日日操夜夜添-日日操影院-日日草夜夜操-日日干干-精品一区二区三区波多野结衣-精品一区二区三区高清免费不卡

邊緣計(jì)算（Edge computing）是相對云計(jì)算而言的，它是指收集并分析數(shù)據(jù)的行為發(fā)生在靠近數(shù)據(jù)生成的本地設(shè)備和網(wǎng)絡(luò)中。邊緣計(jì)算又被叫做分布式云計(jì)算、霧計(jì)算或第四代數(shù)據(jù)中心。

一、什么是邊緣計(jì)算？

“邊緣”一詞在物聯(lián)網(wǎng)的世界里被賦予了新的定義。隨著5G時(shí)代的到來，邊緣計(jì)算也被迅速推廣和普及。那么到底什么是邊緣計(jì)算呢？

邊緣計(jì)算首先通過在WAN網(wǎng)絡(luò)上虛擬化網(wǎng)絡(luò)服務(wù)而出現(xiàn)。最初是一個(gè)平臺來驅(qū)動(dòng)的，適應(yīng)了云計(jì)算用戶的習(xí)慣，這也便是思科（Cisco）于2011年曾提出的霧計(jì)算概念的由來。隨著新的邊緣計(jì)算能力的出現(xiàn)，邊緣計(jì)算不再需要構(gòu)建集中的數(shù)據(jù)中心，創(chuàng)建了具有潛在數(shù)千個(gè)可應(yīng)用的大規(guī)模分布式節(jié)點(diǎn)的能力。

邊緣計(jì)算的專業(yè)解釋過于復(fù)雜，我們嘗試用一個(gè)簡單的例子來解釋它。

有人認(rèn)為，章魚不像是地球生物，更像是外星物種。這一說法并非憑空而來。章魚基因組含有約33000個(gè)基因，是常見無脊椎動(dòng)物的5-6倍，它的血是藍(lán)色的，有三個(gè)心臟，軟體多足沒有毛發(fā)，比很多動(dòng)物都聰明。

其實(shí)，章魚就是一個(gè)典型的“邊緣計(jì)算。”

你是否思考過這樣一個(gè)問題？章魚為什么那么聰明？為什么在捕捉獵物或者逃跑的時(shí)候，它有那么多條腕，為什么不會纏在一起？

這得益于章魚的大腦的架構(gòu)。

人類的神經(jīng)元全部集中在腦部，與人類不同，章魚腦部的神經(jīng)元只有40%，其他60%分布在幾條腕上。

這樣做有什么好處呢？

好處是章魚可以用自己的腕去思考問題，比如章魚的腕碰到一只螃蟹，它不必將這一信息傳給大腦，直接用這條腕就能完成思考，立馬做出反應(yīng)。

這就是邊緣計(jì)算！將數(shù)據(jù)的處理、應(yīng)用程序的運(yùn)行，甚至一些功能服務(wù)的實(shí)現(xiàn)，統(tǒng)統(tǒng)從網(wǎng)絡(luò)中心，搬到各個(gè)邊緣節(jié)點(diǎn)上，以提高敏捷性、實(shí)時(shí)性以及安全性等等。

二、為什么需要邊緣計(jì)算？

據(jù) Gartner估計(jì)，目前全球使用了超過220億個(gè)智能設(shè)備，到2025年，將有416億個(gè)智能設(shè)備連上互聯(lián)網(wǎng)。如果將這些設(shè)備產(chǎn)品的數(shù)據(jù)全部傳輸?shù)皆贫耍瑢W(wǎng)絡(luò)帶寬、網(wǎng)絡(luò)流量成本控制、云端存儲能力都是一個(gè)巨大的挑戰(zhàn)。同時(shí)，一些應(yīng)用需要及時(shí)響應(yīng)，如工廠的機(jī)械設(shè)備的故障預(yù)測，時(shí)延即意味著損失。另外一些邊緣設(shè)備還涉及個(gè)人隱私和安全。

為了應(yīng)對物聯(lián)網(wǎng)場景中海量數(shù)據(jù)傳輸、存儲和云計(jì)算能力的挑戰(zhàn)，領(lǐng)先的云計(jì)算廠商紛紛推出邊緣計(jì)算的產(chǎn)品。將部分?jǐn)?shù)據(jù)分析功能，放到了應(yīng)用場景的附近（終端或網(wǎng)關(guān)）來實(shí)現(xiàn)，這種就近提供的智能服務(wù)可以滿足行業(yè)數(shù)字化在敏捷連接、實(shí)時(shí)業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求。

三、邊緣計(jì)算的由來

邊緣計(jì)算是近幾年才興起的一個(gè)概念，它的出現(xiàn)是源于云計(jì)算在實(shí)際運(yùn)用中的不足：

事例1：制造業(yè)打造智能工廠時(shí)，會有大量的智能化終端和設(shè)備通過工業(yè)網(wǎng)絡(luò)接入，企業(yè)需要計(jì)算和處理的日常業(yè)務(wù)數(shù)據(jù)越來越龐大。同時(shí)，工業(yè)上有大量需要實(shí)時(shí)處理的場景，需要在毫秒級別進(jìn)行實(shí)時(shí)響應(yīng)。由于網(wǎng)絡(luò)的限制，云計(jì)算架構(gòu)難以實(shí)現(xiàn)實(shí)時(shí)響應(yīng)。（延時(shí)即事故）

事例2：通過大量傳感器，對油田生產(chǎn)數(shù)據(jù)實(shí)現(xiàn)自動(dòng)化采集，但如果每個(gè)傳感器都向云端發(fā)送連接，海量的數(shù)據(jù)給網(wǎng)絡(luò)帶來巨大壓力。（海量即擁堵）

1. 云計(jì)算和邊緣計(jì)算的區(qū)別

1. 邊緣計(jì)算的幾個(gè)特質(zhì)

分布式和低延時(shí)計(jì)算：邊緣計(jì)算聚焦實(shí)時(shí)、短周期數(shù)據(jù)的分析，能夠更好地支撐本地業(yè)務(wù)的實(shí)時(shí)智能化處理與執(zhí)行。

效率更高：由于邊緣計(jì)算距離用戶更近，在邊緣節(jié)點(diǎn)處實(shí)現(xiàn)了對數(shù)據(jù)的過濾和分析，因此效率更高。

更加智能化：AI+邊緣計(jì)算的組合出擊讓邊緣計(jì)算不止于計(jì)算，更多了一份智能化。

更加節(jié)能：云計(jì)算和邊緣計(jì)算結(jié)合，成本只有單獨(dú)使用云計(jì)算的39%。

緩解流量壓力：在進(jìn)行云端傳輸時(shí)通過邊緣節(jié)點(diǎn)進(jìn)行一部分簡單數(shù)據(jù)處理，進(jìn)而能夠設(shè)備響應(yīng)時(shí)間，減少從設(shè)備到云端的數(shù)據(jù)流量。

四、邊緣計(jì)算的發(fā)展歷程

邊緣計(jì)算技術(shù)的發(fā)展大致分成３個(gè)階段：技術(shù)儲備期、迅速增長期和穩(wěn)定發(fā)展期。

邊緣計(jì)算發(fā)展歷程

1、技術(shù)儲備期

在2015年之前，邊緣計(jì)算還處于相關(guān)技術(shù)理論累積階段，是嘗試向各行業(yè)灌輸邊緣計(jì)算相關(guān)概念的階段。這一時(shí)段，邊緣計(jì)算先后經(jīng)歷了“蟄伏—提出—定義—推廣”幾個(gè)發(fā)展過程。

2、迅速增長期

2015—2017年，邊緣計(jì)算開始被業(yè)內(nèi)認(rèn)可并熟知，各級別刊物上與之相關(guān)的論文發(fā)表數(shù)量增長了10余倍，可以說得到了飛速發(fā)展。在這段時(shí)期內(nèi)，基于邊緣計(jì)算模式而開啟的萬物互聯(lián)時(shí)代逐漸到來，引起了國內(nèi)外學(xué)術(shù)界和產(chǎn)業(yè)界的高度關(guān)注。

3、穩(wěn)定發(fā)展期

2018年開始，技術(shù)日趨成熟的邊緣計(jì)算開始穩(wěn)健發(fā)展，這一年也是邊緣計(jì)算發(fā)展過程中的最重要的一年。雖然2018之前業(yè)內(nèi)已經(jīng)對邊緣計(jì)算抱了很大期望，但是將邊緣計(jì)算推向前臺并被大眾熟知，還是要數(shù)2018年。這一階段，邊緣計(jì)算技術(shù)的滲透范圍很快擴(kuò)大，參與該技術(shù)的行業(yè)基本覆蓋了計(jì)算機(jī)領(lǐng)域的各個(gè)環(huán)節(jié)，如云計(jì)算公司、硬件生產(chǎn)商、CDN服務(wù)公司、通信運(yùn)營商、科研機(jī)構(gòu)和產(chǎn)業(yè)聯(lián)盟/開源社區(qū)等。

五、邊緣計(jì)算典型應(yīng)用場景

邊緣計(jì)算的概念是因工業(yè)制造之因而起。在工業(yè)領(lǐng)域，云端固然必不可少，但是仍需要邊緣與云端的協(xié)同工作。單點(diǎn)故障在工業(yè)級應(yīng)用場景中是絕對不能被接受的，因此除了中心云的統(tǒng)一控制外，工業(yè)現(xiàn)場的系統(tǒng)也必須具備一定的活力，能夠自主判斷并解決問題。邊緣計(jì)算可以更便捷地處理工廠設(shè)備產(chǎn)生的海量數(shù)據(jù)，及時(shí)檢測異常情況，更好地實(shí)現(xiàn)預(yù)測性監(jiān)控，提升工廠運(yùn)行效率的同時(shí)也能預(yù)防設(shè)備故障問題。

除了工業(yè)制造之外，邊緣計(jì)算在物聯(lián)網(wǎng)時(shí)代不斷增長的數(shù)據(jù)催生了對邊緣計(jì)算的需求。

邊緣計(jì)算應(yīng)用場景

盡管目前工業(yè)企業(yè)所追求的核心問題是如何使數(shù)據(jù)賦能生產(chǎn)和產(chǎn)生價(jià)值。但我們不能忽視多年來困擾工業(yè)企業(yè)的共性問題：如何收集數(shù)據(jù)？對于任何一個(gè)工業(yè)企業(yè)來說，開采數(shù)據(jù)金礦的第一步就是收集數(shù)據(jù)，沒有數(shù)據(jù)收集的大數(shù)據(jù)分析是空中樓閣，沒有數(shù)據(jù)的工業(yè)云平臺就像一棵沒有根的樹。

在不同的工業(yè)生產(chǎn)過程中，由于自動(dòng)化產(chǎn)品品牌眾多，工業(yè)接口多樣化，工業(yè)協(xié)議不一致，似乎簡單的數(shù)據(jù)采集并不那么容易。

邊云協(xié)同， 對于ICT廠商、OT廠商、OTT廠商以及電信運(yùn)營商都帶來了不可估量的價(jià)值，通過對數(shù)據(jù)的深度挖掘，促使業(yè)務(wù)創(chuàng)新和商業(yè)模式創(chuàng)新，加速數(shù)字化轉(zhuǎn)型。