什么是物联网的边缘计算?
越来越多的“连接”设备产生了过多的数据,随着物联网(IoT)技术和用例在未来几年的发展,这种情况将继续存在。根据研究公司Gartner的数据,到2020年,将有多达200亿台连接设备为每位用户生成数十亿字节的数据。这些设备不仅仅是智能手机或笔记本电脑,还包括联网汽车,自动售货机,智能可穿戴设备,手术医疗机器人等等。
由无数类型的此类设备生成的大量数据需要推送到集中式云以进行保留(数据管理),分析和决策。然后,再将分析的数据结果传回设备。这种数据的往返消耗了大量网络基础设施和云基础设施资源,进一步增加了延迟和带宽消耗问题,从而影响关键任务物联网使用。例如,在自动驾驶的连接车中,每小时产生了大量数据;,数据必须上传到云端,进行分析,并将指令发送回汽车。低延迟或资源拥塞可能会延迟对汽车的响应,严重时可能导致交通事故。
物联网边缘计算
这就是边缘计算的用武之地。边缘计算体系结构可用于优化云计算系统,以便在网络边缘执行数据处理和分析,更接近数据源。通过这种方法,可以在设备本身附近收集和处理数据,而不是将数据发送到云或数据中心。
边缘计算的好处:
● 边缘计算可以降低传感器和中央云之间所需的网络带宽(即更低的延迟),并减轻整个IT基础架构的负担。● 在边缘设备处存储和处理数据,而不需要网络连接来进行云计算。这消除了高带宽的持续网络连接。
● 通过边缘计算,端点设备仅发送云计算所需的信息而不是原始数据。它有助于降低云基础架构的连接和冗余资源的成本。当在边缘分析由工业机械生成的大量数据并且仅将过滤的数据推送到云时,这是有益的,从而显着节省IT基础设施。
● 利用计算能力使边缘设备的行为类似于云类操作。应用程序可以快速执行,并与端点建立可靠且高度响应的通信。
● 通过边缘计算实现数据的安全性和隐私性:敏感数据在边缘设备上生成,处理和保存,而不是通过不安全的网络传输,并有可能破坏集中式数据中心。边缘计算生态系统可以为每个边缘提供共同的策略(可以以自动方式实现),以实现数据完整性和隐私。
边缘计算的出现并不能取代对传统数据中心或云计算基础设施的需求。相反,它与云共存,因为云的计算能力被分配到端点。
网络边缘的机器学习
机器学习(ML)是边缘计算的补充技术。在机器学习中,生成的数据被送到ML系统以产生分析决策模型。在物联网和边缘计算场景中,机器学习可以用两种方法实现。
第一种方法:ML算法需要巨大的计算能力才能在云中产生决策。从边缘收集的数据将被送到ML系统,在那里将产生一个学习分析的决策模型,然后将这个模型推送到网络的边缘。通过这种方式,可以在所有边缘设备上进行分析决策。在此模型中,边缘设备将用于收集,分析和在云中采取行动,从而增强智能。
第二种方法:如果端点设备向云中的ML系统发送传感器生成的数据,则ML系统将花费大量的时间来传输和处理数据,以生成分析决策。为此,可以引入智能机器学习或人工智能(AI)芯片,而端点设备将数据发送到云端,仅用于存储目的。使机器学习能力在网络的边缘需要较少的计算能力。
边缘计算和物联网
边缘计算与机器学习技术一起为物联网为未来通信的敏捷性奠定了基础。即将推出的5G电信网络将为物联网用例提供更先进的网络。除了高速低延迟数据传输外,5G还将提供基于移动边缘计算(MEC)的电信网络,实现边缘服务和资源的自动实施和部署。在这场革命中,物联网设备制造商和软件应用程序开发人员将更加渴望利用边缘计算和分析。我们将看到更多智能物联网用例以及智能边缘设备的增加。
原文发布时间为:2018-09-1
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
Windows Networking 2: 为什么我的Apache服务停不了。
Windows Networking 2: 为什么我的Apache服务停不了。 这是Windows Networking 排查的第二篇,上次涉及了Windows NDIS的架构以及对该架构下网络问题排查的方法。这次,我们通过一个case,来讲讲NDIS之上,Windows TCPIP 协议栈的实现。 问题 Windows Server 2008 R2 SP1 上,使用Apache部署了服务。当我们尝试停止Apache服务是,该服务一直pending在stopping状态。任何操作都无法恢复,直至重启机器。 方案 在遇到这个问题之前,我们都没有听说过有已知问题会导致Apache服务无法停止,怎么看都是应用的问题。但为避免万一,我们还是经验性的建议, 卸载不需要的三方软件,尤其是添加了Filter driver或者WFP callout driv
- 下一篇
学习微服务的断路器——hystrix
微服务架构中,微服务之间相互调用,springcloud可以用feign方式和RestTemplate+ribbon方式来实现服务间的相互调用。但如果某一个服务出现问题,所有调用该出问题的服务都将出现阻塞,如果有大量的请求,则Servlet容器的线程资源会被消耗完毕,导致服务瘫痪。服务与服务之间的依赖性,故障会传播,会对整个微服务系统造成灾难性的严重后果,这就是服务故障的“雪崩”效应。 为了解决这个问题,业界提出了断路器模型。 1.ribbon中使用断路器hystrix build.gradle文件 buildscript { ext { springBootVersion = '2.0.4.RELEASE' } repositories { mavenCentral() } dependencies { classpath("org.springframework.boot:spring-boot-gradle-plugin:${springBootVersion}") } } apply plugin: 'java' apply plugin: 'eclipse' apply pl...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2初体验,简单认识spring boot2并且搭建基础工程
- CentOS7,CentOS8安装Elasticsearch6.8.6
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- CentOS7,8上快速安装Gitea,搭建Git服务器
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- MySQL8.0.19开启GTID主从同步CentOS8
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- SpringBoot2全家桶,快速入门学习开发网站教程
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- CentOS8编译安装MySQL8.0.19