新闻中心 分类
亿电竞app_边缘盘算的观点及优势分析 发布日期:2021-09-04 浏览次数:
本文摘要:>> 引言 <<思科在2016—2021年的全球云指数中指出:接入互联网的设备数量将从2016的171亿增加到271亿。

亿电竞app官网

>> 引言 <<思科在2016—2021年的全球云指数中指出:接入互联网的设备数量将从2016的171亿增加到271亿。天天发生的数据量也在激增,全球的设备发生的数据量从 2016年的218 ZB增长到2021年的847 ZB。

自2005年问世以来,云盘算已经极大地改变了我们生活、事情和学习的方式。例如软件即服务(SaaS)的应用如谷歌Apps、Twitter、Facebook、Flickr等已经在我们的日常生活中被广泛使用。此外,为支持云服务而开发的可扩展基础设施以及处置惩罚引擎也显著影响着业务的运行方式,如谷歌文件系统、MapReduce、Apache Hadoop、Apache Spark等。物联网于1999年首次引入社区以举行供应链治理,然后“无需人工干预即可制作盘算机感知信息”的观点被广泛应用于其他领域,例如:医疗保健、家庭、情况和交通工具。

现在有了物联网,我们将进入后云端时代,我们生活中的事物将发生大量的数据,而且许多应用法式还将部署在网络边缘以使用这些数据。凭据思科全球云指数的预计,到2019年由人,机械和事物发生的数据将到达500 ZB,可是到那时,全球数据中心IP流量将仅到达10.4 ZB。

到2019年,物联网建立的数据中的45%将在靠近网络的地方或网络边缘被存储、处置惩罚、分析和操作。思科互联网业务解决方案团体预测,到2020年将有500亿的事物毗连到互联网。物联网应用可能会要求极快的响应时间,数据的私密性等等。如果把物联网发生的数据传输给云盘算中心,将会加大网络负载,网路可能造成拥堵,而且会有一定的数据处置惩罚延时。

云盘算的效率不足以支持这些应用法式的盘算任务需求。传统的云盘算模型是将所有数据通过网络上传至云盘算中心,使用云盘算中心的超强盘算能力来集中解决应用的盘算需求问题。然而,云盘算的集中处置惩罚模式存在难以满足万物互联实时性需求所需带宽,云盘算中心数据宁静和隐私问题以及云服务器运行能耗较大等问题。

随着云服务和物联网的推动,催生了边缘盘算模型。边缘盘算模型是指在网络边缘执行盘算的一种新型盘算模型。

如今网络边缘正在从数据消费者转变为数据生产者,即在网络的边缘发生、处置惩罚、分析数据。我们试图论述边缘盘算的观点,从分析为什么需要边缘盘算开始,然后给出边缘盘算的结构界说及优点。>> 边缘盘算 <<现在越来越多数据在网络边缘发生,因此,在网络的边缘处置惩罚数据会更有效率。

之前的研究事情如微数据中心(micro datacenter )、cloudlet(微云)和雾盘算(fog computing)已经被引入到社区中,因为当数据在网络的边缘发生时,云盘算并不总能有效地处置惩罚数据。在许多情况下,边缘盘算比云盘算对某些盘算服务更有效。在本节中将列出一些为什么在一些盘算服务中边缘盘算比云盘算更高效的原因,然后给出对边缘盘算的界说和明白。1.为什么需要边缘盘算(1) 从云服务推动:将所有的盘算任务放到云上已经被证明是一种有效的数据处置惩罚方式,因为云上的盘算能力远远凌驾了边缘事物的能力。

然而,与高速生长的数据处置惩罚速度相比,网络的带宽却停滞不前。随着边缘生成的数据量增加,数据传输速度成为云盘算的瓶颈。

例如,一架波音787每秒钟将发生约莫5GB的数据,可是飞机与卫星或地面基站之间的带宽不足以传输数据。以自动驾驶汽车为例,汽车每秒钟将发生1GB的数据,它需要实时处置惩罚车辆作出正确的决议。如果所有数据都需要发送到云举行处置惩罚,那么响应时间会太长。

更不用说当前网络的带宽和可靠性将因其在一个地域支持大量车辆的能力而受到挑战。在这种情况下,需要在边缘处置惩罚数据,以缩短响应时间,提高处置惩罚效率,减小网络压力。图1 云盘算范式(2)从物联网推动:险些所有的电子设备都将成为物联网的一部门,它们将饰演数据制造者和消费者的角色,好比空气质量传感器、LED条、路灯,甚至是联网的微波炉。

可以有掌握地推断,在网络边缘的事物数量将在几年内生长到数十亿以上。因此,它们发生的原始数据量将是庞大的,使得传统的云盘算无法有效地处置惩罚所有这些数据。这意味着物联网发生的大部门数据将永远不会传输到云端,而是在网络的边缘消耗。

图1为传统云盘算结构。如蓝色实线所示,数据生产者生成原始数据并将其传输到云上,数据消费者向云发送使用数据的请求。红色的虚线表现对从数据用户发送到云的消费数据的请求,绿色的虚线表现来自云的效果。

然而,这种结构对物联网来说是不够的。首先,边缘的数据量过大,会导致大量不须要的带宽和盘算资源的使用。其次,隐私掩护要求将对物联网中的云盘算组成障碍。

最后,物联网中的大多数终端节点的事物经受不起过大的能耗,而无线通信模块通常很是耗能,因此将某些盘算任务疏散到边缘举行盘算可能是一种更节能盘算方式。(3)从数据消费者转变为生产者:在云盘算中,处于边缘的终端设备通常充当数据消费者的角色,例如,在智能手机上寓目YouTube视频。

亿电竞app下载

可是,如今人们也从他们的移动设备生成数据。从数据消费者到数据生产者的转变需要在边缘放置更多功效。例如,现在人们照相或录制视频,然后通过YouTube、Facebook、Twitter或Instagram等云服务分享数据是很平常的。此外,YouTube用户每分钟上传72小时的新视频内容;Facebook用户分享了近250万条内容;推特用户公布推文近30万次;Instagram用户公布了近22万张新照片。

然而,图像或视频剪辑的盘算可能相当大,它将占用大量的上传带宽。在这种情况下,在上传到云端之前,视频应该在边缘被剪辑和调整到合适的分辨率。另一个例子是可穿着康健设备。由于网络边缘收集的物理数据通常是隐私的,所以在边缘到处理数据可以比将原始数据上传到云更好地掩护用户隐私。

图2 边缘盘算流程2 什么是边缘盘算边缘盘算是一种使能技术,它可以在网络边缘对物联网服务的上行数据及云服务的下行数据举行盘算。其焦点理念是:盘算应该更靠近数据的源头,可以越发贴近用户。边缘盘算中的“边缘”是指从数据源到云盘算中心路径之间的任意盘算、存储和网络资源。

例如,智能手机是小我私家与云端之间的“边缘”,智能家居中的网关是家庭设备与云端之间的“边缘”,微数据中心和cloudlet是移动设备与云端之间的“边缘”。边缘盘算的基本原理是盘算应该发生在靠近数据源的地方。

在我们看来,边缘盘算与雾盘算(fog computing)是类似的,可是边缘盘算更偏重于“物”方面,而雾盘算更偏重于基础结构方面。我们认为边缘盘算可以像云盘算一样对我们的社会发生庞大的影响。图2说明晰边缘盘算中的双向盘算流。在边缘盘算范式中,物不仅是数据消费者,而且是数据生产者。

在网络边缘,这些物不仅可以从云端请求服务和内容,还可以从云端执行盘算任务。网络可以举行盘算卸载、数据存储、缓存和处置惩罚,以及从云端向用户分发请求和交付服务。

为此需要对网络边缘举行合理地设计,满足宁静性,可靠性及隐私掩护的需求。3 边缘盘算体系架构边缘盘算通过在终端设备和云之间引入边缘设备,将云服务扩展到网络边缘。边缘盘算架构包罗终端层、边缘层和云层。接下来我们简要先容边缘盘算体系架构中每层的组成和功效。

(1)终端层:终端层是最靠近终端用户的层,它由种种物联网设备组成,例如传感器、智能手机、智能车辆、智能卡、读卡器等。为了延长终端设备提供服务的时间,则应该制止在终端设备上运行庞大的盘算任务。因此,我们只将终端设备卖力收集原始数据,并上传至上层举行盘算和存储。

终端层毗连上一层主要通过蜂窝网络。(2)边缘层:边缘层位于网络的边缘,由大量的边缘节点组成,通常包罗路由器、网关、交流机、接入点、基站、特定边缘服务器等。这些边缘节点广泛漫衍在终端设备和云层之间,例如咖啡馆、购物中心、公交总站、街道、公园等。

亿电竞app

它们能够对终端设备上传的数据举行盘算和存储。由于这些边缘节点距离用户距离较近,则可以为运行对延迟比力敏感的应用,从而满足用户的实时性要求。

边缘节点也可以对收集的数据举行预处置惩罚,再把预处置惩罚的数据上传至云端,从而淘汰焦点网络的传输流量。边缘层毗连上层主要通过因特网。(3)云层:云层由多个高性能的服务器和存储设备组成,它具有强大的盘算和存储功效,可以执行庞大的盘算任务。

云模块通过控制计谋可以有效地治理和调理边缘节点和云盘算中心,为用户提供更好的服务。4 边缘盘算的利益在边缘盘算中,我们希望使用靠近数据边缘的设备来完成相关盘算。

与传统的云盘算相比,这有几个利益,使用研究社区的一些早期实验效果来证明边缘盘算潜在的利益。研究人员在相关研究中构建了一个观点验证平台来运行人脸识别应用法式,而且通过将盘算从云端移动到边缘,响应时间从900ms淘汰到169ms。使用微云(cloudlet)来为穿着式认知辅助设备分管盘算任务,效果显示响应时间提高了80 - 200ms。

此外,cloudlet offloading还可以淘汰30%-40%的能耗。在研究中的clonecloud组合了分区,迁移和合并以及按需实例化移动设备和云之间的分区,其原型可以为测试应用法式淘汰20倍的运行时间和能耗。--【END】--。


本文关键词:亿电竞app官网,亿电竞app,亿电竞app下载

本文来源:亿电竞app官网-www.ytchengren.com