边缘计算机解决的最后0.1秒延时
数据是现代社会的“生命”之流。尽管光纤已经能让数据以20万千米/秒(真空光速的三分之二)飞速行驶,但在远距离传输中仍不可避免存在延迟。从北京发出的信号沿着光纤传播,最快也要0.1秒才能抵达约2万千米外的智利。尽管这一延迟几乎可以忽略不计,但在一个即将到来的万物互联世界里,再微小的数据延迟都将对一些行业造成重大影响,如远程手术、股市交易、无人驾驶等。
因此,缩短数据的传输路程已成迫切需求。而这一需求也推动了边缘计算nvidia jetson等设备出现,数据的存储和计算向智能设备终端一侧下沉,边缘计算由此应运而生。
从概念上来看,边缘计算是一种分布式运算的架构,其将应用程序、数据资料与服务的运算由网络中心节点移往网络逻辑上的边缘节点来处理。由于边缘节点(如智能设备、手机、网关等)离用户或数据源头更近,因此数据的传输和处理速度可以有效提升,减少延迟。
下面我们以人类的中枢神经系统为参考,来更好地理解一下边缘计算。
试想一下,当我们的手碰到火苗时,第一反应是迅速缩回,之后才感受到灼烧的疼痛。在这一过程中,皮肤的感受器率先接受外界刺激,并产生神经冲动传到脊髓。随后,脊髓一方面将指令传递给手臂上的肌肉使其立刻缩回,同时也将信号同步传输给距离更远的大脑皮层,从而使我们形成痛觉。
边缘计算就像是能够瞬时做出反射动作的脊髓,由于传输路径短,往往具有反应速度快、延迟较低的特点,但难以处理过于复杂的信息;而云计算则相当于大脑,它能够处理更庞杂的信息,但也往往依赖更长的传输路径。
从技术或商业演进的实际情况来看,物联网设备的指数级增长,产生了大量需要在数据中心处理的数据。在传统云计算模式下,数据的传输和存储过程存在高延迟、高峰期拥堵以及低带宽等问题。而作为云计算的一种补充,边缘计算着重解决的正是数据传输、处理、存储的效率问题。因此,边缘计算更偏向于云计算向终端和用户侧延伸形成的新解决方案。
具体来看,边缘计算具有以下四种优势:
高速
物联网的边缘计算设备能够在本地或者附近的边缘数据中心处理数据,由于其收集的信息不必传输到传统的云设施上,因此可以极大地提升智能设备的响应速度。例如在人脸识别领域,相比云计算,边缘计算的响应时间由900ms减少为169ms,甚至快于人类识别人脸的反应时间(370-620ms)。
安全
边缘计算将数据的处理、存储和应用分散在大范围的设备和数据中心,因此单一的攻击很难破坏整个网络;另一方面,传统云计算将身体可穿戴、医疗、工业制造等设备采集的隐私数据传输到数据中心的路径比较长,容易导致数据丢失或者信息泄露等问题,而通过在边缘保存和处理数据,则能够有效避免这一风险;此外,收集到的数据的所有权也将从服务提供商转移到最终用户。
低带宽需求
边缘计算通过本地处理,能够减少传送到云中心的数据,降低对网络带宽的需求。这一特性在宽带受限的场景下尤为重要,如信号较差的飞机、山区等。
可扩展性
边缘计算提供了成本更低的可扩展性路径,允许公司通过物联网设备和边缘数据中心的组合来扩展其计算能力。
基于以上特性,协同5G、AI、云计算等技术,边缘计算在各行各业有着广泛的应用前景:
在智慧城市中,通过边缘计算支撑智慧城市大规模基础设施的计算和服务,可以实现终端设备的低时延、低成本应用。以地铁时刻表为例,通过为每辆地铁车辆配备乘客计数器系统(PCN)和物联网边缘网关,计数器内置摄像头捕捉乘客运动轨迹并将“人数”数据传送到网关;网关进行数据聚合并提供GPS定位数据,标准化后传送至物联网平台,就能够将地铁运行次数和人流数量相匹配,提升运营效率。
在智能制造领域,边缘计算通过与AI结合,使用本地传感器控制和管理输出,能够显著地提高效率、减少误差。比如联想集团打造的晨星机器人,在强大的边缘算力和智能支持下,可以让工人通过机器人精准地执行远程喷漆工作。而在操作一次自然示教之后,该零部件的喷漆能力就保存在了边缘侧,之后对于同样规格的零部件,机器人就能实现自主喷涂。
在卫星通信领域,边缘计算能够适配环境提供低延时、低宽带需求、低成本的服务。由于卫星通信的大量终端设备往往分布于较偏远的环境,传输距离远、带宽有限、跨卫星通讯费用高昂,边缘计算通过将数据本地化处理能有效解决这一问题,在船舶、飞机、石油钻井、采矿作业、军事基础设施等领域应用前景广阔。