破茧而出,边缘计算继云计算后成为计算的第四个浪潮 根据研究,到2025年,在“传统的”集中式数据中心或云存储以外处理的企业生成的数据的比例将从2018年的10%跃升至75%。 来源:海比研究院2022-02-22 11:08 对于自动驾驶汽车,必须做出闪电般快速、100%准确的决策。如果一个孩子跑过马路,汽车在刹车之前不能冒哪怕是最轻微的延误风险。
然而云计算却是连接到集中式数据中心,在遥远的数据中心处理完数据,再将结果返回到汽车。每一毫秒都是宝贵的,这种方式显然是不可接受的。
边缘计算就是在网络的“边缘”现场处理数据。它消除了连接到遥远数据中心的需求,因此比云计算更快。研究表明,边缘计算可以将处理速度提高30倍!
最关键的是边缘计算使“不可能”成为可能。如果没有边缘计算,自动驾驶汽车、物联网、AR和5G的商业化等将永远无法起步。
不过,如果您要追求像亚马逊云计算或者阿里云一样实现10倍或20倍的收益,那么现在您应该专注于计算的下一个改朝换代的时机,那就是边缘计算。
‖别管真与假,大笔资金已经涌入边缘计算
边缘计算是计算的第四个高潮?
虽然边缘计算还不像人工智能(AI)、5G、增强现实(AR)和物联网(IoT)等技术那样的热门、流行,但是大笔资金已经涌入边缘计算,应用前景也日渐清晰。
因为,业界坚信,在大型机、个人计算机、互联网和云计算之后,边缘计算被认为是改变IT计算产业的又一个革命,会造就新的万亿级企业巨头。
Grand View Research预计,边缘计算市场有望以每年54%的速度增长,到2025年规模将接近290亿美元。
全球研究公司易观梅森(Analysys Mason)的数据显示,未来三年企业IT预算的30%将用于边缘计算。
不同的机构针对边缘计算的产业发展都从不同角度做了分析。
Gartner的研究报告预测,到2025年,在“传统的”集中式数据中心或云存储以外处理的企业生成的数据的比例将从2018年的10%跃升至75%。
Forrester也认为边缘云服务市场未来成长速度将达到50%以上。2020年将是“边缘计算的突破之年”,之后边缘计算可能会超越云计算。
总之,边缘计算很容易成为我们所处的数字时代中最新的也是最好的投资机会之一。不过它不会是一个"赢家通吃"的市场。随着边缘计算的蓬勃发展,将有很多的10倍或更好成长的公司诞生。
边缘计算的真与假?
在边缘计算发展过程中,曾有过真假边缘计算的争议。这对边缘计算发展而言,意义其实不大。
边缘计算是指在智能手机等设备上处理数据。与云计算不同,云计算在远程、遥远的数据中心处理数据,边缘计算使设备能够在收集数据时立即执行部分或全部数据处理。
因为智能设备变得越来越强大,设备不再需要将每一小段数据(无论是否有用)发送到云端,可以处理更多的数据和任务。
例如,办公室的安全摄像头在一夜之间收集的所有数据,其中绝大多数视频数据都显示了空荡荡的走廊和房间。发送所有这些数据到云上显然是浪费带宽。但是,配备AI的安全摄像头能够立即分析图像,检测到异常活动并告警,就可以快速实现安全监控功能。
很多专家比如说,章鱼就是用“边缘计算”来解决实际问题的。作为无脊椎动物中智商最高的一种动物,章鱼拥有巨量的神经元,但有60%分布在章鱼的八条腿(腕足)上,脑部却仅有40%。也就是说章鱼是用腿来思考并就近解决问题的。
云计算与边缘计算两者实现互补。
未来,边缘计算更胜云计算一筹吗?其实不然!
云计算是人和计算设备的互动,而边缘计算则属于设备与设备之间的互动,最后再间接服务于人。边缘计算可以处理大量的即时数据,而云计算最后可以访问这些即时数据的历史或者处理结果并做汇总分析。
如果云计算是章鱼的大脑,那么边缘计算就是章鱼的触角,触角对于外界刺激的反应大都出于本能,而这些不断的刺激产生的结果最后会汇集到大脑中,进而作为触角后续的行为提供决策的依据。
由此来看,云计算和边缘计算是一种共生和互补的关系,现在和未来都不会出现谁取代谁的问题,而是谁在哪些计算上更有优势,谁更合适哪些场景。
‖边缘计算的轻与重,应用场景复杂多变
云计算、IOT、AI、5G等技术的发展,为边缘计算的发展插上翅膀。
在边缘计算中,你随处可以找到这些技术的影子。
云计算为企业提供计算、存储和网络服务。Amazon S3、Azure Storage 和 Google Cloud Storage 等对象存储服务成为托管的工作负载所使用的内容的存储设备。
Amazon Cloudfront、Azure CDN、Google Cloud CDN等 CDN 成为对象存储的逻辑扩展,用于跨边缘站点网络分发和缓存内容。
工业物联网(IIoT)的兴起导致了物联网网关的引入——一种将本地设备使用的协议转换为云协议的专用设备。IoT 网关还充当数据聚合器,将来自多个设备的遥测流组合和多路复用,并在流式传输到云之前对其进行筛选。
最近,人工智能成为IIoT的关键组成部分。通过在边缘部署深度学习模型,组织能够实时执行推理。预测性维护——一种在实际中断之前检测设备和机械故障的方法,需要更快的周转时间。IIoT客户希望通过保持AI模型更接近充当数据来源的设备,在本地运行AI模型。
在通过5G网络连接的电信运营商设施上运行的基础设施具有低延迟。电信营运商如中国电信、中国移动、中国联通正在转向多租户托管基础设施层,以弥合云与最终用户之间的差距。亚马逊、谷歌、IBM和微软,以及阿里云、腾讯云、华为云等云提供商正在与电信公司合作,将一些托管服务引入基于5G的边缘站点。
边缘计算涵盖了从设备到云的整个范围,范围足够大,能够满足不同企业的发展需求。
微边缘是边缘计算层的最新化身。当微控制器能够运行TinyML AI模型时,它就有资格成为微边缘计算设备。在此用例中,连接到微控制器的传感器生成深度学习模型,用于推理的遥测流。与微控制器收集遥测数据并引入边缘计算层的其他方案不同,这种类型的边缘在微控制器和微处理器的上下文中运行。
迷你边缘比如基于基于ARM64和AMD64 架构的单板计算机。它通常由AI加速器提供动力,以加快推理速度。它还能够运行成熟的操作系统,如Linux或Microsoft Windows。Mini Edge附带了与AI加速器关联的软件堆栈。这些类型的边缘设备非常适合协议转换、数据聚合和 AI 推理。
中边缘部署模型表示在边缘计算层运行的廉价计算机群集。计算集群由内部图形处理单元 (GPU)、现场可编程门阵列 (FPGA)、视觉处理单元 (VPU) 或专用集成电路 (ASIC) 提供支持。像 Kubernetes 这样的集群管理器用于编排集群中的工作负载和资源。
重边缘计算设备通常是在企业数据中心内运行的超融合基础架构(HCI)设备。它带有通常由供应商管理的一体化硬件和软件堆栈。重度边缘需要仅在企业数据中心等环境中可用的电源和网络资源。
AWS Snowball Edge、Azure Stack Edge、NVIDIA EGX A100和Nutanix Acropolis是重边缘的一些例子。
多接入边缘计算(MEC)将流量和服务计算从集中式云转移到网络边缘,更靠近客户。随着5G成为现实,MEC正在成为公共云消费者和提供商之间的中介层。
AWS Wavelength、Azure Edge Zones 和由 Anthos 提供支持的 Google Global Mobile Edge Cloud 就是 MEC 的例子。
边缘云执行CDN对静态内容所做的操作,但针对动态工作负载。它允许在多个端点之间分发应用程序的组件,以减少往返过程中涉及的延迟。
边缘云依靠容器和微服务等现代应用程序开发范例来分配工作负载。应用程序的静态内容和无状态组件在整个全球网络中复制和缓存。边缘云提供商可能支持AI加速作为可选功能。由于它是作为托管服务提供的,因此客户不必处理硬件和软件维护。
边缘计算和生态系统的定义正在迅速发展,以满足企业客户的需求。