邊緣計(jì)算市場(chǎng)即將爆發(fā)
在網(wǎng)絡(luò)邊緣產(chǎn)生的數(shù)據(jù)正在逐步增加,如果我們能夠在網(wǎng)絡(luò)的邊緣結(jié)點(diǎn)去處理、分析數(shù)據(jù),那么這種計(jì)算模型會(huì)更高效。許多新的計(jì)算模型正在不斷的提出,因?yàn)槲覀儼l(fā)現(xiàn)隨著物聯(lián)網(wǎng)的發(fā)展,云計(jì)算并不總是那么高效的。接下來文章中將會(huì)列出一些原因來證明為什么邊緣計(jì)算能夠比云計(jì)算更高效,更優(yōu)秀。
為什么需要邊緣計(jì)算
云服務(wù)的推動(dòng):云中心具有強(qiáng)大的處理性能,能夠處理海量的數(shù)據(jù)。但是,將海量的數(shù)據(jù)傳送到云中心成了一個(gè)難題。云計(jì)算模型的系統(tǒng)性能瓶頸在于網(wǎng)絡(luò)帶寬的有限性,傳送海量數(shù)據(jù)需要一定的時(shí)間,云中心處理數(shù)據(jù)也需要一定的時(shí)間,這就會(huì)加大請(qǐng)求響應(yīng)時(shí)間,用戶體驗(yàn)極差。
物聯(lián)網(wǎng)的推動(dòng):現(xiàn)在幾乎所有的電子設(shè)備都可以連接到互聯(lián)網(wǎng),這些電子設(shè)備會(huì)后產(chǎn)生海量的數(shù)據(jù)。傳統(tǒng)的云計(jì)算模型并不能及時(shí)有效的處理這些數(shù)據(jù),在邊緣結(jié)點(diǎn)處理這些數(shù)據(jù)將會(huì)帶來極小的響應(yīng)時(shí)間、減輕網(wǎng)絡(luò)負(fù)載、保證用戶數(shù)據(jù)的私密性。
終端設(shè)備的角色轉(zhuǎn)變:終端設(shè)備大部分時(shí)間都在扮演數(shù)據(jù)消費(fèi)者的角色,比如使用智能手機(jī)觀看愛奇藝、刷抖音等。然而,現(xiàn)在智能手機(jī)讓終端設(shè)備也有了生產(chǎn)數(shù)據(jù)的能力,比如在淘寶購(gòu)買東西,在百度里搜索內(nèi)容這些都是終端節(jié)點(diǎn)產(chǎn)生的數(shù)據(jù)。
Frost&Sullivan的最新報(bào)告分析,預(yù)計(jì)到2022年,將有90%的工業(yè)企業(yè)將使用邊緣計(jì)算,到2024年,多訪問邊緣計(jì)算市場(chǎng)規(guī)模將達(dá)到72.3億美元。預(yù)計(jì)到2024年,5G和邊緣計(jì)算云工作負(fù)載轉(zhuǎn)移到邊緣。
盡管處于起步階段,但無線網(wǎng)絡(luò)運(yùn)營(yíng)商的多路訪問邊緣計(jì)算(MEC)預(yù)計(jì)將以157.4%的復(fù)合年增長(zhǎng)率增長(zhǎng),到2024年將從2019年的6410萬美元達(dá)到72.3億美元的收入。邊緣計(jì)算煥發(fā)新春
邊緣計(jì)算是傳感器數(shù)據(jù)的分布式計(jì)算過程,該過程遠(yuǎn)離中心節(jié)點(diǎn)并靠近網(wǎng)絡(luò)的邏輯邊緣,與單個(gè)數(shù)據(jù)源有關(guān)。可以將其稱為能夠?qū)Ρ镜禺a(chǎn)生的數(shù)據(jù)進(jìn)行移動(dòng)計(jì)算的分布式IT網(wǎng)絡(luò)體系結(jié)構(gòu)。出色的計(jì)算無需將數(shù)據(jù)傳輸?shù)皆?a href="/tag/1600242232" target="blank">數(shù)據(jù)中心,而是分散了處理能力,以確保實(shí)時(shí)處理而減小延遲,同時(shí)降低了帶寬和網(wǎng)絡(luò)存儲(chǔ)需求。
早在2003年,Akamai就在與IBM的合作中提出了“邊緣計(jì)算”概念,并開發(fā)了一些初步應(yīng)用。所以,邊緣計(jì)算不是新提法,只是在特定的時(shí)代背景下又復(fù)蘇了。技術(shù)圈,這樣的事情并不少見,比如人工智能也是兩起兩落后才得以真正落地
為何邊緣計(jì)算再次爆發(fā)?根本原因是物聯(lián)網(wǎng)普及導(dǎo)致數(shù)據(jù)指數(shù)級(jí)增長(zhǎng),使得云計(jì)算已不是最優(yōu)解。IDC預(yù)測(cè),2020年,全球?qū)⒂屑s500億智能設(shè)備接入網(wǎng)絡(luò),主要包括智能手機(jī)、可穿戴設(shè)備、個(gè)人交通工具等,其中40%的數(shù)據(jù)需要在邊緣處理。
這也就不難理解為什么邊緣計(jì)算在短時(shí)間內(nèi)就變得如此火爆。而且還有一組數(shù)據(jù)更值得注意,根據(jù)IDC Global DataSphere 2018年11月公布的數(shù)據(jù)來看:全球超過一半的數(shù)據(jù)創(chuàng)建于過去兩年,而且這一態(tài)勢(shì)還將不斷持續(xù)下去。
換句話說,邊緣計(jì)算的旺盛需求不是曇花一現(xiàn),而是會(huì)越來越旺。
價(jià)值媲美云計(jì)算
究竟邊緣計(jì)算能解決什么問題?通過一個(gè)形象的例子,可以通俗的理解邊緣計(jì)算,那就是章魚。
章魚被稱為地球上最“聰明”的生物類群之一。2016年4月,新西蘭國(guó)家水族館一只名為“Inky”的章魚從半開的水族缸里爬了出來,走過房間并鉆入一個(gè)排水口,穿過50米長(zhǎng)的水管之后,成功越獄進(jìn)入外海就是最有力的證明之一。
章魚之所以聰明,是因?yàn)樗鼡碛小耙粋€(gè)大腦+多個(gè)小腦”,不僅能通過40%的大腦容量進(jìn)行分析和決策,還能通過八條腿上分布的60%的巨量神經(jīng)元進(jìn)行感知和分析,腕足和大腦有效配合,讓章魚在各種復(fù)雜環(huán)境中都能游刃有余。
邊緣計(jì)算就像是章魚的小腦,云計(jì)算則是大腦,邊緣計(jì)算的價(jià)值顯而易見,通過將計(jì)算前置,使數(shù)據(jù)在本地完成就近處理,需要進(jìn)一步處置的傳至云端,不需要的則直接反饋。這樣一來,響應(yīng)速度更快,計(jì)算效率更高。
眾多場(chǎng)景剛需
正因?yàn)檫吘売?jì)算有著區(qū)別于云計(jì)算的獨(dú)特價(jià)值,在很多應(yīng)用場(chǎng)景,它已經(jīng)成了基礎(chǔ)需求。
在視頻場(chǎng)景(直播、點(diǎn)播等)下,邊緣計(jì)算出現(xiàn)之前,視頻會(huì)傳到IDC源站里去做處理。這里存在兩大問題,一是整體的上傳、處理、分發(fā)的鏈路過長(zhǎng),會(huì)卡頓。在直播這類對(duì)延遲敏感的場(chǎng)景下,用戶體驗(yàn)會(huì)很差。另外IDC的帶寬成本較高,尤其是在這類大流量場(chǎng)景下,會(huì)給企業(yè)帶來較大壓力。
邊緣計(jì)算出現(xiàn)之后,眾多視頻廠商開始做邊緣源站的架構(gòu)升級(jí)。通過把源站和視頻相關(guān)處理任務(wù),前置到邊緣節(jié)點(diǎn)去處理,包括視頻流的接入、審核、合流、切片、轉(zhuǎn)碼,或是其他視頻衍生類計(jì)算任務(wù),比如彈幕處理等。處理后,在用原來CDN的分發(fā)能力,分發(fā)到全國(guó)觀眾側(cè)觀看。在這一套全新架構(gòu)下,有著非常明顯的降本增效的作用。
在智慧安防場(chǎng)景下,攝像頭端種類多樣,適配成本高。而通過邊緣節(jié)點(diǎn)來做視頻流和圖片流的統(tǒng)一接入,可實(shí)現(xiàn)端的統(tǒng)一納管。端負(fù)責(zé)做視頻流的部分預(yù)處理,處理后的視頻流統(tǒng)一匯聚到邊緣節(jié)點(diǎn)上,相關(guān)的結(jié)構(gòu)化處理,比如人臉分析、車輛分析、行為分析等也都放在邊緣上進(jìn)行計(jì)算。如果需要和端上有交互,也能把結(jié)果實(shí)時(shí)地返回給端。另外一些核心數(shù)據(jù),也能傳回中心云做留存。這里面其實(shí)就很好地體現(xiàn)了,云、邊、端的三體協(xié)同,算力層層消化。
除此之外,邊緣計(jì)算在工業(yè)互聯(lián)網(wǎng)、新零售、自動(dòng)駕駛等行業(yè)領(lǐng)域也有較為突出的表現(xiàn)。
目前,在全球邊緣計(jì)算市場(chǎng)中的主要參與者包括思科、亞馬遜(AWS)、華為、通用電氣、諾基亞、IBM、英特爾、Machineshop、微軟公司和Litmus Automation。
邊緣計(jì)算的前景不容置疑,但這并不是說邊緣計(jì)算將徹底取代云計(jì)算,只能說兩者各有所長(zhǎng),只有分工合作,云邊協(xié)同,才能支撐企業(yè)迎接即將到來的各種數(shù)據(jù)處理挑戰(zhàn)。
聲明:免責(zé)聲明:本文內(nèi)容由互聯(lián)網(wǎng)用戶自發(fā)貢獻(xiàn)自行上傳,本網(wǎng)站不擁有所有權(quán),也不承認(rèn)相關(guān)法律責(zé)任。如果您發(fā)現(xiàn)本社區(qū)中有涉嫌抄襲的內(nèi)容,請(qǐng)發(fā)
送郵件至:operations@xinnet.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),本站將立刻刪除涉嫌侵權(quán)內(nèi)容。本站原創(chuàng)內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時(shí)
需注明出處:新網(wǎng)idc知識(shí)百科