马鞍山二中_边缘计算:现状与展望

马鞍山新闻网/2019-11-06/ 分类:马鞍山科技/阅读:

连年来,随着万物互联时代的快速到来和无线网络的遍及,网络边缘的设备数量和发生的数据都快速增长.依照IDC料想[1],到2020年全球数据总量将大于40泽字节(zettabyte, ZB),而物联网发生数据的45%都将在网络边缘从事惩罚.在这种情形下,以云计算模型为核心的集中式从事惩罚模式将无法高效从事惩罚边缘设备发生的数据.集中式从事惩罚模型将所有数据通过网络传输到云计算中心,支配云计算中心超强的计算身手来集中式打点计算和存储问题,这使得云供职能够缔造出较高的经济效益.但是在万物互联的背景下,传统云计算有4个不够:

1) 实时性不敷.万物互联场景下应用对于实时性的要求极高.传统云计算模型下,应用将数据通报到云计算中心,再哀求数据从事惩罚成效,增大了系统延迟.以无人驾驶汽车应用为例,高速行驶的汽车须要毫秒级的反应时间,一旦由于网络问题而加大系统延迟,将会造成严重后果.

2) 带宽不够.边缘设备实时发生大量数据,将全部数据传输至云端造成为了网络带宽的很大压力.譬喻,波音787每秒发生的数据超出5GB[2],但飞机与卫星之间的带宽不够以支持实时传输.

3) 能耗较大.数据中心消耗了极多的能源,依照Sverdlik的研究[3],到2020年美国所有数据中心能耗将增长4%,到达730亿千瓦时,我国数据中心所消耗的电能也已经超出了匈牙利和希腊两国用电总和.随着用户应用办法越来越多,从事惩罚的数据量越来越大,能耗将会成为限制云计算中心生长的瓶颈.

4) 倒霉于数据安详和隐私.万物互联中的数据与用户生活联系极为紧密,譬喻,许多家庭安排室内智能网络摄像头,视频数据传输到云端,会增加泄露用户隐私的风险.随着欧盟“通用数据珍惜条例”(GDPR)[4]的生效,数据安详和隐私问题对于云计算公司来说变得更加重要.

为了打点以上问题,面向边缘设备所发生海量数据计算的边缘计算模型应运而生.边缘计算是在网络边缘执行计算的一种新型计算模型[5-6],边缘计算利用的对象包含来自于云供职的下行数据和来自于万物互联供职的上行数据,而边缘计算的边缘是指从数据源到云计算中心路径之间的任意计算和网络资源,是一个延续统(continuum).边缘计算模型和云计算模型其实不是取代的关系,而是相辅相成的关系,边缘计算须要云计算中心强大的计算身手和海量存储的支持,而云计算中心也须要边缘计算中边缘设备对海量数据及隐私数据的从事惩罚.

边缘计算模型具有3个明显的长处:

1) 在网络边缘从事惩罚大量耐久数据,不再全部上传云端,这极大地减轻了网络带宽和数据中心功耗的压力;

2) 在挨近数据出产者处做数据从事惩罚,不须要通过网络哀求云计算中心的响应,大大减少了系统延迟,增强了供职响应身手;

3) 边缘计算将用户隐私数据不再上传,而是存储在网络边缘设备上,减少了网络数据泄露的风险,珍惜了用户数据安详和隐私.

得益于这些优势,边缘计算连年来得到了迅速生长,本文首先梳理了边缘计算的生长历程,将其归纳为技术蕴藏期、快速增长时间和稳重生耐久3个阶段,并列举了不同阶段的典型变乱.随后,本文总结了鞭策边缘计算迅速生长的7项关键技术,即网络、隔离技术、体系布局、边缘利用系统、算法执行框架、数据从事惩罚平台以及安详和隐私.然后提出普及采纳边缘计算的6类典型应用:公共安详中实时数据从事惩罚、智能网联车和自动驾驶、虚拟现实、家产物联网、智能家居和聪明都会.最后,本文提出了边缘计算在未来生长中须要紧迫打点的6类问题.

1 边缘计算的生长历程

本文在谷歌学术上以“edge computing”为关键词进行搜索每年的文章数量,成效如图1所示.可以看到,2015年以前,边缘计算处于原始技术积累阶段;2015—2017年,边缘计算开始被业内熟知,与之相关的论文增长了10余倍,得到了飞速生长;2018年边缘计算开始稳重生长(此中2018年的论文数量依照2018年前9个月的数据推算而来,实际数据有收支).本文依据这一阐发成效和对行业生长趋势的察看将边缘计算的生长分为3个阶段:技术蕴藏期、快速增长时间和不变生耐久.图2列举了边缘计算生长中的典型变乱(粗体字为中国对边缘计算生长的贡献).


马鞍山二中_边缘计算:现状与展望

Fig. 1 Number of peacehalls retrieved by “edge computing” on Google Scholar
图1 谷歌学术上以“edge computing”为关键词搜索到的文章数量


马鞍山二中_边缘计算:现状与展望

Fig. 2 Development states of edge computing and the typical events at each stage
图2 边缘计算的生长历程及典型变乱

1.1 技术蕴藏期

在此阶段,边缘计算历经“蛰伏—提出—定义—推广”等生长过程.边缘计算最早可以追溯至1998年阿卡迈(Akamai)公司提出的内容分发网络[7](content delivery network, CDN),CDN是一种基于互联网的缓存网络,依靠放置在各地的缓存供职器,通过中心平台的负载均衡、内容分发、调度等功能模块,将用户的造访指向距离最近的缓存供职器上,以此降低网络拥塞,提高用户造访响应速度和命中率.CDN强调内容(数据)的备份和缓存,而边缘计算的基本思想则是功能缓存(function cache).2005年美国韦恩州立大学施巍松传授的团队就已提出功能缓存的概念,并将其用在秉性化的邮箱解决供职中,以节省延迟和带宽[8].2009年Satyanarayanan等人提出了Cloudlet[9]的概念,Cloudlet是一个可信且资源丰富的主机,放置在网络边缘,与互联网连接,可以被移动设备造访,为其提供供职,Cloudlet可以像云一样为用户提供供职,又被称为“小朵云”.此时的边缘计算强调下行,即将云供职器上的功能下行至边缘供职器,以减少带宽和时延.

随后,在万物互联的背景下,边缘数据迎来了暴发性增长,为了打点面向数据传输、计算和存储过程中的计算负载和数据传输带宽的问题,研究者开始探索在挨近数据出产者的边缘增加数据从事惩罚的功能,即万物互联供职功能的上行.具有代表性的是移动边缘计算(mobile edge computing, MEC)、雾计算(fog computing)和海云计算(cloud-sea computing).

阅读:
广告 330*360
广告 330*360
马鞍山新闻网
微信二维码扫一扫
关注微信公众号
新闻自媒体 Copyright © 2002-2019 马鞍山新闻网 版权所有
二维码
意见反馈 二维码