冲量网络 | 边缘计算

冲量网络 | 边缘计算_第1张图片
边缘计算的起源不算晚,早在2003年,IBM就做了相关的技术拓展和尝试,而随着物联网技术和5G技术被不断提起,人们越来越多地谈论和探索边缘计算相关应用与未来发展。同时,AI算力等技术等技术的完善,也一点点地完善边缘计算,使得边缘计算的技术和市场规模变得巨大,其在当前信息科技发展当中的重要性日益凸显。
冲量网络 | 边缘计算_第2张图片
边缘计算(Edge Computing)指的是在网络边缘进行计算的计算模式,其对数据的处理主要包括两部分:其一是下行的云服务,其二是上行的互联服务。当然,这里的边缘并不是广义上的“边缘”,其更类似于一个相对概念,指从数据源到云计算中心路径之间的任意计算、存储以及网络相关资源。

如果要追溯历史,那边缘计算最早其实是应用于传媒行业,其指的是在数据源头处,采用网络、计算、存储、应用核心能力为一体的开放平台,直接在最近的地方提供服务,由于其运行于边缘处,拥有极快的响应速度。而随着技术发展,其在安全、实时响应、AI智能和可信隐私方面,都有着用武之地。

当我们在从数据源的一端到云服务中心的一端,在中间的路径上可能经过许多的计算器件或者平台,比如路由器、交换机等,如果没有边缘计算,其可能只起到中介者或通信者的作用,但如果我们将其作为资源节点,那就能让计算更接近使用者的同时,链接到其他计算任务中。
冲量网络 | 边缘计算_第3张图片
冲量网络 | 边缘计算_第4张图片
边缘计算核心理念和目标就是让计算应更靠近产生数据的源头,更加贴近用户,并链接更多的功能需求。当我们缩减这些资源与用户的距离的时候,带宽、延迟、抖动等不稳定因素都将更加易于控制与改进,并提供个性化的需求计算服务。

边缘计算会将网络距离,或者空间距离上的与用户临近的这些独立的、分散的资源进行统一,为应用提供计算、存储以及网络服务,在安防领域,人脸识别摄像头能够直接在本地设备上完成识别,而不再依赖云端,从而避免耗费时间上传图像、接受信息,有利于节省带宽资源。

而在AI的加持下,边缘计算在智慧城市、车联网、智能工厂、智能社区、智能家居、灾难搜救等行业都有相当广阔的应用前景。例如利用边缘计算使终端能够从监控视频和图像中提取实体,并构建应用程序以发现所需信息。如果说终端是手的大脑,那边缘计算就是神经末梢带来的本能反应,边缘计算更靠近设备端,更靠近用户。
冲量网络 | 边缘计算_第5张图片
说到边缘计算,那绕不开的便是其与云计算的对比。

首先,云计算更多指的是集中式的数据处理或者任务执行,而对于边缘计算来说,其数据和不用再传到遥远的云端,在边缘计算侧就能解决。不过两者实际上都参与了整个需求或者数据的计算中。

另外,边缘计算更适合实时的数据分析和智能化处理,相较单纯的云计算也更加高效而且安全,其相当于可信计算中,将数据和代码安全部分都转移到线下,从而提升效率,但其对于一些需要快速更新迭代的处理过程,应对还是没云计算更好。

因此,当然,边缘计算并不会取代云计算,更为合适的说法是,边缘计算是云计算的补充。目前二者融合的趋势越来越明显,将在未来相互配合,共同提升计算效率。
冲量网络 | 边缘计算_第6张图片
冲量网络 | 边缘计算_第7张图片
处于网络边缘的资源是很多的,主要有用户终端,如手机、个人电脑等等,基础设施,如wifi接入点、蜂窝网络基站、路由器等等,嵌入式设备,如摄像头、机顶盒等等。在未来万物互联的时代,随着资源的的数量增多,我们其实是不可能为每一个设备都提供一个处理方式,这时我们就需要边缘计算来让每一个设备拥有自己的处理方式。

对冲量网络来说,边缘计算将是冲量云网络中极为重要的组成部分,其将帮助通过容器集群、函数计算和边缘计算技术保障了计算任务的快速创建和灵活调度,提供了资源无限快速扩展的能力。

你可能感兴趣的:(冲量网络)