何為邊緣計算？

 

邊緣計算將物聯(lián)網(wǎng)帶入了另一個(gè)階段。在邊緣處，原始數據能夠實(shí)時(shí)轉化為價(jià)值。通過(guò)在整個(gè)網(wǎng)絡(luò )中重新分配數據處理工作，邊緣計算使網(wǎng)絡(luò )節點(diǎn)、端點(diǎn)和其他智能設備的重要性得以提升、管理得以完善。

 

邊緣計算可以說(shuō)是云計算的反面。云計算時(shí)，數據中心將集中處理從分布式網(wǎng)絡(luò )流入的數據，并將運算結果傳輸回分布式網(wǎng)絡(luò )，以觸發(fā)操作或實(shí)現更改。然而，遠距離傳輸大量數據需要考慮金錢(qián)和時(shí)間成本，以及功率消耗。

 

這正是邊緣計算的用武之地：當功率、帶寬和網(wǎng)絡(luò )延遲問(wèn)題至關(guān)重要時(shí)，邊緣計算或是解決之道。應用集中式云計算時(shí)，數據在得到處理前可能需要傳輸數百公里，而邊緣計算可以在抓取、創(chuàng )建或保存數據的同一網(wǎng)絡(luò )邊緣位置處理數據。這意味著(zhù)邊緣計算的處理延遲幾乎可以忽略不計，對功耗和帶寬的要求通常也會(huì )大幅降低。

 

當今邊緣計算發(fā)展的主要推動(dòng)力之一是半導體制造商，因為半導體的進(jìn)步能夠讓芯片在不大幅增加功耗的情況下提高處理能力。位于邊緣的處理器可以在不消耗更多功率的情況下，對所獲取的數據進(jìn)行更多處理。這樣一來(lái)，更多的數據就可以留在邊緣，而無(wú)需傳輸到核心。因此，邊緣計算不僅可以降低系統總功耗，還能縮短響應時(shí)間并更好地保護數據隱私。

 

人工智能（AI）和機器學(xué)習（ML）等技術(shù)也受益于邊緣計算：它們也需要在提高數據隱私安全性的同時(shí)降低數據獲取成本，而這些都可以通過(guò)邊緣處理來(lái)解決。傳統上，AI和機器學(xué)習等技術(shù)需要海量資源才能運行，遠非端點(diǎn)或智能設備通?？商峁┑牧考?。然而如今，硬件和軟件的進(jìn)步有可能把這些賦能技術(shù)嵌入到網(wǎng)絡(luò )邊緣更小型、資源更受限的設備中。

 

評估邊緣AI

 

在選擇能夠執行邊緣處理并運行AI算法或機器學(xué)習推理引擎的平臺前，必須進(jìn)行仔細評估。簡(jiǎn)單的傳感器和執行器，甚至需要在物聯(lián)網(wǎng)中應用的傳感器和執行器，都可以通過(guò)較小的集成設備來(lái)實(shí)現。提高邊緣執行處理量需要一個(gè)更強大的平臺，并應用高度并行化的架構。這通常意味著(zhù)需要使用圖形處理器（GPU），但是如果平臺過(guò)于強大，也會(huì )給網(wǎng)絡(luò )邊緣有限的資源帶來(lái)負擔。

 

此外，邊緣設備從根本上來(lái)說(shuō)是現實(shí)世界的一個(gè)接口，因此需要兼容一些如以太網(wǎng)、GPIO、CAN、串行和/或USB等常見(jiàn)接口技術(shù)，并支持如攝像頭、鍵盤(pán)和顯示器等外圍設備。

 

與環(huán)境因素可控的數據中心相比，邊緣環(huán)境可能截然不同：邊緣設備可能會(huì )暴露在極端的溫度、濕度、振動(dòng)，甚至高原環(huán)境中。這些因素將影響設備選擇及其包裝或安裝的方式。

 

還需考慮的另一重要方面是法規要求。任何使用射頻（RF）進(jìn)行通信的設備都會(huì )受到法規的管制，并且可能需要獲得許可才能使用。某些平臺能夠“開(kāi)箱即用”，但其他平臺可能需要投入更多精力。平臺一旦投入使用，就不太可能進(jìn)行硬件升級，因此在設計平臺時(shí)就應謹慎確定其處理能力、內存和存儲，為將來(lái)的性能提升留出空間。

 

這其中就包括軟件升級。與硬件不同，軟件更新部署在設備不在現場(chǎng)的情況下也可實(shí)現。如今，這種無(wú)線(xiàn)更新（OTA）方式非常普遍，未來(lái)大多邊緣設備都可能支持OTA更新。

 

要想選對解決方案，需要仔細評估以上所有要點(diǎn)，并符合應用的特定需求。設備是否需要處理視頻數據或音頻？它僅需要監測溫度，還是也需要監測其他環(huán)境指標？它是否需要始終處于開(kāi)啟狀態(tài)，還是會(huì )長(cháng)時(shí)間休眠？它會(huì )被外部事件觸發(fā)嗎？上述大部分要求適用于部署在邊緣的所有技術(shù)，但是隨著(zhù)客戶(hù)對處理水平和產(chǎn)出的期望提高，需求清單也有必要隨之擴展。

 

邊緣計算的優(yōu)勢

 

從技術(shù)上講，現在A(yíng)I和機器學(xué)習可以被應用于邊緣設備和智能節點(diǎn)中，這將帶來(lái)重大的機遇。這意味著(zhù)處理引擎不僅離數據源更近，而且可以利用所收集的數據，開(kāi)展更多的工作。

 

邊緣計算的優(yōu)點(diǎn)著(zhù)實(shí)不少。首先，它能夠提高其使用數據的生產(chǎn)率或效率。其次，由于需要移動(dòng)的數據較少，邊緣計算能夠簡(jiǎn)化網(wǎng)絡(luò )架構。第三，它使設備與數據中心的鄰近性變得不那么重要。如果數據中心位于城市中心并離執行任務(wù)的地點(diǎn)很近，那么最后一點(diǎn)似乎無(wú)足輕重，但是如果網(wǎng)絡(luò )邊緣位于如農場(chǎng)或水處理工廠(chǎng)等遙遠的地點(diǎn)，邊緣計算就會(huì )帶來(lái)很大的不同。

 

數據在互聯(lián)網(wǎng)上飛速移動(dòng)。當得知自己的搜索結果可能繞了地球兩圈才顯示在屏幕上，多數人可能會(huì )感到驚訝，因為總耗時(shí)可能只有幾分之一秒，這對我們來(lái)說(shuō)只是彈指瞬間。但是，對組成互聯(lián)、智能且通常是自主的傳感器和執行器和其他智能設備而言，每秒鐘都像一小時(shí)。

 

這種往返延遲是實(shí)時(shí)系統的制造商和開(kāi)發(fā)者需要重視的問(wèn)題。數據往返于數據中心的耗時(shí)并非無(wú)關(guān)緊要，也肯定不是瞬時(shí)的，而縮短延遲就是邊緣計算的關(guān)鍵目標。邊緣計算能夠與5G等速度更快的網(wǎng)絡(luò )整合。但需要注意的是，隨著(zhù)越來(lái)越多的設備上線(xiàn)，網(wǎng)絡(luò )提速也將無(wú)法解決累積的網(wǎng)絡(luò )延遲問(wèn)題。

 

據預測，到2030年，可能有多達500億互聯(lián)設備在線(xiàn)。如果每一臺設備都需要通往數據中心的寬帶，網(wǎng)絡(luò )將一直堵塞。如果每臺設備的操作都需要等待數據從上一階段到達才能進(jìn)行，總延遲很快就會(huì )變得非常明顯。因此，邊緣計算是緩解網(wǎng)絡(luò )堵塞的唯一實(shí)用解決方案。

 

然而，盡管大多數應用都需要邊緣計算支持，但其優(yōu)勢仍很大程度上取決于應用本身。邊緣計算定律將幫助工程團隊確定邊緣計算是否適合某些特定應用。

 

 

邊緣計算的四大定律

 

毋庸置疑，第一定律是物理定律。射頻能量的優(yōu)點(diǎn)是它能以光速傳播，就像光纖網(wǎng)絡(luò )中的光子一樣。但缺點(diǎn)是它們無(wú)法更快速地傳輸。因此，如果射頻能量的往返時(shí)間仍然較長(cháng)，邊緣計算可能更好的選擇。

 

Ping測試提供了一種簡(jiǎn)單的方法來(lái)測量數據包在兩個(gè)網(wǎng)絡(luò )端點(diǎn)之間傳輸所需的時(shí)間。在線(xiàn)游戲通常托管在多臺服務(wù)器上，游戲玩家需要對服務(wù)器進(jìn)行ping操作，直至找到延遲最小的服務(wù)器，以實(shí)現最快速的數據傳輸。由此可見(jiàn)，即使十分之一秒對于時(shí)間敏感型的數據也十分關(guān)鍵。

 

網(wǎng)絡(luò )延遲不只取決于傳輸機制。數據傳輸的兩端都有編碼器和解碼器，物理層需要將電子轉換為正在使用的某一能量形式，然后再將其轉換回去。即使處理器以GHz級的速度運行，這一過(guò)程也需要時(shí)間，且移動(dòng)的數據量越大，所需時(shí)間越長(cháng)。

 

第二定律是經(jīng)濟學(xué)定律。該定律相對更為靈活，但是隨著(zhù)對處理和存儲資源的需求猛增，其可預測性也越來(lái)越差。利潤本就微薄，如果在云中處理數據的成本突然上升，就可能造成虧損。

 

云服務(wù)的成本包括購買(mǎi)或租用服務(wù)器、機架或刀片。成本高低可能取決于CPU內核數、所需的RAM或永久存儲量、以及服務(wù)級別。相較于缺乏保障的服務(wù)，可以保障正常運營(yíng)時(shí)間所需的服務(wù)成本會(huì )更高。網(wǎng)絡(luò )帶寬基本上是免費的，但是如果需要帶寬始終保持某一標準，則將需要為此服務(wù)付費，在評估成本時(shí)需要考慮這一點(diǎn)。

 

話(huà)雖如此，邊緣數據處理的成本不會(huì )大幅波動(dòng)。一旦支付了設備的初始成本，在邊緣處理任何數量數據的額外成本幾乎為零。

 

數據有價(jià)值是由于其攜帶的信息。這就與第三定律有關(guān)，即土地定律?，F在，任何捕獲信息的人可能都需要遵守捕獲數據所在區域的數據隱私法。這意味著(zhù)即使您是數據設備的合法所有者，可能也不被允許跨地理邊界傳輸該數據。

 

相關(guān)規定包括歐盟數據保護指令、通用數據保護條例（GDPR）和亞太經(jīng)濟合作組織隱私框架。加拿大的《個(gè)人信息保護和電子文件法》符合歐盟的數據保護法，而美國的《安全港安排》也顯示了類(lèi)似的合規性。

 

然而，邊緣處理可以解決這一問(wèn)題。通過(guò)在邊緣處理數據，數據就無(wú)需離開(kāi)設備。便攜式消費設備的數據隱私變得越來(lái)越重要。手機上的面部識別使用本地AI來(lái)處理相機圖像，因此數據永遠不會(huì )離開(kāi)設備。同樣，閉路電視（CCTV）和其他安全監視系統使用攝像頭來(lái)監控公共空間，圖像通常需要經(jīng)過(guò)基于云的數據服務(wù)器進(jìn)行傳輸與處理，這就帶來(lái)了數據隱私問(wèn)題。通過(guò)邊緣計算，數據就可在攝像頭端直接處理，更快速安全，并有可能消除或簡(jiǎn)化對數據隱私措施的需求。

 

最后，我們要考慮墨菲定律，即如果某些地方可能出錯，那么它終將出錯。當然，即使最精心設計的系統也總有可能出錯。通過(guò)網(wǎng)絡(luò )傳輸數據、在云端存儲數據并在數據中心處理數據的整個(gè)過(guò)程中可能會(huì )出現許多故障，而邊緣處理可以避免冗長(cháng)過(guò)程中可能出現的故障。

 

提出有關(guān)邊緣計算的正確問(wèn)題

 

即使您的應用能夠受益于邊緣處理技術(shù)，仍然有一些問(wèn)題需要加以考量。以下是一些最為相關(guān)的問(wèn)題：

 

1.您的應用在哪種處理器架構上運行？將軟件移植到不同的指令集上可能代價(jià)高昂并造成延遲，因此升級并不意味著(zhù)要使用另一架構。

2.您需要哪種I/O？這可以是任何數量的有線(xiàn)和/或無(wú)線(xiàn)接口。日后添加會(huì )導致效率低下，因此需要盡早確定。

3.設備的運行環(huán)境如何？是極熱、極冷還是兩者兼而有之？火星任務(wù)是很好的“邊緣處理”示例，其運行環(huán)境十分多變！

4.您的硬件是否需要遵守法規或經(jīng)過(guò)認證？答案幾乎是肯定的，因此選擇經(jīng)過(guò)預認證的平臺能夠節省時(shí)間和成本。

5.設備需要多大的功率？就單位成本和安裝而言，系統功能非常昂貴，因此了解到底多少算“足夠”非常重要。

6.邊緣設備是否受制于外形尺寸？與其他許多部署相比，這在邊緣處理中更為重要，因此在設計周期的早期就應予以考慮。

7.服務(wù)時(shí)長(cháng)有多久？ 設備將用于可能需要運行多年的工業(yè)應用，還是以月為單位衡量生命周期？

8.就處理能力而言，系統性能要求是怎樣的？ 比如每秒的幀數？有哪些內存要求？應用使用什么語(yǔ)言？

9.有成本方面的考量嗎？這是一個(gè)棘手的問(wèn)題，因為答案是肯定的，但是了解成本限制會(huì )有助于您做出選擇。

 

結論

 

邊緣處理體現自物聯(lián)網(wǎng)，但還不止于此。其驅動(dòng)力來(lái)自于比實(shí)現上述互聯(lián)設備更高的期望。在基本層面上，設備可能需要低功耗低成本，但是現在還需要提供更高級別的智能操作，并且不影響功耗和成本。

 

選對技術(shù)合作伙伴，就能輕松選擇合適的平臺。凌華科技擁有廣泛的邊緣處理解決方案組合，并與眾多提供互補技術(shù)的公司合作。歡迎加入邊緣計算開(kāi)發(fā)生態(tài)系統，我們將更好地助力您為AI應用選擇合適的邊緣計算平臺。

 

 

推薦閱讀：