首页 理论教育边缘计算:打破网络束缚的新时代

边缘计算:打破网络束缚的新时代

【摘要】:章鱼是天生的“边缘计算能力者”,作为无脊椎动物中智商最高的一种动物,章鱼拥有巨量的神经元。最终,所有开关操作都无须通过云端,而是依靠招牌灯箱这些不联网的边缘端,通过自主计算达到智慧决策,减少电力浪费。随后,百度在无人驾驶领域实践了混合计算,用雾计算和边缘计算传感器收集汽车数据,将数据发至云端,利用云计算确定行动计划,并通过云端向汽车发布控制命令。

在解决网络延迟问题上,边缘计算比雾计算更近了一步,它甚至不需要网络,部署在没有联网的终端硬件上,就可以提供计算能力。

早在20世纪90年代,美国阿卡迈公司就提出了内容传送网络,直接在用户的终端设备上设立传输节点,进行数据储存与处理,由此成为边缘计算的雏形。

关于边缘计算,华为曾经提出了一个“章鱼理论”。章鱼是天生的“边缘计算能力者”,作为无脊椎动物中智商最高的一种动物,章鱼拥有巨量的神经元。其中60%的神经元分布在八条腿上,40%的神经元集中在脑袋里,因此章鱼让数据的处理从中心下放到腿上,可以用腿来思考并就地解决问题,这些腿也就是网络的边缘节点。

在现实生活中,边缘计算可以发挥巨大的作用。比如,很多夜间营业的商店或餐厅都需要用到招牌灯箱,但工作人员经常会因为疏忽大意忘记关掉电源,造成大量电力浪费。创立于上海的物联网公司米尺网络,就曾用边缘计算技术对一家24小时快餐连锁机构进行过招牌灯箱改造。

他们根据经纬度计算出每一家快餐店的地理位置,然后接入气象部门的天气数据,以及当地日出日落的时间,最后在招牌灯箱上加装光感传感器芯片。最终,所有开关操作都无须通过云端,而是依靠招牌灯箱这些不联网的边缘端,通过自主计算达到智慧决策,减少电力浪费。

智慧交通信号灯,是边缘计算应用的另一个例子。交通信号灯遍布城市的各个角落。过去,红黄绿信号灯的时长都是根据该路口的历史流量统计分析而设置的,往往不能因地制宜,根据实时流量情况进行灵活调整,从而造成交通拥堵。

通过在交通信号灯上部署边缘计算的摄像头与芯片,不仅能够根据该路口实时的流量情况,智能化地减少或增加某类信号灯的时长,实现交通效率最大化,还能从总体上过滤掉不需要的信息,减少网络传输的数据总量,有助于降低操作和存储的成本。

复杂且大量的计算交给云,简单而少量的计算交给雾与边缘,我们已经看到了一个完整的新一代计算的生态模型。然而,有时单一的计算方式无法满足需求各异的应用场景,计算模式走向混合型已经成为一种趋势。

与早前单个计算方法不同,混合计算将各类计算方法进行排列组合,构建出某领域专用的高效应用组件,从而更好地满足无线互联、视频处理、图像识别和智能制造等领域的高效处理需求。

百度2016年就开始推进“百度大脑项目”,试图在一个计算体系内实现多种算力的混合,达到“边云协同”的效应。随后,百度在无人驾驶领域实践了混合计算,用雾计算和边缘计算传感器收集汽车数据,将数据发至云端,利用云计算确定行动计划,并通过云端向汽车发布控制命令。

不过,混合计算作为新兴概念,目前尚未有能够市场化的成熟技术。从其概念中可以看出,面临的挑战之一就是联通性,随着连接设备数量的剧增,网络管理、灵活扩展和可靠性保障等方面都面临着巨大挑战。

以工业互联网为例,其存在大量的异构总线和多种制式的网络,它们在兼容多种连接的同时,还需要确保连接的实时性和可靠性。在此基础上,要实现数据协同,则需要跨厂商、跨平台的集成与操作,这种敏感的数据壁垒难以跨越,在短期内显然无法实现协同。

无论是云计算、雾计算、边缘计算,还是它们的混合型,目的只有一个:更好地服务于我们的智能新生活。