如果您需要帮助,请点击这里

边缘计算综述

boy

北美泰哥

2018-12-13 3198
感情男声
  • 感情男声
  • 感情女声
  • 标准男声
  • 标准女声
倍速1.0X
  • 倍速0.5X
  • 倍速1.0X
  • 倍速1.5X

免责声明:文章内容和观点仅代表作者本人观点,供读者思想碰撞与技术交流参考,不作为华为公司产品与技术的官方依据。如需了解华为公司产品与技术详情,请访问产品与技术介绍页面或咨询华为公司人员。

一、什么是边缘


边缘计算和云计算人工智能一样,是个当前的流行词汇,内涵和外延都不清晰。 我们这里讨论的边缘,是个和云不一样的软硬件环境,包括终端设备比如IoT设备手机车载传感器等,还包括多级小集群小基站等,但不包括从中心云延伸出来的临时云节点一类的边缘云节点和各类私有云。

一般来说,边缘节点物理部署上呈现分散化碎片化状态,有些会和云节点或其他边缘节点联通,但不是必须。边缘节点,往往受限于有限的计算和存储资源也缺乏可靠高速的网络连通,但有些场景下边缘节点也可以具备强大的计算存储网络资源。边缘节点和云节点的主要区别是,不需要部署完整重量级的云体系架构,比如FusionClou,只需部署必须的能力模块。边缘节点不需要云计算必备的一些能力,包括弹性计算,无限资源池,动态扩展,数据共享,免运维等。

边缘计算的软硬件环境比云计算更复杂,包括各种操作系统,CPU/GPU/FPGA/ASIC等异构计算资源,以及各种网络连接标准。我们不准备适配所有场景,而是通过定义标准接口,由合作伙伴根据需要对接。目前业界趋势是不论什么基础架构都提供容器支持,所以我们计划是第一步主要通过容器部署,下一步还会支持虚机。

边缘设备一个比较普遍的特点是用途专业化固定化,功能比较单一,虽然可以扩展功能,但不会像云一样普适各种场景用途。而且边缘场景往往以单机为主,即使小集群强调的也不是混合调度资源池的特性。在受限固定功能和场景下,边缘设备需要各种具体软硬件调优,来最好适配需求,所谓的单节点性能极致优化。

比起基于云的应用,边缘计算具有低时延的特点,非常适合需要现场实时解决问题的场景。

像云计算一样,边缘计算的各个能力模块也需要不断迭代更新的能力,但更新的频率和速度要求没有云计算场景那么苛刻。另一方面,边缘设备的更新常常不可靠不可控,无法做到和云计算服务一样的整齐划一保证同一版本运行并实时监控运行状况。有迭代更新能力具备开放扩展接口也是边缘计算和传统嵌入式计算的一个比较大的区别。

边缘计算还属于刚起步阶段,目前可见的边缘场景包括:基站,路由器,智能手机,智能音箱,智能电视,智能家居,智能摄像头,电梯,智能水表,智能电表,生产设备传感器,VR/AR近场景计算节点。。。

边缘计算来势汹涌,大有和云计算分庭抗礼的架势。实际上,从替换升级传统产业角度看,边缘计算所消耗的资源和所处理的数据,会大大超过中心云节点。可以这么考虑。大多数数据都需要先通过边缘,通过过滤和处理,再小部分上传到云。

从整体上看,放眼全球,真正有实力做到边缘计算从端到端全产业的公司凤毛麟角。其他友商,或者缺乏硬件能力,或者缺乏软件能力,基本都缺乏网络能力,都是瘸腿的驴。

二、历史,现状与未来

边缘计算的起源可以追溯到上个世纪90年代,当时Akamai推出了内容传送网络(CDN),该网络在接近终端用户设立了传输节点。这些节点能够存储缓存的静态内容,如图像和视频等。边缘计算通过允许节点执行基本的计算任务来进一步理解这一概念。1997年,计算机科学家Brian Noble演示了移动技术如何将边缘计算用于语音识别,两年后这种方式也被用来延长手机电池的寿命。当时这一过程被称为“cyber foraging”,这也是苹果的Siri和Google的语音识别的工作原理。

1999年出现了点对点计算 (peer-to-peer computing) 。2006年亚马逊公司发布了EC2服务的发布,云计算正式问世,自此以后各大规模的企业纷纷采用云计算。2009年发布了移动计算汇总的基于虚拟机的Cloudlets案例详细介绍了延迟与云计算之间的端到端关系。该文提出了两级架构的概念:第一级是云计算基础设施,第二级是由分布式云元素构成的cloudlet。这是现代边缘计算的很多方面的理论基础。2012年思科推出了旨在提升物联网可扩展性的分布式云计算基础设施“雾计算”。雾计算的概念中有很多是目前我们理解的边缘计算的理念,包括纯分布式系统,如区块链、点对点或混合系统,其中比较典型的是AWS的Lambda@Edge、Greengrass和Microsoft Azure IoT Edge,边缘计算目前已经成为推动采用物联网的关键技术。

目前推动边缘计算的领头人是以亚马逊和微软为首的公有云供应商。不过,赶在云端厂商发觉前,电信营运及设备商早从3年前,就已经开始将边缘计算视为是未来发展新世代5G移动网络的关键技术之一。在电信基站连接回程网络的近端,放置一台服务器,以便将原来传回后端核心网络的数据拦截到服务器上运算处理,这样的网络架构又称为移动边缘计算MEC(Mobile Edge Computing),甚至还由欧洲电信联盟(ETSI)专门成立工作小组制定产业共通标准,来加速推动建立MEC生态系。随着对边缘计算概念的理解加深,MEC现在是Multi-access Edge Computing的缩写。

不只云端、电信业者纷纷押宝边缘计算市场,连全球最大开源社群Linux基金会2017年4月也决定成立新项目来大力推动边缘计算,要打造一套通用物联网边缘计算框架,超过50家软硬件厂商和新创加入,包括Dell、AMD、VMware等。再早之前,则有网通厂商思科为首在前2年成立的OpenFog联盟,不过,OpenFog联盟使用的是“雾运算”(Fog Computing)当名称,来与边缘计算做区别,代表更重视云端与雾运算之间垂直互操作性的发展,OpenFog联盟成立迄今已有包括ARM、Dell、Intel、微软、鸿海、通用公司、AT&T在内超过50家业者加入。

边缘计算也适合用来部署物联网应用,特别是在新兴物联网应用领域,例如自驾车、无人机、增强现实(AR)/虚拟现实(VR),以及机器人等,这些崭新应用特别强调实时的影像分析及辨识处理能力,对于网络的低延迟和高带宽要求极高,需要在数十毫秒甚至微秒时间内就要反应,然而透过因特网传输往返云端,至少需要上百毫秒才能反应过来,所以这类型的应用,就很适合采用边缘计算架构。

边缘计算因为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),也可以是终端设备(如网关、监视摄影机、银行ATM),或是其他物联网设备。因为运算设备和设备之间彼此靠得很近,网络传输更直接,如透过Wi-Fi、蓝牙等,所以传递数据变很快。

网关(Gateway)是常见的一种边缘计算设备,不过跟传统只用来搜集和转发资料的物联网网关相比,新一代边缘网关变得聪明,开始具有运算分析能力,能将靠近传感器和其他物联网设备周围搜集的数据先运算处理,让数据变少以后再回传云端,即使没有网络,边缘网关也能透过和其他运算设备组成一个具有分布式计算架构的本地端区网,自行就可以接手运算,等待网络恢复后,才将处理后的资料传回云端,若是边缘设备运算能力足够,甚至有时可以直接在本地端处理完,不必再送回云端接续处理。

在边缘计算起飞之际,即便是以前极力拥护云端的一些主要公有云大厂,最近也都突然大转变,开始说要重视边缘计算,连公有云龙头Amazon都惊觉只做云端产品还不够,还要推出非云端的产品。Amazon去年一口气就发布的非云端产品有三款,分别是能让自家云端Lambda程序开始能在AWS环境外的边缘设备执行的Lambda@Edge,还有将无服务器运算能力也带到IoT设备内的AWS Greengrass,甚至 Amazon后来还推出一个具备储存和运算的数据储存设备 AWS Snowball Edge,内建Lambda执行环境,可做为脱机使用,以便于在云端不能服务时,程序还可以转移到本地端的这台设备接手继续执行。另一家云端大厂微软也在2017年押宝边缘计算,甚至微软执行官Satya Nadella在今年Build 2017开发者大会开场时更直接喊出:“ Intelligent Cloud and an Intelligent Edge(智能云与智能边缘)”的口号,以取代原先“移动优先、云端优先”的云端战略。微软2017年上半年也推出两大主攻边缘计算的非云端产品, Azure流分析工具是其中之一,这是原本Azure云端才有的串流分析服务,现在也能用于本地端,可以直接就近分析流数据,以便于加快异常事件的预警反应。

全球最大开源社群的Linux基金会,最近也决定成立EdgeX Foundry这个新项目,专门要为边缘计算来推动建立一套可互相沟通和协作的通用标准,让身处在地面云环境的运算设备不用上到云就可以自己来沟通。华为参与成立的边缘计算产业联盟(Edge Computing Consortium),则是致力于发展产业物联网边缘计算的解决方案。

除了有云端、开源社群力拱,近年来AI技术的成熟,也变成推动边缘计算的另一股力量。当这些边缘设备的运算分析能力越来越强,现在开始也有更多厂商将机器学习、甚至是深度学习的能力带进设备内,使得现在的边缘设备也能做到云端能做的事,应用也越来越广了。例如微软2017年就抢先发行了一套预览版Azure IoT Edge,不只流分析数据,还开始将Azure机器学习及AI认知服务带进设备端,让设备想要就近结合机器学习变得更容易多了。而亚马逊2017年11月的云大会更是将云上AI能力通过Lambda引入了边缘端,还发布了开发者版的智能摄像头等智能边缘设备。SAP在2017年初也另外推出了一套SAP Leonardo边缘计算解决方案,开始把SAP云端原有的机器学习和预测分析服务,带进到物联网边缘设备内。除了AI技术外,也开始有包括芯片、GPU、网络及大数据管理商,专为边缘设备释出新的AI开发工具、框架及分析平台。

2016年数据显示摄像头部署数量已经超过了人眼数量,每天收集数百亿张人脸图像。IDC预测,到2020年将有超过500亿的终端与设备联网,超过50%的数据需要在网络边缘侧分析、处理与储存;到2025年,物联网将产生95%的实时数据。

边缘计算的崛起意味着巨头们必须放弃完全控制或主导市场的梦想,而是专注于跨越多层数据架构开展广泛合作。作为一种迭代升级之后的理念,边缘计算将重新定义云、管、端之间的关系。

三、智能边缘和嵌入式人工智能

人工智能正向嵌入式系统迁移。所谓的嵌入式人工智能,其最大的特征就是人工智能本地化,摆脱网络的束缚。

亚马逊智能音箱Echo和英特尔的Mobileye车载系统就是智能边缘的代表。

四、工业领域边缘计算

边缘计算源于工业领域,目前工业领域仍是一个主要的边缘计算应用场景,所以这里重点提一下。即便是在工业领域,很多开始部署边缘端智能网关的工业企业里面,也只是将边缘的网关设备作为数据采集的抓手,并没有意识到边缘端的设备上还应该有更重要的职能。

工业互联网的边缘端设备需要解决如下的几个关键问题:


• 工业协议解析:提供对不同设备的适配和归一化能力,屏蔽工业协议的差异化,采用标准的协议和语法,同平台端保持通信;


• 灵活的数据采集:提供灵活的数据采集,可以依据不同的应用、分析主题,提供不同维度、细粒度的数据采集功能;


• 同平台的配合:同平台端实现全面的协同,负责为平台端的决策中心提供全面而灵活的数据采集和分布式计算功能。举个例子,如果工业数据监控中心要从不同的工业设备上的振动传感器上采集不同时间段的数据,在本地进行时域到频域的变化之后,再到数据中心进行多维度的模型开发和训练,这样的过程就需要工业网关具备足够的灵活采集能力,以及可运行特定算法和应用程序的能力;


• 本地存储和转发:在实时性要求较高,数据传输量过大,或者同平台端连接的网络不可用的时候,能够提供较为完整的数据采集、处理、分析以及告警的功能;同时,本地提供一定的存储能力,可以在网络恢复时将数据转发至平台端;


• 支持运行平台端开发的应用:可支持无缝运行基于平台端开发的应用程序,并可以由平台端统一配置和下发策略,而不是完全依赖手动的方式来编译和运行本地开发的程序;


• 丰富的安全策略:提供细粒度的对工业设备的访问权限管理,保证工业设备的访问是满足认证、授权、审计类的安全要求;


• 本地设备通信:提供本地设备之间的连接和通信,实现海量数据的本地交换,而不完全依赖于上行的

0/500

请输入评论内容
提交评论

最新评论0

    查看更多评论

      评分成功!

      提交成功!

      评分失败!

      提交失败!

      请先填写评论!