精华内容
下载资源
问答
  • 边缘缓存:实现云计算和边缘计算协同作用的关键 数据是新的黄金,而“边缘到云”使组织可以从任何地方获取所有数据。企业需要一种结合边缘计算云存储优势的混合解决方案,实现云计算和边缘计算协同作用所需的关键...

    边缘缓存:实现云计算和边缘计算协同作用的关键

    数据是新的黄金,而“边缘到云”使组织可以从任何地方获取所有数据。企业需要一种结合边缘计算和云存储优势的混合解决方案,实现云计算和边缘计算协同作用所需的关键技术是边缘缓存。
    边缘缓存:实现云计算和边缘计算协同作用的关键
      在分布式企业中,“边缘存储”是指端点设备中的数据存储,例如笔记本电脑、移动设备、物联网设备和小型分支机构的文件服务器。大型企业拥有数千甚至数万个这样的边缘存储设备。相反,云存储是指存储在企业虚拟私有云或私有云中的数据。边缘存储是本地的,因此访问速度比云存储更快,并且即使在互联网连接中断时也可以脱机使用,因此依赖边缘存储的本地应用程序对服务中断更具弹性。

    边缘存储用例可能比较简单,例如将企业员工的笔记本电脑数据存储到更复杂的用例,以及自动驾驶汽车或医疗保健设备。如今,鉴于跨境协作和虚拟团队的兴起,最常见的用例之一是能够为客户提供分布在世界各地的远程办公室和远程分支机构的解决方案。这种用例通常将边缘数据存储在云中的集中管理平台的能力结合在一起。

    边缘计算和云计算的挑战

    以一个视频监控系统为例,人们可能希望监控录像能够存储在云存储而不是边缘。这是由于云计算具有更好的物理安全性,以及固有的冗余,无限的弹性,非常低成本的存储层,适合长期存档,并且完美匹配的优点。然而在实践中,这种选择也有一些问题:是否能够在互联网服务中断期间保存视频录像?是否需要能够快速从存档中本地检索视频?这些限制意味着边缘存储仍然像以前一样重要。

    虽然云存储显然存在一些缺陷,但边缘存储也有其缺陷。需要定期备份到安全的远程位置,以避免在发生本地灾难时丢失数据。此外,在站点之间进行边缘存储协作并不容易,并且由于缺乏本地IT人员而极难进行大规模管理。最后,它很容易被窃取,而且无法搜索,造成了“暗数据”的孤岛。

    各地的IT部门都在花费大量的时间和资金来管理边缘存储。当员工购买新电脑时,IT需要将数据从旧设备传输到新设备。当小型分支机构服务器发生故障时,IT人员需要前往远程位置,并花费数天时间从备份中恢复数据,并使所有内容再次运行。这些都是昂贵低效的,并且规模很小。完全依靠边缘存储真正“生活在边缘”,并不是积极的方式,这是一个很大的错误。

    结合边缘和云计算的优势

    因此,企业需要一种结合边缘计算和云存储优势的混合解决方案,这就是“边缘到云”的用武之地。根据调研机构Gartner公司的说法,“边缘到云”是2018年IT行业的主要趋势之一。实现云计算和边缘计算协同作用所需的关键技术是边缘缓存,通常采用边缘网关的形式。这些网关采用原有服务器中的所有文件,其中包括现有的安全ACL和共享,并将所有文件推送到云端,同时提供与传统网络共享相同的体验。添加一个智能本地缓存层,一切都像以前一样快速响应。这些缓存设备(以硬件或软件形式提供)还允许组织在全球互联网服务中断期间继续在本地创建文件,并继续编辑常用文件。

    由于数据现在存在于云端,但可以从全球任何地方以本地速度访问,因此出现了以前无法实现的新的跨站点协作机会。突然之间,以前的暗数据都在企业的控制之中,在自己的私有云中,在可搜索、可分析和可共享的存储库中,“边缘到云”使组织可以从任何地方获取所有数据,这对企业产生了一些真正的影响,这就是为什么企业CIO应该认真考虑实施“边缘到云”模式的原因。

    展开全文
  • 云计算开源产业联盟 云计算边缘计算协同九大应用场景.pdf
  • 云计算边缘计算协同发展的探索与实践.pdf
  • 2019年云计算边缘计算协同九大应用场景35页.pdf
  • 2019年云计算边缘计算协同九大应用场景com.pdf
  • 云计算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...同时对云计算边缘计算协同服务目前存在的问题进行了总结

    云计算与边缘计算发展背景

       在物联网、云计算等技术被广泛应用的背景下,越来越多的终端设备数量加入网络,据统计,2020年后全球联网终端数量将超过500亿[1]。海量的终端数量以及用户要求的低延迟使得集中式云计算不再满足现有需求,边缘计算应运而生。Gartner预计,到2022年,随着数字业务的不断发展,75%的企业所生成的数据将会在传统的集中式数据中心或云端之外的位置被处理,而到2025年,80%的企业将关闭传统数据中心。
       边缘计算指在数据源头一侧,拥有网络、计算、存储、应用核心能力的开放式平台。边缘计算提供在快速连接、业务实时、数据融合、智能应用、安全隐私保护等方面满足行业数字化转型所需要的智能服务。云计算在云端对数据进行处理、算法决策,与边缘计算的差异体现在多源异构数据处理、带宽负载和安全等方面。
       边缘计算在网络边缘进行分析、处理、存储数据,同时云计算与边缘计算将协同融合进行工作,是云计算与边缘计算发展的方向。基于云计算注重非实时、长周期的大数据分析,而边缘计算注重实时、短周期数据分析的特点,云边协同可以是云计算分析优化业务规则将其传递到边缘,进而边缘计算基于业务规则进行智能处理。

    云边协同服务

    云边协同管理及参考框架

    云边协同管理

       边缘计算是涉及到EC-IaaS、EC-PaaS、EC-SaaS的端到端开放平台。典型的边缘计算节点中网络、虚拟化资源、RTOS等属于EC-IaaS能力,数据面、控制面、管理面等属于EC-PaaS能力,行业应用属于EC-SaaS能力[2]。
       边云协同涉及IaaS、PaaS、SaaS各层面的协同。EC-IaaS与云端IaaS可实现对网络、 虚拟化资源、安全等的资源协同,EC-PaaS与云端PaaS可实现数据协同、智能协同、应用管理协同、业务管理协同,EC-SaaS与云端SaaS可实现服务协同。不是所有云边协同场景下都会涉及到所有的云边协同能力,在具体场景中结合实际,会使用不同的协同能力,且不同场景下,云边协同能力也会存在差异。
    云边协同管理
       服务协同中,边缘节点根据云端策略实现部分ECSaaS服务,通过ECSaaS与SaaS的协同实现面向客户的按需SaaS服务,云端主要提供SaaS服务在云端和边缘节点的服务分布策略,以及云端承担的SaaS服务能力。
       业务管理协同,边缘节点提供模块化、微服务化的应用实例,云端根据功能需求实现业务编排能力。应用管理协同,边缘节点进行应用部署,同时对多个应用的生命周期进行管理,云端进行应用开发和环境测试,以及对应用生命周期管理。智能协同,边缘节点根据模型执行功能,实现分布式运算,云端进行对模型的集中式训练,并将模型更新到本地边缘节点。数据协同,边缘节点负责终端数据的采集,按照业务规则和模型对数据进行初步的处理,将处理结果及数据传送到云端,云端进行海量数据的存储、分析与挖掘。云边的数据协同支持数据在云和边缘之间进行有序可控流动,形成完整数据流通路,在高效率低成本的前提下进行生命周期管理与数据价值挖掘。
       资源协同,边缘节点提供计算、存储、网络、虚拟化等基础设施,同时与云端进行协同,执行云端资源调度管理策略,包括边缘节点的设备管理、资源管理以及网络联接管理。

    云边协同参考框架

       支持云边协同参考架构需考虑其连接能力、信息特征、资源约束性、资源、应用于业务的管理编排。根据以上因素,对云边协同参考架构的模块进行规划。
       边缘侧包含基础设施能力、边缘平台能力、管理与安全能力、应用与服务能力。基础设施能力需包含计算、存储网络、各类加速器以及虚拟计划能力,考率嵌入式对时延等方面的要求。边缘平台能力包含数据协议模块(可扩展支撑行业通信协议)、数据处理分析模块。管理包括边缘节点设备、基础设施资源、边缘应用管理等。安全则为多层次安全,包括芯片级、操作系统级、平台级、应用级等。应用与服务分为两类进行考虑,具备部分特征的应用于服务部署在边缘节点,部分部署在云端,云边协同提供一站式应用服务;部分模块部署在边缘节点,部分模块部署在云端,云边协同提供某一整体的应用与服务。
       边缘侧包含平台能力及边缘开发测试云。平台承担边缘接入、数据处理分析、边缘管理与业务编排。数据处理分析需对时序数据库、数据整形、筛选、大数据分析、流分析、函数、人工智能集中训练进行规划。边缘管理与业务编排需对边缘节点设备、基础设施资源、应用、业务等生命州及管理以及各类应用的业务编排进行规划。在某些场景中,涉及通过提供云边协同的开发测试能力以满足整个生态系统发展需求。
    云边协同参考架构

    云边协同模式

       文献[3]中将云边协同分为三种模式:训练计算的云边协同,云端根据边缘所上传的数据对模型进行设计、训练,边缘负责收集数据并根据最新的模型进行处理。云导向的云边协同,云端承担模型的设计、训练和更新, 以及模型前段的计算任务, 并将中间结果传输给边缘端, 让边缘端继续执行计算任务得到最终结果,主要目的是使云端和边缘端的计算量和通信量较为均衡。边缘导向的云边协同,云端只负责初始的模型训练工作, 边缘端下载已经完成训练的模型,在执行计算任务的同时,实时利用数据对模型进行后续训练,通过该模式,模型能够更好的时应应用的个性化需求,优化对局部数据的利用效果。
       学者在文献[4]中提出了一种双层的多云中心协同范式,利用上层云中心和边缘云协同工作,进行有效的移动的复杂计算,是上述所提及的边缘导向的云边协同模式。其中,终端设备(摄像头)收集图像、视频等数据,并将其压缩后发送给边缘节点,边缘节点运行轻量级的物体检测算法,挑选出不能检测的图像或之心度较低的检测结果发送到云端,云端对数据进行全面的计算、处理,同时整合边缘节点的数据,更新在边缘节点的算法模型。整个应用由于是基于无线终端,因此部署简单。与传统的云计算相比,此处体现了云边协同的极大优势,边缘节点延迟较低,将数据压缩并在边缘节点处理,保持精度的同时降低带宽占用,云端整合多个边缘节点数据并帮助更新模型,则将精度进一步提高。
       在模型中,压缩图像使用的不是JPEG,而是将图像中的关键区域保留,压缩其他区域,以此保持检测精度。网络状况的不稳定,压缩率过高导致精度降低,由此需在压缩率和精度之间做权衡。终端使用的压缩与之根据边缘节点的检测准确度进行合理调整,使用的模型由云端进行线下训练,在云端收到边缘节点发送的无法识别数据时,云端将此物体相关的图像加入训练集,重新训练后,更新模型并将新的模型推送给边缘节点。

    MEC云边协同

       MEC在移动网边缘提供IT服务环境和云计算能力,通过在网络边缘服务器执行密集型计算任务,以降低核心网络和传输网络的拥塞,从而减小网络带宽压力,降低时延,提升用户体验。
       传统网络结构由三个部分组成:无线接入网,由基站组成,负责移动终端的接入;移动核心网,由高性能路由器和服务器组成,将无线基站连接到外部网络;应用网络,由应用服务器包括数据中心和服务器等组成。通过这种传统的网络结构,进行用户终端和应用服务器中数据的传递,完成用户的业务需求。
       随着服务如AR/VR的出现,传统的网络结构已经无法支撑,从而衍生出MEC,将网络业务下沉到接近用户的边缘侧,从而达到减小时延、避免网络拥塞的目的。

    本地分流

       本地分流将部分业务流直接导向到本地网络而不上传到Internet,或将业务分流到部署在边缘节点的应用中,在本地进行实时处理分析。
       对用户而言,本地分流带来的益处体现在低时延、高带宽提供的良好业务体验。基于本地分流极强的地域性,业务提供商可针对指定区域内用户提供定制业务。对运营商而言,本地分流最大一处在于降低网络负担,减少网络流量在核心网和骨干网中的流动,对于提升网络效率存在巨大意义。
       本地分流涉及业务流识别、本地业务提供、计费运营等,因此边云协同主要包括资源协同、数据协同、应用管理协同、业务管理协同。资源协同包括计算、存储、网络、虚拟化等基础设施调度管理的协同以及相关设施资源的运营协同。其中网络资源多为无线资源为,对于实时性、确定性要求较高。由于MEC边缘节点资源丰富,进行基础设施资源调度时,边缘节点负责边缘基础设施资源管理,同时受云端资源管理,云端负责对区域内的基础设施作整体资源调度与管理。运营要求边缘节点提供计费原始信息,对本地分流进行动态监测,并根据云端所设定的策略执行分流。不同业务类型对云边数据协同要求迥异,如视频点播类业务,是从云到用户单向推送,主要需求为降低时延,边缘节点通过提供部分业务和数据缓存,有效降低时延;监控等业务类型中,主要是从用户到云端单向回传,主要需求为降低上行带宽,此时需要MEC在本地对数据进行初步处理分析,并根据云端业务规则上传部分数据,减小数据上传压力和网络拥塞;双向互动类业务如VR/AR等,同时对降低带宽和时延有要求,MEC根据业务规则,需进行数据缓存、计算处理,并将部分数据送至云端。
    本地分流

    网络能力开放

       运营商通过网络能力开放,提升通信网络的各类底层信息的价值。网络中产生的大量数据,包括用户位置信息、服务质量等由于价值密度低,未能被完全利用,运营商可进行业务开发或将数据信息打包以API形式提供给第三方,用于提升第三方用户体验。
       网络能力开放涉及网络能力的开放和运营管理,因此其云边协同包括资源协同、业务管理协同。边缘侧提供API使用计费的相关原始数据信息,云端进行计费,同时边缘侧对API的使用情况进行动态监测,并执行云端定义的业务规则,云端根据API的监测数据进行处理分析,对业务规则进行智能调整。
    网络能力开放

    MEC云边协同技术

       将网络能力原子化封装,以此将网络能力以微服务和为模块的方式对外开放。微服务架构中,每个服务运行在单独的进程,并使用HTTP API等轻量级通信机制,是基于业务能力进行搭建,能够进行自动化部署,并保持最低限度的集中式管理。网络能力原子化封装提供的接口更加通用,实现了真正的跨平台,并能够进行分布式去中心化的部署,更适用于众多场景。
       网络及虚拟化编排涉及通信运营商类网元的各项功能和APP的管理编排。对于传统的MANO,只能管理满足ETSI-NFV规范的VNF。在边缘侧业务平台中,在部署VNF的同时,还需部署第三方的边缘应用。此时传统的MANO无法实现对于业务和APP的管理编排,需增加编排模块MEPO和MEPM,以实现诸多的生命周期管理。

    云边协同亟待解决的问题

       边缘计算CROSS价值体系包括五个方面,联接的海量和异构(Connection),业务的实时性(Real-time),数据的优化(Optimization),应用的智能性(Smart)和安全隐私保护(Security)[2]。近几年,网络中各种类型联接设备数量剧增,多种工业以太网共存,同时工业现场中存在大量异构的总线联接,导致网络可扩展难度加大,运维成本升高,可靠性无法保障。在实际生产环境中,多种应用场景都存在对实时性的高要求,尽管已经云边协同模式已经将部分业务规则及模型转移到边缘侧,但可能出现的边缘节点无法处理的数据,将其发送到云端重新进行训练处理后,再将模型更新到边缘,将导致无法满足用户需求的时延,此处需根据实际应用场景,考虑此种情况下的业务规则。目前,工业领域和物联网产生大量的多样化和异构数据,所以有必要数据优化实现聚合数据和数据的统一,以促进边缘应用灵活和有效。安全保障实现需从云端到边缘计算节点,边缘侧靠近终端设备,访问控制和威胁防护的难度等级高,需要保障包括设备安全、数据安全、应用安全、网络安全。同时在数据传输中,尽管边缘计算在边缘节点对数据进行处理,但由于和云端进行数据流通的某些需要,仍然要将数据上传到云端,需在此过程中保证数据得完整性和保密性。

    结论

       每年都以指数级规模增长的数据对云边协同提出了要求,在网络边缘处理大部分数据是现阶段减少核心网络流量、减少网络拥塞的最佳方案。通过云端和边缘计算节点的智能协同工作,放大云计算和边缘计算的应用价值。MEC的云边协同应用场景中,通过针对边缘侧进行业务开发和将数据信息打包以API的形式开放,都能有效提高通信网络底层的信息价值。
    目前云边协同的应用仍然存在诸多问题,相信通过调整更详细的云端策略、新技术的开发和智能协同,能够优化云边协同在众多场景的应用,为未来科学技术的可持续发展注入新的活力。

    参考文献

    [1]Mao Y , You C , Zhang J , et al. A Survey on Mobile Edge Computing: The Communication Perspective[J]. IEEE Communications Surveys & Tutorials, 2017, PP(99):1-1.
    [2]边缘计算产业联盟. 边缘计算与云计算的协同白皮书[R]. 2018
    [3]Ren J J, Wang H C, Hou T T, Zheng S, Tang C S. Federated learning-based computation offloading optimization in edge computing-supported internet of things. IEEE Access , 2019, 7: 69194−69201
    [4]J. Ren, Y. Guo, D. Zhang, Q. Liu and Y. Zhang, “Distributed and Efficient Object Detection in Edge Computing: Challenges and Solutions,” in IEEE Network, vol. 32, no. 6, pp. 137-143, November/December 2018, doi: 10.1109/MNET.2018.1700415.
    [5]杨鑫,赵慧玲.MEC的云边协同分析[J/OL].中兴通讯技术:1-5[2020-07-11].http://kns.cnki.net/kcms/detail/34.1228.TN.20200619.1436.002.html.
    [6]白昱阳,黄彦浩,陈思远,张俊,李柏青,王飞跃.云边智能:电力系统运行控制的边缘计算方法及其应用现状与展望[J].自动化学报,2020,46(03):397-410.
    [7]徐恩庆,董恩然.云计算与边缘计算协同发展的探索与实践[J].通信世界,2019(09):46-47.

    展开全文
  • 本白皮书以《云计算边缘计算协同九大应用场景》为题,由中国信通院联合产业多方撰写。旨在以理性而乐观的态度,分析云边协同在典型场景下的应用需求业务模式,为引导产业发展制定相关标准做铺垫、打基础。
  • 云计算边缘计算协同九大应用场景(2019年).rar
  • 云计算边缘计算协同九大应用场景(2019年).pdf
  • 2019年7月刚发布的《云计算边缘计算协同九大应用场景(2019)》白皮书,高清非扫描版,不带书签,共37页全文,PDF版本。
  • 2019年云计算边缘计算协同九大应用场景研究报告(38页)
  • 4974. 云计算边缘计算协同九大应用场景(2019年).pdf
  • 云计算边缘计算协同九大应用场景(2019年-工信部信通院权威发布).rar
  • 2019年云计算边缘计算协同九大应用场景-2019.6-38页
  • 2019年云计算边缘计算协同九大应用场景-2019.6-38页.pdf
  • 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 爆局势难免有一些炒作因素在推波助澜,毕竟边缘计算的概念存世也 已多年。当然,毋庸置疑...
  • 来源:云计算开源产业联盟摘要:从边缘计算诞生开始,就一直有声音说边缘计算云计算的“终结者”。但经过时间的验证,云计算和边缘计算的关系更加清晰:由于边缘计算解决了在边缘资...

    640?wx_fmt=jpeg

    来源:云计算开源产业联盟

    摘要:从边缘计算诞生开始,就一直有声音说边缘计算是云计算的“终结者”。但经过时间的验证,云计算和边缘计算的关系更加清晰: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,边缘计算与云计算势必彼此融合,随之而来的就是“云边协同”。


    边缘计算是对云计算的有效补充


    实时或更快速的数据处理和分析。数据处理更接近数据来源,而不是在外部数据中心或云端进行,因此可以减少延迟时间。例如,自动驾驶汽车创造了大量的实时数据,其中大部分数据需要与邻近的汽车共享,数据上传到云端进行计算,再下放到终端设备,数据传输的延迟时间是不能被接受的。利用边缘计算设备,就能够确保信息进行快速处理并作出正确的反应,同时把信息快速传递到其它车辆。


    较低的成本。企业在本地设备的数据管理解决方案上的花费比在云端和数据中心网络上的花费要少。


    网络流量较少。随着联网设备的增多,将会产生大量的实时数据,据IDC预测,到2020年,全球数据总量将大于40ZB,大量的数据要上传到云端进行计算,网络传输压力会越来越大,而边缘计算的过程中,与云端服务器的数据交换并不多,只需要将少量的有效信息上传到云端,因此不需要占用太多网络带宽。


    更高的应用程序运行效率。随着滞后减少,应用程序能够以更快的速度更高效的运行。


    可离线运行并支持断点续传。减少对云端的依赖也意味着某些设备可以稳定地在信号较弱,甚至没有网络服务的地区离线运行;当需要上传数据时,只需要将设备移动到有信号覆盖的区域,就可以将数据上传到云端。例如在海洋中的石油钻井平台,正在空中飞行的飞机等场景,都是严重缺乏网络服务地特定地区。


    安全性和合规性。2018年5月欧盟通过《通用数据保护条例》(GDPR),称为史上最严格地数据保护法律。由于数据地收集和计算都在本地进行,敏感信息可以不经过网络传输到云端,能够有效地避免传输过程中地数据泄漏,同时云端遭到攻击,一部分信息也会收到相应的保护。


    边缘计算要依托云计算发展


    物联网中的设备产生大量的数据,数据都上传到云端进行处理,会对云端造成巨大的压力,所以要分开处理。这时候,分布在各个节点的边缘计算将负责自己范围内的数据计算和存储工作。而对于应用场景来说,这还远远不够。


    以自动驾驶为例,未来的计算模式是边缘计算与云计算结合,边缘侧的自动驾驶专用芯片会感知传感器数据并立刻处理、做决策;同时,这些处理之后的数据,也会在云端汇聚,进行大数据分析、模型搭建和编辑,同时做大规模的仿真,进行深度分析和机器学习,并对边缘侧设备进行更新和升级,使边缘侧设备更智能。算法+芯片+云计算,构成了未来自动驾驶的三大核心支点。


    再以物联网为例,阿里云发布的边缘计算产品Link Edge。确实通过赋予家庭网关计算能力,即便是在断网的状态下,诸如生物识别门锁、机器人等都能正常运作。但是,如果加上云计算,基于云端的大数据分析和判断,在联动的前提下,整个家庭场景的智能设备将变得更为个性化和智能化,譬如关上门的时候,扫地机器人就开始运作等等。


    由此可以看出边缘侧设备在大数据处理,大数据存储,应用程序开发、机器学习和人工智能等方面的处理能力无法与云端相比。同时,在云端的应用设计、开发、测试、部署、管理等功能是开发边缘应用的关键。


    云计算无法被边缘计算替代,二者相互补充协同


    结合上面的例子可以看出,提供边缘计算能力的设备主要在前端,负责数据的实时采集、计算和处理。但是,大多数的数据并不是一次性数据,那些经过处理的数据需要在系统中进行留存,用以做算法训练、数据验证等用途。这时候就需要一个大容量的“容器”,而这个是边缘计算所没有的。在这个“容器”中,这些数据将被存储,用于大数据挖掘、算法训练、用户个性化功能塑造等等,这些都是非实时需求,在完成这些操作之后将数据传输给终端设备,从而进一步提升服务质量。这个“容器”就是云计算,云计算做大数据分析挖掘、数据共享,同时进行算法模型的训练和升级,升级后的算法推送到前端,使前端设备更新和升级,完成自主学习闭环。同时,这些数据也有备份的需要,当边缘计算过程中出现意外情况,存储在云端的数据也不会丢失。


    从整体来看,边缘计算并不能代替云计算,也离不开云计算。未来,云计算将与边缘计算形成一种互补、协同的关系,边缘计算需要与云计算通过紧密协同才能更好的满足各种应用场景的需求。边缘计算将主要负责那些实时、短周期数据的处理,负责本地业务的实时处理与执行,为云端提供高价值的数据;云计算通过大数据分析,负责非实时、长周期数据的处理,优化输出的业务规则或模型,下放到边缘侧,使边缘计算更加满足本地的需求,同时完成应用的全生命周期管理。


    如何实现协同依然存在较多困难点


    云计算与边缘计算在磨合中逐步走向协同发展,但是在当前的形势下,云计算与边缘计算协同还面临诸多挑战。


    连接协同。网络是系统互联与数据聚合传输的基石。伴随联接设备数量的剧增,网络运维管理、灵活扩展和可靠性保障面临巨大挑战。同时,工业现场长期以来存在大量异构的总线联接,多种制式的工业以太网并存,如何兼容多种联接并且确保联接的实时可靠是必须要解决的现实问题。


    数据协同。统一数据联接和数据聚合是业务智能的基础,面对当前工业现场存在的多样化与异构的技术和标准,离不开跨厂商、跨领域的数据集成与互操作。


    任务协同。任务的下达和反馈是实现引用场景功能的重要沟通手段,云端面对海量的边缘侧设备和复杂的应用环境,如何能够将任务准确完整的下达到边缘侧;边缘侧设备通过边缘计算后,如何将有效信息整合到任务中进行反馈都是考验云边协同能力的重要指标。


    管理协同。云边协同的管理协同包含两方面的内容:一是云端如何对海量和异构的边缘侧设备的接入进行统一和有效的管理;二是如何对边缘侧设备和云端的应用开发管理、生命周期管理、业务管理进行协同,保证边缘侧设备和运算能够共同完成应用场景的管理工作。


    安全协同。安全横跨云计算和边缘计算,需要实施端到端防护。网络边缘侧由于更贴近万物互联的设备,访问控制与威胁防护的广度和难度因此大幅提升。边缘侧的设备和产生的数据接入到云端的安全和隐私如何保证,云端如何抵御来自边缘侧的攻击,云端下放到边缘侧的数据如何保证安全,这些都是安全领域需要关注的重点内容。大部分应用场景中,边缘计算和云计算分属不同的提供者,如何兼顾和协调边缘侧和云端的安全和隐私,同样是云边协同中的安全重点。


    多方协同。边缘计算和云计算协同应用场景越来越多,越来越复杂,比如在车联网应用中,存在多种传感器和采集器之间的协同、汽车之间的协同、汽车端与云端协同等环境将会越来越复杂。如何在同一应用场景中实现云边协同、边边协同、多边协同等多方协同方案,也成为越来越需要着重考虑的问题;如何在统一不同应用场景中的云边协同、边边协同、多边协同也是另一个重要的方面。同时,在运营商层面,边缘云与核心云、边缘云与边缘云之间如何协同也是运营商关注的重点。

    -End-


    未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


    未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


      如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


    640?wx_fmt=jpeg

    展开全文
  • 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一些炒作因素在推波助澜,毕竟边缘计算的概念存世也已多年。当然,毋庸置疑的...
  • 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一些炒作因素在推波助澜,毕竟边...


    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一些炒作因素在推波助澜,毕竟边缘计算的概念存世也已多年。当然,毋庸置疑的是,工业互联网的大力推动、5G 大规模商用的持续酝酿等因素,让整个产业对 IT 和 OT 的深度融合充满信心和期待。这种情况下,也许边缘计算不火也难。

    为了褒扬边缘计算,有些声音把云计算的概念描述的稍显狭隘或者刻意地把云计算放到了边缘计算的对立面。但从技术或商业演进的实际情况来看,边缘计算其实更多的是云计算向终端和用户侧延伸形成的新解决方案。边缘计算本身就是云计算概念的延伸,即便是赋予其独立的概念,也无法做到与云计算切割开,二者本就是相依而生、协同运作的。云边协同将成为主流模式,这种协同模式下,云计算在向一种更加全局化的分布式节点组合新形态进阶。

    在开展云边协同相关研究的初期,本白皮书以《云计算与边缘计算协同九大应用场景》为题,由中国信通院联合产业多方撰写。旨在以理性而乐观的态度,分析云边协同在典型场景下的应用需求和业务模式,为引导产业发展和制定相关标准做铺垫、打基础。

    一、云边协同的新浪潮

    (一)边缘计算是云计算向边缘侧分布式拓展的新触角

    欧洲电信标准化协会认为边缘计算是在移动网络边缘提供 IT 服务环境和计算能力,强调靠近移动用户,以减少网络操作和服务交付的时延,提高用户体验。

    Gartner 认为边缘计算描述了一种计算拓扑,在这种拓扑结构中, 信息处理、内容采集和分发均被置于距离信息更近的源头处完成。

    维基百科认为边缘计算是一种优化云计算系统的方法,在网络边缘执行数据处理,靠近数据的来源。

    边缘计算产业联盟认为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。

    开放雾计算联盟认为雾计算是一种水平的系统级架构,可以将云到物连续性中的计算、存储、控制、网络功能更接近用户。

    上述边缘计算的各种定义虽然标书上各有差异,但基本都在表达一个共识:在更靠近终端的网络边缘上提供服务。

    中心-边缘-端,的形态从电信开始之初就已经形成。电信时代,程控交换中心、程控交换机、电话形成了最初的“中心-边缘-端” 形态;互联网时代,数据中心、CDN、移动电话/PC 延续了这种形态;到达云计算+物联网时代,云计算中心、小数据中心/网关、传感器则形成了新的“云-边-端”形态。

    640?wx_fmt=jpeg

    如果仅从边缘侧本身寻求边缘计算的定义,似乎很难让人完全接受这个似乎有点包罗万象的新事物。一个比较简单的质疑就是,智能终端、家庭网关或者其他早就存在我们身边的计算设备,难道隐藏了多年的边缘计算身份么。

    为了褒扬边缘计算,有些声音把云计算的概念描述的稍显狭隘或者刻意地把云计算放到了边缘计算的对立面。但从技术或商业演进的实际情况来看,边缘计算其实更多的是云计算向终端和用户侧延伸形成的新解决方案。边缘计算本身就是云计算概念的延伸,即便是赋予其独立的概念,也无法做到与云计算切割开,二者本就是相依而生、协同运作的。

    在本白皮书中,我们认为,在面向物联网、大流量等场景下, 为了满足更广连接、更低时延、更好控制等需求,云计算在向一种更加全局化的分布式节点组合形态进阶,边缘计算是其向边缘侧分布式拓展的新触角。

    值得一提的是,中国信通院牵头撰写的《Global Management Framework of Distributed Cloud》已在ITU 成功立项,旨在基于中心云与边缘云形成的分布式一体化形态上,探索全局化管理新框架。

    640?wx_fmt=jpeg


    二)边缘计算典型产品和业务模式

    主宰云计算市场的巨头公司

    依托云计算技术先发优势,将云计算技术下沉到边缘侧,以强化边缘侧人工智能为契机,大力发展边缘计算。

    工业企业依托丰富的工业场景,开展边缘计算实践强化现场级控制力。电信运营商正迎接 5G 市场机遇,全面部署边缘节点,为布局下一代基础设施打下牢牢的根基。

    ICT 服务商将云计算能力逐步扩展到边缘设备

    在国际上,云计算巨头亚马逊、微软和谷歌都已经推出了相关边缘计算产品。亚马逊推出 AWS Greengrass 功能软件,将 AWS 扩展到设备上,在本地处理终端生成的数据,同时仍然可以使用运来进行管理、数据分析和持久的存储;微软发布Azure IoT Edge 边缘侧产品,将云分析扩展到边缘设备,支持离线使用,同时聚焦边缘的人工智能应用;谷歌也在 2018 年推出了硬件芯片 Edge TPU 和软件堆栈Cloud IoT Edge,可将数据处理和机器学习功能扩展到边缘设备, 使设备能够对来自其传感器的数据进行实时操作,并在本地进行结果预测。

    在国内,阿里、腾讯、百度、华为、中兴通讯、数梦工场、新华三等也推出了相应的边缘计算产品。

    阿里推出Link IoT Edge 平台。通过部署在不同量级的智能设备和端侧计算节点中。通过定义物模型连接不同协议、不同数据格式的设备,提供安全可靠、低延时、低成本、易扩展的本地计算服务;腾讯针对边缘计算推出了 CDN Edge, 将数据中心的服务下沉至 CDN 边缘节点,以最低的延迟相应终端用户,同时降低用户数据中心的计算压力和网络负载;百度推出智能边缘 BIE,将云计算能力拓展至用户现场,提供临时离线、低延时的计算服务,同时配合智能边缘云端管理套件,形成“云管理,端计算” 的端云一体解决方案;华为在 2018 年推出了 IEF 平台,通过纳管用户的边缘节点,提供将云上应用延伸到边缘的能力,联动边缘和云端的数据,为企业提供完整的边缘和云协同的一体化服务的边缘计算解决方案;中兴通讯推出了边缘计算产品,提供从硬件到软件全套的基础设施,支持多种边缘计算系统级方案,在边缘计算平台上提供多种高算力的应用的资源;数梦工场推出统一的 DT 资源管控产品,提供“两领域+三形态”的融合管控能力,覆盖中心节点领域、边缘节点领域以及云平台、数据中台、业务中台三种形态的统一管控;新华三推出了超融合边缘计算产品 UIS-Edge,支持多种硬件形态与部署方式,将云原生能力延伸至边缘,提供完善的设备接入、边缘计算及云边协同能力,为企业提供一站式云边端融合解决方案。

    工业企业依托丰富的工业场景发挥现场级应用能力

    海尔专门为物联网企业打造的一站式设备管理平台 COSMO- Edge 平台,提供多源的边缘设备接入能力与强大的边缘计算能力, 支持多种工业协议解析,提供可视化流式管道,提供数字化建模与实体映射,提供设备即服务的应用模式,帮助用户快速构建物联网应用, 实现数字化生产,助力于企业效益提升;树根互联提供的开放物联平台,提供物联网关Gateway、根云 T-Box 车载物联盒、根云连接器、根云物联代理开放平台等一系列覆盖主流工业控制器和工业协议解析,实现全行业各类设备一站式快速接入,提供便捷、便宜、开放的设备接入解决方案。

    电信运营商依托 5G 全面部署 MEC

    移动边缘计算(MEC)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,实现计算及存储资源的弹性利用。

    多接入边缘计算(MAEC)则是将边缘计算从电信蜂窝网络进一步延伸至其他无线接入网络。

    中国移动已在全国 10 省 20 多个地市现网开展 MEC 应用试点, 尝试构建基于边缘 TIC 的 MEC 端到端方案验证平台,并基于 5G 边缘云技术在 VR 上进行相关应用,未来将从标准、技术、产业三方面增强 MEC 与 5G 的结合;中国联通在 2018 年发布《中国联通 Edge- Cloud 平台架构及产业生态白皮书》,并在 15 个省市进行规模试点及试商用网络建设,计划 2019 年面向 5G 平滑演进,基于 Edge- Cloud 平台打造智慧港口、智能驾驶、智慧场馆、智能制造、视频监控、云游戏、智慧医疗等 30 余个试商用样板工程;中国电信在深圳召开的5G 创新合作大会上对外展示了自主研发的基于分布式开放平台的边缘计算 MEC 平台,该平台就近提供边缘智能服务,支持固定/移动网络接入、第三方能力/应用灵活部署以及边缘能力统一开放, 可应用于工业互联网、高清视频、车联网等行业。

    云计算与边缘计算如何协同

    以物联网场景举例。物联网中的设备产生大量的数据,数据都上传到云端进行处理,会对云端造成巨大的压力,为分担中心云节点的压力,边缘计算节点可以负责自己范围内的数据计算和存储工作。同时,大多数的数据并不是一次性数据,那些经过处理的数据仍需要从边缘节点汇聚集中到中心云,云计算做大数据分析挖掘、数据共享, 同时进行算法模型的训练和升级,升级后的算法推送到前端,使前端设备更新和升级,完成自主学习闭环。同时,这些数据也有备份的需要,当边缘计算过程中出现意外情况,存储在云端的数据也不会丢失。

    640?wx_fmt=jpeg

    云计算与边缘计算需要通过紧密协同才能更好地满足各种需求场景的匹配,从而最大化体现云计算与边缘计算的应用价值。同时,从边缘计算的特点出发,实时或更快速的数据处理和分析、节省网络流量、可离线运行并支持断点续传、本地数据更高安全保护等在应用云边协同的各个场景中都有着充分的体现。

    二、云边协同九大应用场景

    本白皮书将对云边协同在 CDN、工业互联网、能源、智能家庭、智慧交通、安防监控、农业生产等场景中的应用进行介绍,同时对云边协同在医疗保健、云游戏等场景中的前景进行分析。

    一)云边协同在 CDN 场景中的应用

     价格和网络成为 CDN 发展痛点

    价格过高。随着国内互联网的大踏步发展,CDN 服务作为互联网内容的快递员,显得越发重要了。对于专业的CDN 服务商,其专注核心业务的发展,易扩大经营规模,进入市场较早,具有成熟的运营机制和较高的服务能力。但由于CDN 运营的不灵活导致带宽资费设置不灵活,不能按需索取,导致 CDN 价格居高不下。

    占用网络资源带宽。视频类业务的快速增长对移动运营商的网络承载能力带来了很大的冲击。当前移动网的CDN 系统一般部署在省级IDC 机房,并非运行于移动网络内部,离移动用户较远,仍然需要占用大量的移动回传带宽,服务的“就近”程度尚不足以满足对时延和带宽更敏感的移动业务场景。另外,目前OTT 厂家已经规模部署了很多 CDN 节点,但 CDN 主要部署在固网内部,移动用户访问视频业务均需要通过核心网后端进行访问,对运营商的网络资源传输带宽带来了很大的挑战。

    CDN 与边缘云结合向下一代内容分发平台升级

    随着目前 5G 的部署,配合 AI 技术、大数据、云计算、IoT 等, 万物互联的信息时代将让互联网进入一个新的阶段,现阶段的 CDN 架构已经无法满足 5G 时代的应用需求,CDN 将迎来以边缘云+AI 的新发展,以快速响应需求并实现服务能力、服务状态和服务质量的更加透明。通过将CDN 部署到移动网络内部,比如借助边缘云平台将vCDN(virtual Content Delivery Network,虚拟内容分发网络)下沉到运营商的边缘数据中心中,将大大缓解传统网络的压力,并且提升移动用户视频业务的体验。基于云边协同构建CDN,不仅在中心IDC 的基础上扩大 CDN 资源池,同时还可以有效的利用边缘云进一步提升CDN 节点满足资源弹性伸缩的能力。

    640?wx_fmt=jpeg

    CDN 云边协同适用于本地化+热点内容频繁请求的场景,适用于商超、住宅、办公楼宇、校园等。

    对于近期热点视频和内容,可能出现本地化频繁请求,通过一次远端内容回源本地建立 vCDN 节点之后,本地区内多次请求热点内容均可从本地节点分发,提高命中率,降低响应时延,可提升 QoS 指标。同理,还可将此类过程应用于 4K、8K、AR/VR、3D 全息等场景,本地化快速建立场景和环境,同时提高用户体验,降低眩晕感和延迟卡顿。 

    典型案例

    中国电信自主研发的内容边缘化分发缓存的虚拟网络(EECDN)。相比传统CDN,边缘节点更加下沉,将内容分发能力延伸至区县级,将源站内容分发至最接近用户的节点,使用户可就近获取所需内容, 解决带宽及性能带来的访问延迟问题,从而提高用户访问的响应速度和成功率,适用于站点下载加速、点播、直播等场景。

    (二)云边协同在工业互联网场景中的应用

     

    工业互联网助力工业企业智能化转型

    近年来,在国家供给侧改革政策的推动下,工业领域的需求在持续复苏,但在人们对于物质品质需求不断提高、人力成本不断上涨以及上游材料成本提升等多重因素下,逼迫工业企业向智能化靠拢。工业互联网凭借其新一代信息技术与工业系统全方位深度融合的特点, 成为工业企业向智能化转型的关键综合信息基础设施。

    云边协同是工业互联网的重要支柱

    近年来,随着政府部门陆续出台相关政策支持以及生态建设的不断完善,中国工业互联网产业正在迅猛发展。据IDC 预测,到 2020 年全球将有超过 50%的物联网数据将在边缘处理,而工业互联网作为物联网在工业制造领域的延伸,也继承了物联网数据海量异构的特点。在工业互联网场景中,边缘设备只能处理局部数据,无法形成全局认知,在实际应用中仍然需要借助云计算平台来实现信息的融合,

    因此,云边协同正逐渐成为支撑工业互联网发展的重要支柱。

    工业互联网的边缘计算与云计算协同工作,在边缘计算环境中安装和连接的智能设备能够处理关键任务数据并实时响应,而不是通过网络将所有数据发送到云端并等待云端响应。设备本身就像一个迷你数据中心,由于基本分析正在设备上进行,因此延迟几乎为零。利用这种新增功能,数据处理变得分散,网络流量大大减少。云端可以在以后收集这些数据进行第二轮评估,处理和深入分析。

    同时,在工业制造领域,单点故障在工业级应用场景中是绝对不能被接受的,因此除了云端的统一控制外,工业现场的边缘计算节点必须具备一定的计算能力,能够自主判断并解决问题,及时检测异常情况,更好的实现预测性监控,提升工厂运行效率的同时也能预防设备故障问题。将处理后的数据上传到云端进行存储、管理、态势感知,同时,云端也负责对数据传输监控和边缘设备使用进行管理。

    640?wx_fmt=jpeg

     典型案例

    四川爱联科技有限公司,通过在工厂的网络边缘层部署边缘计算设备及配套设备,边缘计算设备通过数据采集模块从所有 PLC 设备采集实时数据,存储于实时数据库内,供 MES、ERP 等其他功能模块、系统调用处理,建立起工单、物料、设备、人员、工具、质量、产品之间的关联关系,保证信息的继承性与可追溯性,在边缘层快速建立一体化和实时化的信息体系,满足工业现场对实时性要求,实现工业现场的传感器、自动化设备、机器人的数据接入,提供数据采集、数据分析、人工智能(推理阶段)等服务。由边缘计算设备接入云端,实现大量、异地分布的数据接入,既可以向生产管理人员提供车间作业和设备的实际状况,也可以向业务部门提供客户订单的生产情况, 还能根据实际生产情况计算出直接物料的成本、产量、设备故障、消耗等,构建云端-边缘协同化的生产管理体系。

    云边协同在能源场景中的应用

     

    传统能源行业信息化转型痛点

    电力、石油石化等传统能源行业的信息化具有接入设备多、服务对象广泛、信息量大、业务周期峰值明显等行业特色。云计算技术虚拟化、资源共享和弹性伸缩等特点能够很好地解决服务对象广泛及业务周期峰值等问题,但对于海量接入设备产生的大量数据,如果全都上传至云端进行处理,一方面会给云端带来过大的计算压力;另一方面会给网络带宽资源造成巨大的负担。同时,由于电力、石油企业涉及的很多终端设备、传感器处于环境极端、地理位置偏远的地区,大部分都没有很好的网络传输条件,无法满足原始数据的大批量传输工作。

    2. 云边协同助力传统能源产业向能源互联网升级

    能源互联网是一种互联网与能源生产、传输、存储、消费以及能源市场深度融合的能源产业发展新形态,具有设备智能、多能协同、信息堆成、供需分散、系统扁平、交易开放等主要特征。

    在传统能源产业向能源互联网升级的过程中,利用云计算和边缘计算两方的优势,可以加速升级过程。

    以石油行业为例,在油气开采、运输、储存等各个关键环节,均会产生大量的生产数据。

    在传统模式下,需要大量的人力通过人工抄表的方式定期对数据进行收集,并且对设备进行监控检查,以预防安全事故的发生。抄表员定期将收集的数据进行上报,再由数据员对数据进行人工的录入和分析,一来人工成本非常高,二来数据分析效率低、时延大,并且不能实时掌握各关键设备的状态,无法提前预见安全事件防范事故。

    而边缘计算节点的加入,则可以通过温度、湿度、压力传感器芯片以及具备联网功能的摄像头等设备,实现对油气开采关键环节关键设备的实时自动化数据收集和安全监控,将实时采集的原始数据首先汇集至边缘计算节点中进行初步计算分析,对特定设备的健康状况进行监测并进行相关的控制。此时需要与云端交互的数据仅为经过加工分析后的高价值数据,一方面极大的节省了网络带宽资源,另一方面也为云端后续进一步大数据分析、数据挖掘提供了数据预加工服务,为云端规避了多种采集设备带来的多源异构数据问题。

    640?wx_fmt=jpeg

    云边协同中,要求终端设备或者传感器具备一定的计算能力,能 够对采集到的数据进行实时处理,进行本地优化控制,故障自动处理, 负荷识别和建模等操作,把加工汇集后的高价值数据与云端进行交互, 云端进行全网的安全和风险分析,进行大数据和人工智能的模式识别、节能和策略改进等操作。同时,如果遇到网络覆盖不到的地区,可以先在边缘侧进行数据处理,在有网络的情况下将数据上传到云端,云 端进行数据存储和分析。

    典型案例

    浪潮云的智慧能源管理解决方案,通过智能物联网网关连接终端感知层的水表、电表、燃气表、热能表等设备,在边缘侧实时采集设备数据,对数据进行处理,可以实现对终端设备的能搞管理、安全预警、无功补偿等操作,并可以进行断点续传;同时将分析后的数据上传到云端,云端对数据进行表码分析、用量分析、需量分析等大数据处理,同时存储大量数据,用户可以随时查询历史记录。

    云边协同在智能家庭场景中的应用

     

     智能化信息服务逐步进家入户

    随着信息化技术的逐步发展、网络技术的日益完善、可应用网络载体的日益丰富和大带宽室内网络入户战略的逐步推广,智能化信息服务进家入户成为可能。智慧家庭综合利用互联网技术、计算机技术、遥感控制技术等,将家庭局域网络、家庭设备控制、家庭成员信息交流等家庭生活有效结合,创造出舒适、便捷、安全、高效的现代化家居生活。

    云边协同赋予智能家庭新内涵

    在家庭智能化信息服务进家入户的今天,各种异构的家用设备如何简单地接入智能家庭网络,用户如何便捷地使用智能家庭中的各项功能成为关注焦点。

    在智能家庭场景中,边缘计算节点(家庭网关、智能终端)具备各种异构接口,包括网线、电力线、同轴电缆、无线等等,同时还可以对大量异构数据进行处理,再将处理后的数据统一上传到云平台。用户不仅仅可以通过网络连接边缘计算节点,对家庭终端进行控制, 还可以通过访问云端,对长时间的数据进行访问。

    同时,智能家庭云边协同基于虚拟化技术的云服务基础设施,以多样化的家庭终端为载体,通过整合已有业务系统,利用边缘计算节点将包括家用电器、照明控制、多媒体终端、计算机等家庭终端组成家庭局域网。

    边缘计算节点再通过互联网(未来 5G 时代还会通过 5G 移动网络)与广域网相连,继而与云端进行数据交互,从而实现电器控制、安全保护、视频监控、定时控制、环境检测、场景控制、可视对讲等功能。

    未来,智能家庭场景中云边协同将会越来越得到产业链各方的重视,电信运营商、家电制造商、智能终端制造商等都会在相应的领域进行探索。在不远的将来,家庭智能化信息服务业不仅仅限于对于家用设备的控制,家庭能源、家庭医疗、家庭安防、家庭教育等产业也将于家庭智能化应用紧密结合,成为智能家庭大家族中的一员。

    640?wx_fmt=jpeg

    典型案例

    小米家居智能防盗方案,通过门窗传感器+网关+智能摄像头的 组合,当门、窗推开,两只传感器错位,网关发出高分贝警报声同时 闪烁红色警报光,智能摄像头开启,录像上传云端,同时通知手机 App;警报声如果没有吓走入侵者,智能摄像头拍摄画面稍有异动(比如画面中闪过一个人影),立刻抓拍前后十五秒录像上传云端保存,实时 记录家庭内部情况。

    云边协同在智慧交通场景中的应用

     

    智慧交通发展中的痛点

    城市交通系统是一个复杂而巨大的系统,如何提高整个交通系统效率、提升居民出行品质是智慧交通最重要的关注点和挑战。在传统模式中,创新技术如何从实验室中落地到实际的交通应用中、各种传感器和终端设备标准如何统一规范、信息如何共享、大量生成数据如何及时进行处理等已经成为制约智慧交通发展的瓶颈。

    智慧交通借助云边协同向车路协同发展

    车路协同,是智慧交通的重要发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。

    • 据公安部统计,截至2018 年底,我国汽车保有量已突破 2.4 亿。


    • 辆,汽车驾驶人达到 3.69 亿人。


          可以预见,车路协同在我国有巨大的市场空间,这为智慧交通在我国的发展和落地提供了得天独厚的“试验场”。

    过去各方对于智慧交通的关注点主要集中在车端,例如自动驾驶, 研发投入也主要在车的智能化上,这对于车的感知能力和计算能力提 出了很高的要求,导致智能汽车的成本居高不下。另一方面,在当前的技术条件下,自动驾驶车辆在传统道路环境中的表现仍然不尽人意。国内外各大厂商逐渐意识到,路侧智能对于实现智慧交通是不可或缺 的,因此最近两年纷纷投入路侧的智能化,目标是实现人、车、路之 间高效的互联互通和信息共享。

    在实际应用中,边缘计算可以与云计算配合,将大部分的计算负 载整合到道路边缘层,并且利用 5G、LTE-V 等通信手段与车辆进行 实时的信息交互。未来的道路边缘节点还将集成局部地图系统、交通信号信息、附近移动目标信息和多种传感器接口,为车辆提供协同决 策、事故预警、辅助驾驶等多种服务。

    与此同时,汽车本身也将成为 边缘计算节点,与云边协同相配合为车辆提供控制和其他增值服务。汽车将集成激光雷达、摄像头等感应装置,并将采集到的数据与道路 边缘节点和周边车辆进行交互,从而扩展感知能力,实现车与车、车 与路的协同。云计算中心则负责收集来自分布广泛的边缘节点的数据,感知交通系统的运行状况,并通过大数据和人工智能算法,为边缘节 点、交通信号系统和车辆下发合理的调度指令,从而提高交通系统的 运行效率,最大限度的减少道路拥堵。

    640?wx_fmt=jpeg

    典型案例

    中兴通讯将视频监控与智能车辆控制相结合,在广西联通(柳州) 部署了自动泊车系统。此系统通过摄像头在停车场采集视频图像,由边缘云上的第三方应用进行视频本地处理和识别。识别后的车辆信息和位置信息通过电信核心网回传到部署有车辆控制应用的中心云中进行车辆泊车控制处理。无需在摄像头本地进行视频处理和分析,也不用全部视频回传到后端服务器处理。从而达到降低摄像头成本,提升传输和控制效率的目的。

    640?wx_fmt=jpeg

    云边协同在安防监控场景中的应用

     

    安防监控传统部署方式对网络和成本的要求较高

    目前安防监控领域,从部署安装角度,一般传统的监控部署采用有线方式,有线网络覆盖全部的摄像头,布线成本高,效率低,占用大量有线资源。采用WiFi 回传的方式,WiFi 稳定性较差,覆盖范围较小,需要补充大量路由节点以保证覆盖和稳定性。传统方式下需要将监控视频通过承载网和核心网传输至云端或服务器进行存储和处理,不仅加重了网络的负载,业务的端到端时延也难以得到有效的保障。

    同时,大量的摄像采集终端都配备较强的数据采集能力,一方面对摄像头的整体架构提出了较高的要求,如何在尺寸体积固定和耗电量较低的情况下,保证处理能力和便捷安装,同时另一方面又尽可能的保障摄像采集端成本较低,是一个比较重要的问题。

    云边协同引领安防智能化技术潮流

    基于上述诉求,可以将监控数据分流到边缘计算节点(边缘计算业务平台),从而有效降低网络传输压力和业务端到端时延。此外,视频监控还可以和人工智能相结合,在边缘计算节点上搭载 AI 人工智能视频分析模块,面向智能安防、视频监控、人脸识别等业务场景, 以低时延、大带宽、快速响应等特性弥补当前基于 AI 的视频分析中产生的时延大、用户体验较差的问题,实现本地分析、快速处理、实时响应。

    云端执行AI 的训练任务,边缘计算节点执行 AI 的推论,二者协同可实现本地决策、实时响应,可实现表情识别、行为检测、轨迹跟踪、热点管理、体态属性识别等多种本地 AI 典型应用。

    640?wx_fmt=jpeg

    典型案例

    华为云基于IEF平台的安平监控系统,通过在边缘的视频预分析,实现园区、住宅、商超等视频监控场景实时感知异常事件,实现事前布防、预判,事中现场可视、集中指挥调度,事后可回溯、取证等业务优势。边缘侧视频预分析,结合云端的智能视频分析服务,精准定位可疑场景、事件,不需要人工查询大量监控数据,效率高;通过云端可对边缘应用全生命周期进行管理,降低运维成本。

    640?wx_fmt=jpeg

    传统农业信息化发展痛点和趋势

    农业是万亿级规模的市场,但现阶段,我国农业信息化发展相对较为落后,信息化程度低。采集信息和数据不准确,带宽和网络覆盖不全面、生产风险不可控是传统农业信息化发展的三大痛点。

    未来农业信息化必将向智慧农业进行转型,以云计算、大数据、人工智能等计算机技术和互联网技术为基础的网络化、智能化、数字化农业将成为农业信息化发展的趋势。

    云边协同加速传统农业向智慧农业转型

    智慧农业是农业生产的高级阶段,是集新兴的互联网、移动互联网、云计算和物联网技术为一体,依托部署在农业生产现场的各种传感节点和无线通信网络实现农业生产环境的智能感知、智能预警、智能决策、智能分析、专家在线指导,为农业生产提供精准化种植、可视化管理、智能化决策。

    以智慧大棚为例:针对条件较好的大棚,安装有电动卷帘,排风机,电动灌溉系统等机电设备,通过云端可实现远程控制功能。农户可通过手机或电脑登录云端系统,控制温室内的水阀、排风机、卷帘 机的开关;也可在云端设定好控制逻辑,云端将控制逻辑下放到边缘 控制设备,边缘控制设备通过传感设备实时采集大棚环境的空气温度、空气湿度、二氧化碳、光照、土壤水分、土壤温度、棚外温度与风速 等数据,自动根据内外情况自动开启或关闭卷帘机、水阀、风机等大 棚机电设备。

    640?wx_fmt=jpeg

    典型案例

    阿里云智能大田作物种植解决方案,通过运用物联网和云计算技术,可实时远程获取大田种植园的相关信息,通过网络传输到云端, 经过作物生长模型分析适宜作物生长的各种条件,云端将分析后的模型下放到智能网关,智能网关根据模型和传感器采集到信息,对大田种植园中的各种设备实时进行控制,保证种植园的空气温湿度、土壤水分、土壤温度、CO2 浓度、光照强度。同时云边协同还可以根据作物长势或病虫草害情况,有效降低劳动强度和生产成本,减少病害发生,提升农产品品质和经济效益。

    云边协同在医疗保健场景中的应用分析

    医疗保健行业发展迅速后的担忧

    在国家政策的大力支持下,我国医疗健康产业未来市场前景广阔, 产业规模从 2011 年的1.6 万亿元增长至 2015 年的 3.9 万亿元,2016 年市场规模已经达到 4.6 万亿元,同比增长约 18%,2017 年市场规模已经达到 5.1 万亿元。

    根据《“健康中国 2030”规划纲要》指出,预计到 2020 年,我国健康产业总规模将超过8 万亿元。

    在医疗保健行业迅速发展的背后,在医疗信息化互联互通还存在着一些担忧。

    信息集成困难,如何全面集成门诊、急诊、住院、查体等不同类型的就诊记录,如何长期管理和再现历史数据成为了难以实现的目标。智能化效果堪忧,医院的智能化服务水平偏低,复杂多样的智能化规则和电子病历无法集成,多种人工智能产品无法纳入工作流程。数据收集困难,工作量大、数据缺失、数据共享困难,业务系统与科研数据采集难以统一等数据收集方面也成为了拦路虎。
     

    医疗保健未来发展方向

    随着医疗设备在人们日常保健应用比例的提高,产品在不断降低成本的同时,最值得关注的还是安全性、可靠性、易用性等人性化要求。医疗保健行业中患者的数据是极为隐私的,必须加以安全保护,另一方面,诊断精度直接影响设备诊断结果,这必然也是未来产品设计的关注重点。

    随着社会的进步和人口结构的改变,医疗保健的发展主要呈现出三个特点:便携化、智能化和多功能化。便携式移动医疗、大数据分析、云服务等智能医疗迎来发展热潮并在个体群体之间不断创新。

    云边协同助力医疗保健向智能医疗升级

    目前,用于生命体征监测的可穿戴设备正在快速发展,其中低功耗、小尺寸和设计简单性已经成为方案设计中的关键所在。

    包括智能手表在内的腕戴式健身和健康设备越来越受欢迎,这些设备不仅具有步进跟踪功能,而且提供相关的健身/健康指标,包括受力分析参数以及基础心率和心率变异分析等功能。

    但是,要真正地从所收集的海量数据中获益,实时分析可能是必不可少的——许多的可穿戴设备直接连接到云上,但也有其他的一些设备支持离线运行,一些可穿戴健康监控器可以在不连接云的情况下本地分析脉搏数据或睡眠模式,然后,医生可以远程对病人进行评估,并就病人的健康状况提供即时反馈。

    640?wx_fmt=jpeg

    例如,能够独立分析健康数据的心率监视器可以立即提供必要的响应,以在患者需要帮助时提醒护理者。同时监视器将分析后的数据上传到云端,在云端进行 AI 分析,记录患者长期的健康情况,为医生和患者提供病情分析,辅助进行下阶段治疗。

    同时,机器人辅助手术是医疗保健中云边协同的另一个用例,这些机器人需要能够自己分析数据,以便安全、快速和准确地为手术提供帮助;同时将数据上传到云端,在云端进行AI 学习,完善机器人程序,并在适当时机将学习完成的模型下发到机器人终端。

    云边协同在云游戏场景中的应用分析

     

    游戏市场火热背后的隐患

    根据 Newzoo2018 全球游戏市场报告显示,2018 年全球游戏市场达到 1379 亿美元的市场规模,其中中国达到 379 亿美元,占全球游戏收入的28%,从2017 年至2021 年,全球游戏市场将以10.3%的复合年增长率增长,到2021 年将达到1801 亿美元。同时,Newzoo

    还指出到 2021 年,移动游戏将占据全球游戏市场 59%的份额,并将本身成为一个价值千亿美元的市场。

    虽然游戏市场持续火热,但游戏厂商和游戏玩家对未来游戏的发展也存有相当大的担心。越来越高的游戏设备要求和价格,现在游戏画面越来越丰富、逼真,动辄几十 G 的游戏容量,更有甚者需要上百G 的硬盘来安装游戏;同时,高端的视频处理器和音频处理器也是必备装备,以《最终幻想15》为例,玩家想要充分体验游戏质感,需要使用最高端的RTX 2080Ti 显卡,而该显卡的价格为近万元,为一款游戏而更换终端配置的情况并不是所有玩家都可以接受的。游戏流量不断变化,游戏领域的特点是:快速开发,用户爆发量大,生命周期短,传统的游戏做法是预先部署服务器,那么结果就是要么用户数不足而导致 IT 资源闲置,要么用户数激增导致短时间(一两周内)服务器已经满负荷运转,两种结果都是游戏厂商无法接受的。游戏终端之间不兼容,现在的游戏终端越来越多,一款游戏想同时在电视、电脑、平板、手机、AR/VR 等终端上进行体验是游戏厂商和玩家的共同愿望。

    “云游戏”迅猛发展

    随着互联网的发展,以及 5G 网络已经成为现实的今天,“云游戏”这个名词也开始被越来越多的厂商利用,同时也被越来越多的玩家所期待。  

    所谓“云游戏”,就是所有游戏都在云端服务器中运行,云端将渲染完毕后的游戏画面压缩后通过网络传送给用户发送到终端。在终端,用户的游戏设备不需要任何高端处理器和显卡,只需要具备基本的视频解压和指令转发功能即可。

    在 2018 年,已经有 AT&T、Verizon 等电信巨头以及微软、亚马逊等 IT 巨头先后公布了云游戏相关的测试或者布局。在2019 年的 MWC 上,国内手机厂商 OPPO 和一加也分别展示了相关的云游戏服务。根据第三方机构的预测,全球云游戏市场将从  2018 年的0.66 亿美元增加到 2023 年的 4.5 亿美元,复合年均增长率为 47%。

     

    云边协同助力云游戏实现升级

    以 AR 为例,应用程序需要通过相机的视图、定位技术或将两者结合起来,判断用户处于哪个位置以及面向哪个方向。对位置和方向信息加以分析之后,应用程序可以实时向用户提供其他信息。而当用户移动后,需要刷新该信息。边缘计算将计算任务卸到边缘服务器或移动端上,降低平均处理的延时。前景的交互放在云上,背景则交给移动端,最终实现完整的 AR 体验。

    再以大家耳熟能详的 LOL、守望先锋、王者荣耀,再到现在的绝地求生、APEX  等,“多人游戏多人竞争”似乎成为近几年游戏的风向。而多人游戏对带宽和延迟的要求可不是一般的高。可以通过应用云边协同,同一区域的玩家通过连接一个边缘计算节点,大大减少他们的延迟;同时云端运行游戏,减少本地游戏体积,使玩家可以方便、快捷地接入游戏。

    640?wx_fmt=jpeg

    云边协同发展建议

     
    (一)以应用为导向 稳步推进计算能力向边缘侧下沉

    当前边缘计算的概念过热,各类靠近用户侧的产品和业务都容易被冠以边缘计算的帽子,实际上并不利于边缘计算的发展,也不利于云边协同的尽快推进。建议产业界仍应保持理性,从典型场景的业务需求出发,在企业上云的大环境下,综合成本因素和实际效果,逐步探索将部分计算能力下沉到边缘侧,切忌过于着急将计算能力边缘化部署。

    (二)加快标准体系建设 注重协同能力规范

    加快云边协同标准体系建设。目前针围绕边缘云等边缘侧的标准已经有所考虑,但针对云边协同的标准仍处于缺位状态。建议相关研究机构从整体布局之初,就将中心云与边缘侧的协同框架进行标准化设计。可针对不同应用场景,完善云边协同应用场景能力要求的标准体系,加快制定相关协同技术、服务和应用标准,引导企业提升云边协同服务水平,保障云边协同健康发展。

    只有在有效协同云计算与边缘计算二者的前提下,才能满足部分场景在敏捷连接、实时业务、数据优化、安全与隐私保护等方面的计算需求。

    640?wx_fmt=jpeg

    云边协同参考框架主要涉及云计算和边缘计算节点在基础设施、平台、应用三个层面的全面协同, 基础设施层面主要指,IaaS 与ECIaaS 之间需要实现计算、网络、存储等方面的资源协同;平台层面主要指,PaaS 与 ECPaaS 之间需要实现数据协同、智能协同、服务编排协同和部署协同;应用层面主要指,SaaS 与 ECSaaS 之间需 要实现应用服务协同。除此之外,云边协同在资源、平台、应用的基础上面还需要考虑计费、运维、安全等方面的协同。

    640?wx_fmt=png

    资料免费送(点击链接下载)


    加入运维管理VIP群(点击链接查看)

    扫描以下二维码加入学习群

    640?wx_fmt=jpeg

    展开全文
  • 但经过时间的验证,云计算和边缘计算的关系更加清晰: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”。...
  • 边缘计算云计算白皮书3.0(2019年PDF高清).rar 边缘计算云计算白皮书3.0(2019年PDF高清).rar
  • 来源 |中国信息通信院CAICT未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网脑科学交叉研究机构。未来智能实验室的主要工作包括:建立AI智能系...
  •  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...
  • 云计算边缘计算

    2021-01-10 17:56:37
    文章目录云计算概念云产生背景云四种模式云计算的应用场景边缘计算边缘计算优势边缘计算解决堵车问题边缘计算 VS 云计算 云计算概念 云计算时一种按使用量付费的模式,这种模式可以提供可用的、便捷的、按需的网络...
  • 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,...
  • 边缘计算云计算协同 白皮书 (2018 年 ) 边缘计算产业联盟 (ECC) 与工业互联网产业联盟 (AII) 联合发布 2018 年 11 月 1 边云协同放大边缘计算云计算价值 1 6 智慧家庭边云协同主场景 29 1.1 边缘计算概念 1 6.1 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 4,779
精华内容 1,911
关键字:

云计算和边缘计算协同