有了云计算的同时,为什么还需要边缘计算?

1)网络带宽与计算吞吐量均成为云计算的性能瓶颈:云中心具有强大的处理性能,能够处理海量的数据。但是,如何将海量的数据快速传送到云中心则成为了业内的一个难题。网络带宽和计算吞吐量均是云计算架构的性能瓶颈,用户体验往往与响应时间成反比。5G 时代对数据的实时性提出了更高的要求,部分计算能力必须本地化。

2)物联网时代数据量激增,对数据安全提出更高的要求:不远的将来,绝大部分的电子设备都可以实现网络接入,这些电子设备会产生海量的数据。传统的云计算架构无法及时有效的处理这些海量数据,若将计算臵于边缘结点则会极大缩短响应时间、减轻网络负载。此外,部分数据并不适合上云,留在终端则可以确保私密性与安全性。

3)终端设备产生海量“小数据”,需要实时处理:尽管终端设备大部分时间都在扮演着数据消费者的角色,但如今以智能手机和安防摄像头为例,终端设备也有了生产数据的能力,其角色发生了重大改变。终端设备产生海量“小数据”需要实时处理,云计算并不适用。

边缘计算是不是对云计算的替代?

边缘计算是云计算的协同和补充,而并非替代关系。边缘计算与云计算各有所长,云计算擅长全局性、非实时、长周期的大数据处理与分析,能够在长周期维护、业务决策支撑等领域发挥优势。而边缘计算更适用局部性、实时、短周期数据的处理与分析,能更好地支撑本地业务的实时智能化决策与执行。因此,边缘计算与云计算之间并非替代关系,而是互补协同的关系。边缘计算与云计算需要通过紧密协同才能更好的满足各种需求场景的匹配,从而放大边缘计算和云计算的应用价值。边缘计算既靠近执行单元,更是云端所需高价值数据的采集和初步处理单元,可以更好地支撑云端应用。反之,云计算通过大数据分析优化输出的业务规则或模型可以下发到边缘侧,边缘计算基于新的业务规则或模型运行。

边缘计算应用场景有哪些?

1)工业互联网:工业厂区基于边缘云平台,可在工业4.0时代实现机器和设备相关生产数据的实时分析处理和本地分流,实现生产自动化,提高生产效率。

2)智慧城市:边缘云作为云中心在网络边缘的延伸,能够高效地处理城市中任意时刻产生的海量数据,更安全地处理用户和相关机构的隐私数据,帮助政府更快更及时地作出决策,提高城市公民的生活质量。

边缘计算与5G的关系?

5G网络的三大典型应用场景与边缘计算密切相关,其中URLLC对超高可靠低时延通信的要求,eMBB对高带宽的要求与MIoT对大连接的要求,都需要边缘计算的引入。由此可见,5G时代的到来离不开边缘计算,边缘计算是5G时代网络发展的重要方向之一,也是5G服务于垂直行业的重要利器之一。

5G网络通过用户面功能UPF在网络边缘的灵活部署,实现了数据流量本地卸载。用户面网元的灵活下沉部署使5G网络可以灵活地接入边缘计算资源,促进了边缘计算的发展。同时,边缘计算也为5G低时延、大带宽、大连接的典型业务提供了重要的技术基础。

边缘计算与AI的关系?

目前云和边缘侧在各种AI 应用中往往是配合工作。最普遍的方式是在云端训练神经网络,然后在云端(由边缘设备采集数据)、边缘侧或者边缘设备进行推断。随着边缘云和终端设备能力的不断增强,越来越多的计算工作负载将在边缘侧上执行,甚至可能会有训练或者学习的功能在边缘测执行。另一方面,云的边界也逐渐向数据的源头推进,未来很可能在传统的终端设备和云端设备直接出现更多的边缘网关和终端设备,它们会把AI处理分布在各种网络设备(比如5G 的基站)中,让数据尽量实现本地处理。从这个角度看,未来核心云和边缘云以及他们连接的设备可能会构成一个巨大的AI 处理网络,它们之间的协作训练和推断也是浪潮关注的方向之一。

边缘计算与Datalake的关系?

虽然云计算已经使处理大量数据成为可能,但它并不是所有应用程序和用例的理想选择。从传感器前线到服务器来回发送的大量数据阻塞了网络带宽,从而减慢了响应时间。解决所有这些与传统云计算基础设施相关的限制的答案是边缘计算。边缘计算技术的突破,意味着许多数据控制处理能力将通过本地设备实现而无需交由云端。数据处理过程将在本地边缘计算层完成将大大提升处理效率,减轻云端的负荷。由于更加靠近用户,还可为用户提供更快的响应,将需求在边缘端解决。数据完全可以在边缘测的小型数据中心或者在前端缓存中进行预处理,随后把结论性的数据放到云端,供后续进一步使用。因此,数据湖技术的的发展不完全依赖集中式的处理模式,还可以通过部署边缘侧的数据中心或由边缘节点进行预处理,减少数据迁移、网络传输、数据备份等过多的带宽和资源消耗。