在云计算架构中添加边缘计算的利弊
云栖号资讯:【点击查看更多行业资讯】
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!
边缘计算并非对每个物联网设备或工作负载都具有意义。人们需要了解一些边缘计算示例,以了解应该在何时何地将其作为云计算架构的一部分。
与传统的云计算架构相比,边缘计算的性能、安全性和成本优势使其越来越受欢迎,但并不总是最适用于分布式工作负载。
边缘计算是指在最终用户的电脑、手机或物联网传感器等生成和消费数据的设备上或附近处理数据的架构。这不同于传统的云计算,云计算依靠中央服务器来接收数据、处理数据并将其发送回客户端设备。而边缘计算可以减少网络等待时间,减少数据在网络上的暴露,在某些情况下,通过将处理加载到最终用户的设备来降低成本。
由于具有吸引人的优势,云计算架构师可能希望将尽可能多的工作负载推向边缘计算。但是在这样做之前,他们应该考虑每个应用程序的结构、性能要求和安全性注意事项以及其他因素。
两种类型的边缘计算架构
在权衡边缘计算模型是否合适时,首先要问的问题是哪种架构可用。主要有两种类型:
- 设备-边缘计算,其中直接在客户端设备上处理数据。
- 云计算-边缘计算,其中在边缘计算硬件上处理数据,而边缘计算硬件在地理位置上比集中式云计算数据中心更靠近客户端设备。
如果客户端设备能够以统一的方式处理该处理负担,则设备-边缘计算模型可以很好地工作。可以采用台式机或笔记本电脑来处理此问题,但低功率物联网传感器可能缺少有效处理数据所需的计算和存储资源。
此外,如果企业依赖于许多不同类型的边缘设备和操作系统,所有这些设备可能具有不同的功能和配置,那么使用设备-边缘计算模型可能会很困难。
借助云计算-边缘计算模型,最终用户设备并不是塑造架构的主要因素。如果企业使用云计算-边缘计算架构,那么最终用户使用的设备类型并不重要,因为不会将数据存储或处理从中央云转移到这些设备。与其相反,企业需要将负载转移到在云计算-边缘计算运行的服务器。这些服务器通常位于比中央云更靠近最终用户的数据中心。
边缘计算的局限性
在企业决定将工作负载移至边缘计算之前,需要评估支持这些边缘计算模型是否合理。这些限制可能使企业回到传统的云计算架构。
边缘安全
边缘计算通过最大程度地减少数据传输时间来降低一些安全风险,但同时也带来了更复杂的安全挑战。
例如,如果企业在不受控制的最终用户设备上存储或处理数据,很难保证这些设备没有受到网络攻击者可能利用的漏洞的攻击。即使使用云计算-边缘计算模型来保留对边缘计算基础设施的控制,拥有更多可管理基础设施也会增加攻击面。
与保护正在处理的数据相比,保护通过网络传输的数据(可以对其进行加密)通常要容易得多。因此,边缘计算的安全性的弊端可能超过其好处。
这使得边缘计算对于具有高安全性规范的工作负载而言并非理想选择。如果企业要处理敏感数据或有特殊的合规性要求,则具有集中式服务器的标准云计算模型的风险可能会降低。
延迟要求
边缘计算可提高应用程序性能和响应能力,因为数据不必往返于云计算的数据中心进行处理。对于需要真正即时通信流的工作负载,这是一个关键优势。云计算提供商继续增加数据中心的位置,但是他们的大型数据中心设施通常位于远离人口中心的偏远位置。
大多数工作负载具有较低的延迟标准。与传统的云计算架构相比,边缘计算网络可能只会将网络响应速度提高几毫秒。对于标准应用,常规架构带来的网络延迟是可以接受的。而确保延迟改善确实值得进行权衡,尤其是在考虑了增加的成本和管理负担之后。
数据量
考虑企业的工作负载需要处理多少数据,以及边缘计算基础设施是否可以有效地处理它。如果企业的工作负载产生大量数据,则需要一个庞大的基础设施来分析和存储该数据。从管理的角度来看,它可能成本更低,并且更容易将数据移至公共云数据中心。
另一方面,如果工作负载基本上是无状态的并且不涉及大量数据,则它们往往是边缘计算的理想选择。
边缘计算实例
为了说明上面列出的取舍,以下是边缘计算何时适合和不适合的一些示例。
采用边缘计算的很好例子包括:
- 自动驾驶汽车。自动驾驶汽车会收集大量数据,需要实时做出决策,以确保道路上或附近的乘客和其他人的安全。延迟问题可能会导致自动驾驶汽车的响应时间延迟几毫秒,而这种情况可能会产生严重的影响。
- 智能恒温器。这些设备生成的数据相对较少。此外,收集的某些数据(例如人们回家的时间和调整温度)可能会影响隐私。将数据保留在边缘计算是切实可行的,可以帮助减轻安全隐患。
- 交通信号灯。交通信号灯具有三个特征,使其非常适合边缘计算:实时响应变化的需求;相对较低的数据输出;偶尔会失去互联网连接。
以下是一些边缘计算效果不佳的示例:
- 常规应用程序。很难想到需要边缘计算基础设施的性能或响应能力的常规应用程序。它可能会减少应用程序加载或响应请求所需的时间,但这种改进并不值得付出更多成本。
- 监控摄像系统。监控视频通常会产生大量数据。在边缘计算处理和存储数据是不切实际的,因为这将需要大型且专门的基础设施。将数据存储在集中式云计算设施成本将会低得多,也容易得多。
- 智能照明系统。允许用户通过互联网控制家庭或办公室中照明的系统不会生成大量数据。但是智能照明系统往往具有最小的处理能力,也没有超低延迟要求,如果打开灯具需要一两秒钟的时间,那没什么大不了的。用户可以构建用于管理这些系统的边缘基础设施,但这在大多数情况下都不值得花费更多的成本。
【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/live立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK
原文发布时间:2020-06-22
本文作者:Chris Tozzi
本文来自:“企业网D1Net”,了解相关信息可以关注“企业网D1Net”
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
担心智能家居泄露隐私?别怕,边缘AI来帮你
云栖号资讯:【点击查看更多行业资讯】在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来! Alexa,你在偷听我吗? 我总是会问我的Amazon Echo这个问题。虽然它很聪明很方便,但有时过于智能也让人毛骨悚然。因为这种智能设备通常是基于云上的,它会经常从智能门铃等设备将家里的音频或图片发送到互联网上。当然,这也会产生隐私泄露的风险,想想亚马逊或谷歌的转包商坐在一旁听我们家里传送过来的音频片段,或者黑客远程监视我们的孩子,这有多恐怖。 这个问题是结构性的。它融入了当今消费类人工智能的构建和部署方式。大型科技公司都是在这样的假设下运作的:人工智能要想最有效地识别人脸和声音等,就需要深入学习神经网络,而这需要强大的计算能力。我们被告知,这些神经网络需要大量的数据,需要源源不断地输入数据来提高它们的智能水平,所以它必须在云端发生,对吗? 不是这样的。在20世纪20年代初,当复杂的消费者神经网络首次出现时,这些观点还能站得住脚。那时候,如果你想自动识别小猫,你确实需要谷歌“吞噬世界”的服务器的力量。 但摩尔定律就是摩尔定律,近年来人工智能硬件和软件都有了巨大的改进。如今,有了一种新...
- 下一篇
微众银行区块链李辉忠:跨链是联盟链走向基本同构的技术支撑
云栖号资讯:【点击查看更多行业资讯】在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来! 在区块链技术领域,关于跨链的研究从来都是热潮迭起。其实分析起来也不奇怪。区块链经过几年的喧嚣、沉淀、升华,尤其是在国家政策的大力支持下,区块链应用落地逐步成熟。落地应用的成熟发展,逐渐催生与其他应用交互的外联需求,而跨链作为解决这种需求的基础设施,自然而然会被重视起来。 大家是怎么聊跨链的 跨链不是个新鲜话题,早在 2016 年 9 月, Vitalik Buterin 所著的《Chain Interoperability》就对跨链的技术方案和应用价值进行了详细阐述。其中提到,较为实用的三种跨链技术为「公证人机制」、「侧链 / 中继」、「哈希锁定」;几种可能的跨链应用场景包括资产交换、原子交易、预言机、信息互通等。 此后国内外讨论跨链的各类话题,大多绕不开这三种跨链技术,正如同早期大家讨论区块链时,都在讨论共识机制一样。但其实,共识机制的先进性只是区块链平台设计的维度之一,譬如安全性、易用性、可扩展性等其他维度,也是区块链平台设计的考虑重点。再者,区块链的性能也不单纯依赖共识机制,全流程...
相关文章
文章评论
共有0条评论来说两句吧...