边缘计算:一个流行词还是真正的未来?

在IT行业发展的每个阶段,IT行业的主导地位都是由不同的技术、概念驱动的。通过对IT行业发展的分析,我们可以清楚地看到,世界总是在变化的,昨天看似遥遥领先不可动摇的,可能今天或明天都不会保持领先。直到最近,关于技术趋势的分析还在欢呼云计算的美好的未来,并指出它是我们需要尽快适应的新现实。这一切一直持续到边缘计算的概念出现的那一刻。为什么人们现在如此密切地考虑边缘计算?这是否意味着它将取代云计算?让我们一起来寻找答案。

物联网的边缘计算

首先,我们需要说明的是,边缘计算是一种特殊的计算基础设施,它存在于数据源的边缘,例如设备(工业机器,如涡轮机、磁共振系统、自动驾驶汽车、智能家居,以及其他设想合并许多传感器并利用其数据进行操作的智能设备)。换句话说,它将计算应用程序的边界从集中式节点推向了网络的端口。这意味着边缘计算需要利用设备资源,这样它们就不需要连续地连接到网络(或数据中心)。

 

与之相反的方法是云计算,它要求所有的东西都连接到中央数据存储,在中央数据存储中处理大量的信息,以找到优化解决方案或做出业务决策。通常,云计算要与需要海量计算能力的复杂数据处理操作相关联。与此同时,数据的积累和处理速度还不够快,无法应用到一些需要立即应用计算结果的特殊领域。

 

云计算的问题是众所周知的。这导致了数据循环模型中出现了一个中间层——雾计算。雾计算试图将计算能力推向更接近数据源的地方,在不影响效率的情况下消除响应时间。在雾计算中,计算分布在数据源和云之间最有效的地方——在“雾”中。与云相比,雾在地域上更接近于设备,然而,它仍然只是一个推动信息进一步发展的中间链。

基于实例的边缘计算优势

边缘计算最大的优势是速度。物联网设想在数据处理结果的应用中快速响应。自动驾驶汽车概念提出后,这一点变得明显。这些类型的设备需要数据处理和决策。然而,所有这些计算都是必须立即进行的,不允许有任何延迟,因为这可能会让人付出生命代价。例如,如果发现路上突然出现个小孩,汽车应立即发出信号,改变路线。等待数据到达数据中心、进行分析然后再做出决定的过程太长。这个概念足够简单和自然:如果一个强大的大脑(云)无法控制每个设备,那么我们应该让设备能够做出自己的决定,即使它们不像云那样具有全局性。

同时,对于工业物联网,有时需要在没有适当带宽连接的情况下管理设备,这就排除了应用云计算的机会。在这些情况下,边缘计算是唯一的最优解。边缘计算的例子非常多样。在这里,我们可以推荐智能制造(产品定制项目)和许多其他当代商业模式。它更能适应快速变化,这在现代世界是众多的,因此与云计算解决方案相比,边缘计算解决方案更可行。例如,如果我们有一个连接到云的集中模型,那么每个设备都应该是标准化的。如果我们想改变一个设备,很可能我们就不能这样做,因为这需要改变整个系统。边缘计算节点具有足够的独立性、可互换性,更有利于进步。

边缘计算的另一个巨大优势是它的安全合规性。有时将数据发送到云是不安全的,因为数据在传输过程中可能会被窃取或扭曲。边缘技术消除了将数据置于危险中的必要性。

边缘计算VS云计算:谁是赢家?

 

以下几种因素导致人们考虑在云计算之上进行边缘计算:

 

● 数据量迅速增加,可能无法充分使用它们;

● 处理和存储巨大的数据量的成本非常高;

● 存储具有时间重要性的数据是没有用的;

● 生产新产品或设备比维护旧的低效系统更简单;

● 小型设备的计算能力正在迅速提高,而数据传输成本却保持不变;

然而,两种方法都有自己的支持者和竞争对手。他们利用市场数据、复杂的结构和常识来证明自己的选择。这个问题没有一个普遍的答案。唯一的事实是,这两种方法都将继续存在,并且需要明智地结合起来才能取得巨大的成果。

 

例如,来自Andreessen Horowitz的Peter Levine认为边缘计算是云计算的终结者,他认为分布式计算系统更安全,更抗故障。在多个智能设备之间分配计算任务要比创建一个功能强大的数据处理中心便宜得多。此外,如果我们谈论的是自动汽车或相关技术(影响人类生活),即使是巨大的集中式云的临时中断也会产生可怕的后果。分布式系统不需要所有设备的参与,因此可以灵活地管理任务、适应新环境等。

此外,市场研究报告预测,边缘计算市场将快速增长。在预测期内,硬件市场可能呈现5.336亿美元的同比增长,比其他任何组件市场都要大。根据报告,到2022年底,边缘计算业务的价值将达到70.276亿美元。

同时,边缘计算的挑战往往包括需要复杂计算和大量数据量操作的任务(例如,虚拟现实、AR、语音或图像识别、人工智能等),因此,有专家声称云计算也是可行的,不会被取代。例如,Medium表示,未来三年将有更多公司使用云技术。然而,他们同意应该改进技术,使之能够应付当代的任务。

我们需要说明的是,云计算和边缘计算可以在一个单一的复杂环境中使用,以接受这两种方法的优点并消除缺点。例如,GE声称这两种方法都适用于不同的情况。这在该方案中最为明显:

 

因此,您可以选择适合您自己情况的技术,并通过分析您的独特需求找到最佳解决方案。或者,如果这两种方法能够被明智地组合起来,您也可以利用这两种方法得出最佳的解决方案。例如,如果您的项目是自动驾驶的车队,那么最好在边缘处理临时数据,并在云上或雾中管理车队问题,因为时间较少,并且需要更大的计算能力。

发表评论

电子邮件地址不会被公开。 必填项已用*标注