边缘计算是 4.0 行业的竞争差异化,物联网的下一个前沿

华制智能
工业4.0以不同方式使用机器学习、物联网和大数据来集成、自动化和优化其运营。系统必须相互交流,同时为负责任的专业人士提供洞察力。然而,所有这些都要求以尽可能低的延迟处理和交付数据。

根据国际数据公司(IDC)2021年1月发布的全球调查,大约45%的受访组织表示他们需要实时数据。在与4.0概念一致的行业框架内,这是一个重要功能,可以在边缘计算的帮助下构建。

2345截图20210719174729.png

1、边缘计算的两种模型原理

工业4.0以不同方式使用机器学习、物联网和大数据来集成、自动化和优化其运营。系统必须相互交流,同时为负责任的专业人士提供洞察力。然而,所有这些都要求以尽可能低的延迟处理和交付数据。

边缘计算或边缘计算可确保这一点,因为它提供了基础设施。该技术允许在更接近行业的情况下处理数据,而不必一路前往数据中心。它有两种边缘模型工作原理:

Far Edge:边缘基础设施部署得更靠近生成源,远离数据中心或云。例如,我们可以引用移动服务提供商的计算基础设施,位于电话塔本身(移动基站)。

Near Edge:边缘基础设施部署在远边缘和数据中心或云之间。Far Edge是部署地点的特定应用程序,Near Edge则集中了CDN缓存和雾计算等通用服务。

2345截图20210719174729.png

2、边缘计算的优势

根据IDC调查显示,大约73%的受访高管(来自七个行业)将边缘计算作为一项战略投资。这是因为它具有以下优点:

●实施成本低;

●高投资回报率;

●低延迟;

●数据安全;

●数据量突然增加时的弹性。

前景是,到2025年,边缘投资将以平均每年30%的速度增长。根据报告,最吸引CIO的边缘能力是:

存储:将敏感数据存储在边缘,使信息更易于访问和安全;

安全性:一组用于保护工作负载、降低攻击风险的应用程序;

应用程序:启用分布式计算以支持宽带应用程序和工作负载;

智能解决方案:与运营协作,提供低延迟、成本效益、合规性和数据主权,以及即使在网络不可用时也能自主运营。

2345截图20210719174729.png

3、边缘计算储存是难点

但是边缘计算储存不是一件易事。所有边缘计算都需要将数据存储在非常靠近那些微型机器学习(TinyML)芯片的地方,这些芯片将人工智能添加到无数传感器、执行器和其他悬挂在边缘的设备中。在2021年的白皮书《TinyML:技术领域的下一个大机遇》中,ABI Research预测“TinyML市场的出货量将从2020年的1520万个增长到2030年的25亿个。”这需要大量的人工智能处理。

无需处理数百甚至数千个虚拟机及其所需的存储,这意味着需要本地存储的数万或数十万设备——这就像去中心化。

在许多IoT环境中,管理员使用云为边缘计算提供存储服务,但随着计算需求的增加,云存储的延迟已成为一个问题。

在数千或数百万个地方放置高性能存储,然后管理整个交易是一项艰巨的任务。

首先,任何单个物联网的边缘都可能有数十甚至数百种不同类型的设备。每个设备的交互方式可能不同。通信可能会使用存储领域不熟悉的协议,例如MQ遥测传输、高级消息队列协议、4G和5G LTE以及各种短距离无线协议。

嵌入在边缘设备中的处理器也会有所不同。这意味着Raspberry Pi从存储访问数据的方式可能与Banana Pi或Onion Omega2的方式不同。

电源可能是个问题。我们不会在边缘启动磁盘,但是当乘以数千个边缘实例时,即使是固态的适度功率需求也可能看起来很庞大。

如今,大多数用于边缘计算的存储都采用SD和microSD格式,它们提供充足的容量,目前似乎足以处理AI杂务。新形式的固态存储肯定会出现,它们更便宜、速度更快且耗电更少。

边缘存储问题的硬件部分似乎已得到控制,但跟上处理和存储速度所需的固件和软件将需要更多的开发。最大的挑战可能是管理所有存储。无需担心巨大的容量,但由于组织必须配置、保护和备份如此多的单个实例,因此管理IoT边缘存储环境并非易事。将数据从边缘设备转移到云服务和数据中心可能会导致令人费解的数据流量拥堵。

2345截图20210719174729.png

边缘计算是将行业转变为4.0的重要基础设施之一。通过它,企业可以优化数据的生成、传输和分析,带来更高的智能、优化资源和速度等运营优势,从而带来更大的竞争优势,未来边缘计算值得关注。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论