自动化人都要懂一点的边缘计算

2020-05-22 16:24:09
伺服与运动控制
云计算
全文共约 4466 字,阅读约需 9~15 分钟。
边缘计算指的是在网络边缘结点来处理、分析数据。什么又是边缘结点呢?边缘结点指的就是在数据产生源头和云中心之间,任一具有计算资源和网络资源的结点。

随着“大数据”时代的到来,处理大数据的计算运行方式如云计算、雾计算、边缘计算等新概念越来越为人所知。

当自动化生产线处于高速运转时,工业设备就会产生大量的数据。采集和处理这些数据并加以利用,对工业设计、研发、制造、销售、服务等各环节具有非常高的价值。

这些数据量远大于企业计算机和人工产生的数据,而且数据类型也多是非结构化。由于生产线处于高速运转状态,对数据的实时性要求也更高。因此,在传统制造业向智能化升级的过程中,特别需要通过边缘计算技术来减少网络传输和多级转发带来的带宽与时延损耗,将车间里的生产设备智能连接,提高效率。

01、边缘计算和云计算

要想搞清楚边缘计算,就得先了解云计算,及二者的关系。这里要说明的是,虽然云计算已经被我们广泛地使用,但云计算并没有一个统一的定义,边缘计算也一样。至于雾计算,就更没有存在感了,并且其概念并没有统一标准,因此,在大的范畴里面,也归类在边缘计算。

“云计算”,就是把处理这些大数据的计算功能完全放在云端。以云平台作为计算基础,管理着数量巨大的CPU、存储器、交换机等大量硬件资源,以虚拟化的技术,来整合一个数据中心或多个数据中心的资源,屏蔽不同底层设备的差异性,以一种透明的方式向用户提供计算环境、开发平台、软件应用等在内的多种服务。

边缘计算指的是在网络边缘结点来处理、分析数据。什么又是边缘结点呢?边缘结点指的就是在数据产生源头和云中心之间,任一具有计算资源和网络资源的结点。如最靠近物的终端设备传感器、采集器,以及路由器、网关、机顶盒、代理服务器、基站、PLC、工业PC等,都可以说是边缘结点。

关于边缘计算的理解有很多,如华为提出的“章鱼说”。章鱼拥有巨量的神经元,但60%分布在章鱼的八条腿(腕足)上,脑部仅有40%。章鱼在捕猎时异常灵巧迅速,腕足之间配合极好,从不会缠绕打结。章鱼用“多个小脑+一个大脑”来决策,这就是边缘计算。还有比如“公司说”“仿生说”等,但都脱离不了我们之前提到的,在网络边缘结点就近处理采集到的数据,而不需要将大量数据上传到远端的核心管理平台。

(“章鱼说“,图片来源于鲜枣课堂)

例如,通过速度和能耗传感器的数据,即时计算燃料经济性的车辆,而在车辆中执行这种计算的计算机可以被认为一种边缘计算设备。

02、边缘计算架构

在工业现场,用户可能没有部署专用边缘服务器的物理空间或资源,因此边缘计算功能可能需要嵌入现有基础设施中,例如传感器、网关、PLC、工业PC,或工厂端其他各种设备。

在AZFT物联网实验室从事边缘计算相关的研究工作的韩天啸博士就提出,最靠近物的是传感器终端和采集器,而传感器终端和采集器之间也会有计算资源的不同,在不添加新设备的情况下,可以通过终端设备间的P2P通讯组成一个边缘网络,设定或自选举出一个或几个计算能力强的节点,作为数据汇聚节点,做适当的数据预处理后,与上一层网络节点进行通讯。首要目标减少异构数据,其次是可以引入命名机制,便于管理,此外可以引入数据的过滤清洗等隐私保护机制。这一次的边缘计算是在采集器、路由器等嵌入式设备上实现的。引入规则引擎后,进行多变量间的关联性设计,可以做到对于环境的感知,比如智能家居。

边缘计算的架构一般分为三个部分,除了上面提到的物终端间的边缘计算,还有基于私有边缘节点的边缘计算、基于公共边缘设备的多接入边缘计算。

基于私有边缘节点的边缘计算,需要在局域网部署边缘服务器或能力较强的网关设备,除了具有物终端边缘计算设备的能力外,本层次边缘计算具备多种功能,更强大的数据处理能力,对于数据具有一定的存储能力,和一定的人工智能能力。

基于公共边缘设备的多接入边缘计算,需要在多网络汇聚点设置边缘服务器群,可以做到快速内容分发,提高服务的实时性,应对主干网络可能出现的拥堵情况。

03、边缘计算需要的平台、硬件和软件

要想实现边缘计算,需要哪些平台、硬件及软件呢?一般地,边缘计算使用微服务容器技术,这样可以屏蔽操作系统带来的底层异构问题,而且方便管理。在硬件上,一般的边缘计算节点是基于X86或arm架构微处理器的硬件,需要运行AI或ML推理的需要专业芯片或FPGA。我们从云厂商、硬件厂商联盟与开发软件基金会来看下。

云计算厂商

通常来说,边缘不需要处理所有数据,而是和云端协同,共同完成计算。所以,所有的边缘计算实践都需要云端配置和边缘端部署。云计算厂商中AWS、微软和阿里云是边缘计算最早发力的。

其中AWS推出了Greengrass,微软推出了Azure IoT edge,而阿里云则推出了linkedge等边缘计算工具。这些工具均实现了定义中所介绍的,将云端能力迁移到设备中,既可以在本地处理数据,又可以利用云端的优势。对这三家边缘计算平台的各方面作一比较:

硬件厂商

目前,不同厂家自己的终端设备只与自己厂家的软件兼容。尽管如此,这些厂家现有的边缘计算套件也有很大的参考价值。

谷歌的edge tpu是一个专门在边缘上实现机器学习推理的超大规模集成电路芯片,配合cloud TPU可以完成AI和ML的算法训练和部署。具体来说,Cloud TPU可以实现独占或弹性的云端TPU加速训练,而edge tpu在体积和功耗小的物理器件上实现了高性能,实现了边缘上的高精度AI算法,两者可以结合可以实现端到端、云到端的软硬件基础设施来促进AI算法的实用。

NI、研华、凌华等硬件厂商的边缘计算实践是以硬件能力为核心的,其中FPGA是核心器件,由于FPGA的硬件逻辑可以本地配置,同时能完成告诉的AI和ML算法推理。所以使用边缘计算对于硬件厂商有天然的优势。用边缘节点设备和可以远程更新配置的软件,可以完成边缘的数据压缩和汇聚以及服务器和边缘的协同。但是,因为硬件厂商自身不具备云计算能力,云端的开放与集成是一个短板。

·NI IC-3173工业控制器,具有2.20 GHz Intel Core i7双核处理器,四GigE端口,双USB 3.0端口,适用于极端环境的自动化和控制应用,售价在300K。

·凌华SETO-1000户外服务器具有E5 Xeon处理器,双GigE端口,双SFP+端口,适用于适用于极端环境的自动化和控制应用,售价174K。

·研华EIS-D150边缘智能服务器具有Core i5 6300U,运行win10操作系统,并拥有自行研发的WISE-Agent边缘IoT套件,售价13K。

·华为AR502网关内置工业级LTE模块,提供大带宽、低时延的无线访问能力,并提供丰富的本地接口,包括千兆以太接口、RS485/RS422、RS232、RF、ZigBee等,可连接各种以太设备、串口设备和RF设备,售价9K。

·谷歌edge tpu预计在十月发售,在之前intel发布的Movidius Neural Compute Stick,NCS的优势就是低功耗,它可以在不到1瓦的工作功率下运行一个经过完全训练的神经网络,在不增加耗电和主机处理器压力的情况下,赋予机器的深度学习能力,仅售$79。而特斯拉的数据中心级Tesla P100显卡售价169K。

软件基金会

软件基金会主要服务于开发者来使用边缘计算,同时开发者也会反哺开源基金会,故此边缘计算在软件基金会发展是最早的。Openstack一直以来被认为是有可能替代AWS云的开源软件,在边缘设备使用Openstack可以实现边缘计算,在openstack的不同网络分层中部署相应的边缘计算应用。

同样,隶属于linux基金会的edgeX项目也是一个边缘计算软件,他是基于docker的一些列微服务的集合,又可以划分为四个微服务层——核心服务层、支持服务层、开放服务层、设备服务层。此外linux基金会在2018年开源了一个叫Akraino的项目,Akraino是一个开源软件栈,同样使用虚拟机和容器技术,它可以通过对于底层的灵活优化,在边缘将应用的延时控制在20ms以内。

04、边缘计算和云计算的关系

为什么有了云计算,还会出现边缘计算的呢?可以说,边缘计算是为了弥补云计算的不足。

云计算可以进行非实时、长周期数据的分析,适合集中业务的处理和复杂计算,但它也有弱点。在云计算中,数据、数据处理和应用程序都要全部保存在云端,在传输大容量数据如高清图像或视频的时候,就会出现占用带宽过多或负载过重等情况。高流量和长距离可能会显著降低网络速度。

例如,使用可穿戴式摄像头的视觉服务,响应时间需要在25ms至50ms之间,使用云计算会造成严重的延迟。如基于云平台的网络游戏,依赖云计算也会为玩家造成类似于等待时间过长的问题,无法满足用户的需求。

也许有人会问,难道以后有了5G,还不能满足对低时延的要求吗?虽然5G能够提速并增加带宽,将数据延迟减少到最低水平,但正是随着5G兴起的新应用,不仅需要处理大量的数据,而且对实时性要求又更高了,甚至达到“毫秒级”,还必须保持时刻在线,这对传统云端计算力的挑战超乎想象,只能由靠近终端的边缘计算来完成低时延的响应,通过云、边、端的结合来解决5G时代下对计算力的不同诉求。

在工业领域,自动化设备对低时延这一性能的苛刻,云计算仍然稍显不足。工业系统检测、控制、执行的实时性高,部分场景实时性要求在10ms以内,如果数据分析和控制逻辑全部在云端实现,则难以满足业务要求。也因此,边缘计算正成为云计算不可或缺的重要补充,利用边缘节点用以减少网络等待时间。

对于未来而言,物联网、AR/VR场景、大数据和人工智能行业,实际上都有着对近场计算的极强需求。边缘计算能够保障在离终端很近的区域完成大量计算需要,完成苛刻的低延时服务响应。据统计,全球有500亿终端设备,数据量大约是44ZB,这些数据如果全部传输到云端进行计算和存储,将会带来巨大的带宽消耗和低延迟的挑战,边缘计算能很好的解决带宽消耗和低延迟问题,未来,85%以上的数据都不会被传回云数据中心,而是直接在边缘计算侧进行分析和处理。目前,AWS、微软、英特尔等国外大型企业已经着手布局边缘计算,对于云服务企业来说,边缘计算的重要性不言而喻。

总的来说,边缘计算与云计算是一种互补关系。云计算侧重“云”,边缘计算侧重“端”。未来,两者在资源、数据、服务等领域会形成“边云协同”。云计算聚焦非实时、长周期数据的大数据分析,能够在周期性维护、业务决策支撑等领域发挥特长;边缘计算聚焦实时、短周期数据的分析,能更好地支撑云端应用的大数据分析;反之,云计算通过大数据分析优化输出的业务规则也可以下发到边缘侧,边缘计算基于新的业务规则进行业务执行的优化处理。

收藏
免责声明:凡注明为其它来源的信息均转自其它平台,由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,不为其版权负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。联系邮箱:leixiao@infoobs.com