了我们平时的设备之间数据传输的工作。其中,运营商主要掌握无线接入网和移动核心网两种,应用网络应该掌握在OTT手中。

    本来这三种网路结构已经够用了,但随着各种新服务(AR/VR、自动驾驶)的出现,传统网络结构逐渐不堪重负,所以,MEC出现了。

    640?wx_fmt=png

    图片来源:SDNLAB

    MEC背后的逻辑非常简单。将网络业务“下沉”到更接近用户的无线接入网侧,降低数据传输时延,缓解网络堵塞。即离源数据处理、分析和存储越近,数据时延越低

    通过处理、分析和存储在网络边缘生成的数据,运营商和提供商可以提供增强的响应时间和改进的服务,同时还为更先进的概念(如无人驾驶车辆和增强的自动化)奠定基础。

    自动驾驶为何需要MEC?

     

    要知道,自动驾驶汽车有成百上千个传感器,每驾驶8个小时会产生40TB的数据,这些数据中大多数并不重要,而且把这么大体量的数据传到云端是不切实际的。同时,自动驾驶汽车对于数据传输时延极为敏感,数据传输延迟1ms,都可能导致一场惨剧发生。所以为了降低带宽、保证低时延,MEC便成为了比较适用的网络结构。

     

    在车辆高速度运动过程中,位置信息变化十分迅速。而最末端的移动边缘计算服务器还可以置于车身上,能够精确地实时感知车辆位置的变动,提高通信的可靠性。

    移动边缘计算服务器对无人驾驶汽车数据实时进行数据处理和分析,并将分析所得结果以极低延迟(通常是毫秒级)传送给临近区域内其他联网车辆人,以便车辆做出决策。这种方式比其他处理方式更便捷、更自主、更可靠。

    此外,MEC还被用于解决自动驾驶汽车数据缓存问题。不久前,韩国庆熙大学计算机科学与工程系的AnselmeNdikumana等人提出了基于深度学习的缓存和MEC中的4C方法来改进自动驾驶汽车中的娱乐服务的解决方案。

    他们主要方法概括如下

    为了满足不同乘客在自动驾驶汽车中对不同娱乐内容的需求。首先,采用卷积神经网络(CNN)方法通过面部识别来判断他们的年龄和性别。然后,根据娱乐内容(例如音乐,视频和游戏数据)对于受众年龄以及性别的偏向性,高速缓存对应的娱乐内容。

    实现上面的过程,需要MEC和DC(车对数据中心通信)支持自动驾驶汽车。在DC,他们提出了一个MultiLayer感知器(MLP)框架来预测在自动驾驶汽车的特定区域内请求内容的概率。

    然后,MLP预测输出部署在紧邻自动驾驶汽车的MEC服务器(RSU)处。在非高峰时段,每个MEC服务器使用MLP输出进行下载,然后缓存具有高请求概率的内容。选择MLP优于其他预测方法,如AutoRegressive(AR)和自回归移动平均(ARMA)模型,MLP有能力处理线性和非线性预测问题。

    对于需要缓存的内容,自动驾驶汽车需要从MEC服务器下载MLP输出,然后将其与CNN输出进行比较。为了比较,该方法也结合了k-means和二元分类。

    使用MEC中的4C组件进行深度学习,在自动驾驶汽车中制定用于娱乐服务的缓存,以最大限度地减少内容下载延迟。

     目前,由于3G/4G数据传输时延过高达40ms,无法满足自动驾驶10ms的基本需求,所以MEC在3G/4G时代,无法很好的被用于自动驾驶,只有等到5G技术成熟后,MEC才有望走进自动驾驶。

    可以预想,在5G时代,MEC可以广泛应用在各个领域,如:交通运输系统、智能驾驶、实时触觉控制、增强现实等领域。

    当然,MEC在目前火热的AI领域也将有不错的应用,比如:在图像识别方面,服务器相对于移动终端在处理时间及功耗上有显著优势,处理时间增加100毫秒左右,就能提高10-20%的准确率。这意味着在不改进现有算法的情况下,通过引入MEC技术,就可通过降低服务器与移动终端之间的时延改善识别效果。

     

    总结

    MEC前景极好,但也给传统的运营模式带来了一定的挑战。

    作为一项新兴的技术,MEC不仅是一个网络边缘虚拟化的技术平台,还涉及到整体网络架构、第三方应用部署、移动网络能力开放、管理和编排等多个方面

    所以,未来MEC业务的展开不仅需要华为、中兴通讯、爱立信等通讯设备厂商,也需要英特尔、高通等芯片厂商,以及中国移动、联通、电信等运营商的支持。因此,MEC要实现快速发展,就必须构建完整的生态体系,其商业模式需要各厂商共同开发

     

    概括性总结(云计算、雾计算、边缘计算、移动边缘计算)

    移动边缘计算Mobile Edge Computing, MEC)可利用无线接入网络就近提供电信用户IT所需服务和云端计算功能,而创造出一个具备高性能、低延迟与高带宽的电信级服务环境,加速网络中各项内容、服务及应用的快速下载,让消费者享有不间断的高质量网络体验。

     

    边缘计算起源于传媒领域,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。

    而边缘计算产业联盟(Edge Computing Consortium,简称ECC),对边缘计算的定义如下:边缘计算是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的分布式开放平台,就近提供边缘智能服务,满足行业数字化在敏捷联接、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。它可以作为联接物理和数字世界的桥梁,使能智能资产、智能网关、智能系统和智能服务。是对云计算的一种补充和优化。

    雾计算(Fog Computing),在该模式中数据、(数据)处理和应用程序集中在网络边缘的设备中,而不是几乎全部保存在云中,是云计算(Cloud Computing)的延伸概念,由思科(Cisco)提出的。这个因“云”而“雾”的命名源自“雾是更贴近地面的云”这一名句。

    雾计算和云计算一样,十分形象。云在天空飘浮,高高在上,遥不可及,刻意抽象;而雾却现实可及,贴近地面,就在你我身边。雾计算并非由性能强大的服务器组成,而是由性能较弱、更为分散的各类功能计算机组成,渗入工厂、汽车、电器、街灯及人们物质生活中的各类用品。

    云计算(cloud computing)是分布式计算的一种,指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序,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。云计算早期,简单地说,就是简单的分布式计算,解决任务分发,并进行计算结果的合并。因而,云计算又称为网格计算。通过这项技术,可以在很短的时间内(几秒种)完成对数以万计的数据的处理,从而达到强大的网络服务。

    综上所述,无论是边缘计算、雾计算、多接入边缘计算、移动边缘计算,还是,其核心都是通过云端和物联网设备之间的各种现有或新增设备,将计算、网络、存储等能力向网络边缘侧扩展,充分利用整个路径上各种设备的处理能力,就地存储和处理隐私和冗余数据,降低网络带宽占用,提高系统实时性和可用性。

    此外,边缘计算相关的各个组织和公司也在推进合作,例如OpenFogETSI合作雾化MEC技术、CORDOpenFog协调互操规范、英特尔参与各大边缘计算组织等。

    因此,雾计算、多接入边缘计算、移动边缘计算、移动云计算等概念最终将走向融合,可以统称为边缘计算。

    展开全文
  • 三分钟看懂什么是边缘计算和云计算

    万次阅读 多人点赞 2020-05-05 20:27:13
    社会的进步,各种尖端科技层出不穷,各种新概念课题也是百花齐放,前几年如雨后春笋般涌现出来的大数据、云计算这些个高科技,左查右问,花了好大工夫好不容易才算是一知半解,现今又冒出了一个边缘计算,这东西...

    随着科技的发展,社会的进步,各种尖端科技层出不穷,各种新概念和课题也是百花齐放,前几年如雨后春笋般涌现出来的大数据、云计算这些个高科技,左查右问,花了好大工夫好不容易才算是一知半解,现今又冒出了一个边缘计算,这东西到底是个什么鬼?查了很多资料,感觉大家都说的模模糊糊,朦朦胧胧的,似雾里看花般不太通透,最后花了不少时间总算是理解了个大概,于是总结一下,用一些浅显易懂的语言和案例来解释一下,希望能为同道中人科普科普。

    一、概念介绍

    因为刚接触这个概念时,很多人都会有一个感觉,觉得这个边缘计算和云计算有些类似。所以,开始之前,先对二者的概念进行一个对比:

    • 云计算(cloud computing)是分布式计算的一种,指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序,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。云计算早期,简单地说,就是简单的分布式计算,解决任务分发,并进行计算结果的合并。因而,云计算又称为网格计算。通过这项技术,可以在很短的时间内(几秒种)完成对数以万计的数据的处理,从而达到强大的网络服务【摘自百度百科

    • 边缘计算指的是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【摘自百度百科

    所以,我们可以看出,边缘计算的概念是建立在云计算的基础上的。这里,我们给出边缘结点的定义,边缘结点指的就是在数据产生源头和云中心之间任一具有计算资源和网络资源的结点。比如,手机就是人与云中心之间的边缘结点,网关是智能家居和云中心之间的边缘结点。在理想环境中,边缘计算指的就是在数据产生源附近分析、处理数据,没有数据的流转,进而减少网络流量和响应时间。

    在传统的云计算技术架构中,主要采用全集中的方式进行云计算中心的建设和运营,资源都集中在总部,或者全球分别部署几个节点,客户通过互联网来使用云计算资源。随着云计算技术的发展和应用的普及,人们渐渐发现,这种全部集中模式的云计算未必是最优的解决方案,比如对于以下场景:

    • 第一类是前端采集的数据量过大,如果按照传统模式全部上传的话,成本高、效率低,典型的就是影像数据的采集和处理;

    • 第二类是需要即时交互的场景,如果数据全部上传,在中央节点处理再下发,往往传输成本高、时延长,典型的就是无人驾驶场景;

    • 第三类是对业务连续性要求比较高的业务,如果遇到网络问题或者中央节点故障,即便是短时间的云服务中断都会带来严重影响;

    • 除此之外还有安全信任的问题。有些客户不允许数据脱离自己的控制,更不能离开自己的系统,要让这样的系统上云,集中式的云计算中心就搞不定了;

    那么云计算有没有可能进一步演化,提高对需求和场景的适应力呢?在这样的背景下,边缘计算技术作为云计算技术的延伸和补充,进入了人们的视野。

    二、边缘计算

    在开始正式科普之前,请大家首先在大脑里勾画一张图,就是一张人类大脑神经网络图。如果你没啥具体概念,那直接看下图:
    在这里插入图片描述
    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。

    如果还觉得抽象,那我们再打个不太精准的比方吧。

    再用你的云大脑想象出一只章鱼,就是那种路边摊烧烤的那种章鱼:
    在这里插入图片描述
    或者可爱一点的这样的:
    在这里插入图片描述
    章鱼有一个很厉害的地方,大家可能不太清楚,那就是作为自然界中智商最高的无脊椎动物,章鱼独特地拥有“概念思维”能力。而这又与他两个强大的记忆系统分不开:一个是大脑记忆系统,大脑具有5亿个神经元,另一个是八个爪子上的吸盘。也就是说,章鱼的八条腿可以思考并解决问题。

    脑子真是个好东西,章鱼就有好几个!

    话说回来,云计算就像是天上的云,看得见摸不着,像章鱼的大脑,边缘计算就类似于八爪鱼的那些小爪子,一个爪子就是一个小型的机房,靠近具体的实物。边缘计算更靠近设备端,更靠近用户。

    这么说吧,云计算是把握整体,那么边缘计算就更专注于局部。那么边缘计算的优势就显而易见:

    • 近水楼台先得月: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。

    • 简单效率高:家门口的事情就不麻烦远在天边的云计算了,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。

    • 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。

    • 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%。

    打一个不太合理的比方,设想一下,本来存钱取钱大家都要去银行人工柜台处理,排队人山人海,路上交通造成堵塞,还浪费时间和精力,现在家门口就有自助柜员机,是不是再也不用取号排队等叫号?

    所以,我们可以用几个非常典型的案例来体验一下边缘计算的优点:

    • 在人脸识别领域,边缘计算可以将响应时间由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能够减少30%-40%;
    • 系统数据在整合、迁移等方面耗时将会缩减到原来的1/20;

    辣么,既然边缘计算这么牛,就直接把云计算干掉吧!留它何用?

    太天真了!你能把章鱼的大脑切掉直接用八个爪子生活吗?你怎么不上天呐!

    三、边缘计算与云计算的关系

    虽然今后会将越来越多的基础任务交给边缘计算来完成,但是这只能代表边缘所在的装置设备会越来越灵敏,但是不能直接说这些任务和云毫无关系,他们是一种让彼此更完美的存在。

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

    再打个比方吧,总公司在北京,分点在江苏、广东、山东各地,江苏的实际工作任务由江苏分部的主管执行,但是北京总公司会给出整体工作计划,负责统筹各个区域的工作规划。

    所以不管是云计算还是边缘计算,不存在一方完全取代一方的状况,只是各个擅长的领域各司其职,物尽其用罢了,在最合适的场景里用最合适的运算,或者双向出击!

    所谓万物互联,以时间为横坐标延伸,最大的网络就是物联网。那么边缘计算就是靠近物联网边缘的计算、处理、优化和存储。搭载物联网的发展,边缘计算的应用也十分广泛,智慧城市、智慧家居、智慧医院、在线直播,到智能泊车、自动驾驶、无人机、智能制造等各方面都有它的身影,制霸物联网的时刻指日可待。

    讲真,这个时候了解云计算、边缘计算是有点晚了,毕竟很多行业大佬已经开始玩转边缘计算了。

    四、边缘计算的挑战

    当然万物都有双面性,边缘计算的发展也存在不小的挑战性。

    • 跨界协作的挑战:制造、能源、公共事业等行业要实现智能化,需要整合机械、电子、ICT等跨行业技术,边缘计算首先要实现OT和IT领域的深度协作,并将行业专有技术与知识与ICT数字化技术相结合。

    • 技术碎片化挑战:边缘侧技术体系的每个领域都有大量的技术选择:目前业界有超过6种以上的工业实时以太技术,超过40种工业总线,还有多种公私有云平台。技术碎片化给系统间的互联互通、数据价值的挖掘带来的巨大的挑战和成本。

    • 技术不确定性挑战:人工智能、区块链等新技术在行业应用还是早期探索阶段,存在不确定性风险。这些技术的早期应用者希望降低技术投资风险,获得技术应用的商业回报。

    • 当然还有其它的挑战,毕竟新生技术的出现就注定了它将面临诸多不确定因素的挑战,边缘计算产业联盟(ECC)就这样带着美好的愿景诞生了!

    不仅是这样的商业联盟,其他企业也在为边缘计算的应用发展尽心尽力!

    按照IDC的统计数据,到2020年将有超过500亿的终端与设备联网,未来超过50%的数据需要在网络边缘侧分析、处理与储存,边缘计算所面对的市场规模非常巨大。

    物联网的存在就是不在创造新的生态,两个毫无关系的人可以通过各种方式连接,但太平洋里的章鱼如何跟大西洋里的章鱼“对话”?再赐它们几百亿个神经元也做不到,但是边缘计算可以啊!

    五、送一个附加技能

    所以,看到现在,都大概了解边缘计算了吗?下次有妹子问你什么是云计算,边缘计算是什么的时候,可千万不要这样回答:
    在这里插入图片描述
    下面这样才是正确的聊天方式:
    在这里插入图片描述
    毕竟,边缘计算不能吃,但章鱼可以吃啊!

    展开全文
  • 云计算边缘计算的区别联系

    万次阅读 多人点赞 2018-04-26 15:21:55
    开讲之前,先举个例子,更容易理解两个概念: 如果把云计算比作整个计算机智能系统的大脑。那么边缘计算就是这个系统的眼睛耳朵手脚。核心服务器让智能系统具有很强...边缘计算和云计算的结合让整个智能系统不
  • 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,以及对实施边缘计算至关重要的技术。 本文档探讨了与边缘计算相关的以下主题: - 边缘计算系统的概念; - 边缘计算的架构基础; - 边缘计算术语; - 边缘...
  • 边缘计算和云计算的区别是什么?导言一、边缘计算和云计算的区别1. 整体与局部2. 实时与长期3. 分散与集中4.高能耗与低能耗二、边缘计算云计算的联系1. 协同与互补2. 云边端三位一体 导言 简单地说,边缘计算是将...
  • CONTENTS 目录 1 边云协同已经成为产业共识 01 1.1 边缘计算2.0 01 1.2 边云协同概念 02 1.3 边云协同产业实践 04 1.3.1 云边缘 04 1.3.2 边缘云 05 ) 1.3.3 新基建与边缘计算 06 C 2 边云协同2.0 参考架构及技术...
  • 行业专家对网络延迟、一致性、安全性、成本等问题进行了分析,并对一些边缘用例进行了探讨。尽管云计算和边缘关系的实际架构仍在不断涌现发展,但无疑存在互补关系。...边缘计算和云计算之间有着天然
  • 联邦学习&云计算&边缘计算的应用场景及异同点

    千次阅读 热门讨论 2020-11-19 13:08:33
    本文主要讲解联邦学习与云计算边缘计算这三种技术的概念以及三者的应用场景及异同点。 一、联邦学习 联邦学习是一个分布式的机器学习框架,能有效帮助多个机构在满足用户隐私保护、数据安全政府法规的要求下,...
  • 完整英文版ISO/IEC TR 23188:2020 Information technology - Cloud computing - Edge computing landscape( 信息技术 - ... 本标准探讨了边缘计算的概念,它与云计算和物联网的关系,以及实施边缘计算的关键技术。
  • 但是,有些情况下,边缘计算架构比完全集中的云计算设计提供了优势,特别是从网络数据存储的角度来看。以下将解释什么是边缘计算,它与传统云计算服务有何不同,以及边缘计算何时可能成为企业的正确选择。 边缘...
  • 云计算和边缘计算的区别联系 云计算:(cloudcomputing)是基于互联网相关服务的增加、使用交互模式,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。一种利用互联网实现随时随地、按需、便捷地使用...
  •  自边缘计算诞生,关于云计算边缘计算的发展关系就一直争论不休,随着时间发展,一个事实已越发清晰的浮现在人们眼前:未来将云边协同. 边缘计算云计算的有效补充 point1:实时、快速的数据分析。 边缘计算的...
  • 云计算的可信新边界:边缘计算与协同未来

    万次阅读 多人点赞 2020-08-18 10:54:35
    伴随云计算的飞速发展,边缘计算将迎来爆发式的增长 …
  • 来源:物联网报告中心前言 2019 年边缘计算备受产业关注,一度引起了资本市场的投资热潮,很多人把2019 年称作边缘计算的元年。理性来看,造成如此火爆局势难免有...
  • 大话:边缘计算、雾计算、云计算

    千次阅读 2018-06-20 12:29:35
    云计算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,云平台从用户的角度可分为公有云、私有云、...
  • 大家好,我们是追求更加幸福的技术研究团队,ulalalab。随着自动驾驶、智能工厂、物联网等的扩散,数据量显著的增加,同时对此的实时处理要求也增加了,因此用远距离的中央...边缘计算(EdgeComputing) (来源: Lann...
  • 云计算边缘计算区别大了,统统告诉你! 如今,几乎每个围绕数字化转型或物联网(IoT)的每一次行业对话,都倾向于讨论应用程序的托管位置。有些人可能会说,“云计算通常被认为是一个很好的选择,只需将所有数据...
  • 边缘计算是传统云计算的延伸补充,那么对于边缘计算最关注的自然是云计算中心提供IaaS服务的企业,国外的代表是云计算三巨头:微软、AWS、Google,国内则是BAT等互联网公司。 对于这类企业来说,边缘计算是从...
  • 为了构建灵活、高效的云边协同计算环境,需要在不同层面实现云计算和边缘计算的协同,以优势互补的方式克服云计算和边缘计算中各自存在的缺点,放大云计算边缘计算的价值。边缘计算至关重要,因为它为改进创新...
  • 这些年,各种“计算”层出不迭,网格计算、云计算、雾计算、霾计算、边缘计算…即便身处ICT行业,也很容易被这些不同的计算搞的云山雾罩。那么它们到底是怎么产生的?有何意义?彼此间又有哪些区别呢?接下来为大家...
  • 边缘计算是在靠近数据源所在的局域网络环境内运算,所以可以是在一台大型运算设备,或者是很多台中、小型运算设备或设备组成的本地端网络内运算,这些运算设备可以是个人所有的移动设备(如智能手机、穿戴式设备),也...
  • ”当下我们经常会听到一个词叫做“云端协同”,即云和端相互合作、互相渗透融合,这里的云指的是“云计算”或者说“云数据中心”,而端指的便是担当终端的“边缘计算”。 Linux基金会Philip DesAutels认为“将来,
  • 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...
  • 在5G通讯广连接、大流量、高宽带等技术优势的赋能下,边缘计算呼声渐起,一度被誉为5G时代的下一个风口,...边缘计算狭义概念上分两种,一种是直接应用设备耦合在一起工作的,叫设备端的边缘计算,比如工业自动化机
  • 框架中的边缘计算和云2.2.1.边缘计算2.2.2.公有云 1. 基本概念 1.1.云计算 1.1.1.概念     云计算模型是一种服务提供模型,通过网络访问数据中心的计算资源、网络资源计算资源等,为应用提供可伸缩的分布式...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 7,740
精华内容 3,096
热门标签
关键字:

云计算和边缘计算的关系