邊緣計(jì)算引入企業(yè)物聯(lián)網(wǎng)解決方案的優(yōu)勢

近年來，物聯(lián)網(wǎng)極大地激發(fā)了人們對(duì)邊緣計(jì)算主題的興趣。

事實(shí)上，邊緣計(jì)算對(duì)于釋放物聯(lián)網(wǎng)設(shè)備產(chǎn)生的不斷增加的數(shù)據(jù)量的潛力寄予厚望。到2025年，這一數(shù)字預(yù)計(jì)將達(dá)到73.1ZB，但要從中提取價(jià)值，需要分別對(duì)數(shù)據(jù)流進(jìn)行有效的分配、管理和分析。在這里，邊緣設(shè)備可能會(huì)有所幫助。

統(tǒng)計(jì)數(shù)據(jù)顯示，邊緣計(jì)算已經(jīng)在大多數(shù)物聯(lián)網(wǎng)應(yīng)用中以這樣或那樣的方式使用。除了路由器和防火墻之外，邊緣計(jì)算還允許執(zhí)行智能自動(dòng)化和預(yù)測性維護(hù)、優(yōu)化數(shù)據(jù)生命周期，從而降低成本。盡管智能邊緣是一種新應(yīng)用，但已經(jīng)可以仔細(xì)研究其在工業(yè)、交通、醫(yī)療保健和其他常見的企業(yè)物聯(lián)網(wǎng)解決方案中的表現(xiàn)，以充分利用。本文指出了哪些環(huán)境需要邊緣計(jì)算、哪些物聯(lián)網(wǎng)+邊緣串聯(lián)最有前途，以及如何在物聯(lián)網(wǎng)生態(tài)系統(tǒng)中有效地分配工作負(fù)載。

邊緣設(shè)備在企業(yè)物聯(lián)網(wǎng)解決方案中的地位

企業(yè)物聯(lián)網(wǎng)解決方案的傳統(tǒng)架構(gòu)假設(shè)數(shù)據(jù)是從物體收集的，例如傳送帶上的產(chǎn)品或車間的設(shè)備；然后將其傳輸?shù)皆贫诉M(jìn)行進(jìn)一步處理和分析。在這樣的系統(tǒng)中，邊緣設(shè)備以傳統(tǒng)方式使用——通過網(wǎng)絡(luò)分發(fā)數(shù)據(jù)并控制網(wǎng)絡(luò)流量。路由器、防火墻、多路復(fù)用器和交換機(jī)都屬于此類設(shè)備，后者允許企業(yè)連接到工業(yè)設(shè)備。一般來說，它們允許在整個(gè)企業(yè)范圍內(nèi)建立物聯(lián)網(wǎng)，無論其位置如何。

為了物聯(lián)網(wǎng)自動(dòng)化解決方案，人工智能在云端生成的想法被發(fā)送回現(xiàn)場以引發(fā)一些行動(dòng)。當(dāng)然，這種方法缺乏速度和吞吐量，這對(duì)于廣泛分布式架構(gòu)和需要處理的大量數(shù)據(jù)至關(guān)重要。這就是智能邊緣設(shè)備發(fā)揮作用的地方，負(fù)責(zé)處理、分析和操作。其優(yōu)勢體現(xiàn)在其與數(shù)據(jù)源的接近度上，使其能夠通過向其委托一些基本的決策憑證來減少延遲。

因此，當(dāng)將某些負(fù)載放置在邊緣時(shí)，系統(tǒng)可以節(jié)省與云的通信時(shí)間，從而可以快速響應(yīng)現(xiàn)場情況。此外，由于數(shù)據(jù)不會(huì)超出本地存儲(chǔ)，因此還提供了更高的可用性、可靠性以及安全性。為了使此配置具有成本效益，重要的是不要讓云超載。

企業(yè)物聯(lián)網(wǎng)解決方案最有前途的邊緣計(jì)算應(yīng)用

云混合+邊緣

由于混合云的主要價(jià)值揭示了在不同環(huán)境之間轉(zhuǎn)移工作負(fù)載的機(jī)會(huì)，因此將此類基礎(chǔ)設(shè)施擴(kuò)展到邊緣解決方案看起來盡可能自然。通過連接邊緣設(shè)備，在如何優(yōu)化工作負(fù)載方面出現(xiàn)了更多選項(xiàng)。這允許在系統(tǒng)發(fā)生故障時(shí)具有成本效益的可擴(kuò)展性和更高的阻力。在混合環(huán)境中，邊緣組件為整個(gè)系統(tǒng)提供了額外的靈活性，而云組件則增加了分布式資產(chǎn)之間的一致性。

當(dāng)涉及到在物聯(lián)網(wǎng)生態(tài)系統(tǒng)中循環(huán)的大量數(shù)據(jù)時(shí)，可以通過將實(shí)時(shí)計(jì)算置于邊緣來獲得更多價(jià)值，而無需進(jìn)行云計(jì)算深度分析。同時(shí)，云端可以作為管理中心，為整個(gè)系統(tǒng)提供透明度。如果出現(xiàn)問題，也不用為每個(gè)節(jié)點(diǎn)求助專家，因此混合云+邊緣串聯(lián)可以提高可控性。Micro Shift等開源項(xiàng)目有助于將Kubernetes等關(guān)鍵任務(wù)平臺(tái)擴(kuò)展到邊緣，并保持一致。

邊緣計(jì)算+人工智能/機(jī)器學(xué)習(xí)

將人工智能引入邊緣越來越受歡迎，因?yàn)檫吘売?jì)算可以克服對(duì)云計(jì)算的速度限制。有時(shí)，這是實(shí)現(xiàn)人工智能物聯(lián)網(wǎng)生態(tài)系統(tǒng)的唯一方法，因?yàn)榛ヂ?lián)網(wǎng)連接可能不可用，或者需要提高數(shù)據(jù)安全性。無論如何，其擴(kuò)展了在現(xiàn)場處理原始數(shù)據(jù)的可能性，這對(duì)于時(shí)間緊迫的自動(dòng)化解決方案和高度分布式系統(tǒng)是不可或缺的。將云計(jì)算納入這條鏈不僅耗時(shí)且成本高昂，因?yàn)槠湫枰ヂ?lián)網(wǎng)通道帶寬、流量、額外能源等形式的大量資源。例如，在煉油廠處理來自傳感器的信息每天產(chǎn)生超過1tb的原始數(shù)據(jù)，這需要過多的資源來以處理。

應(yīng)用于邊緣設(shè)備的人工智能算法帶來了新的用例，如遠(yuǎn)程監(jiān)控、預(yù)測性維護(hù)以及高級(jí)自動(dòng)化。部署在邊緣的機(jī)器視覺也繼續(xù)獲得動(dòng)力。但無論如何，在物聯(lián)網(wǎng)生態(tài)系統(tǒng)中實(shí)施人工智能需要云和邊緣之間的合作。人工智能的訓(xùn)練仍然在云端進(jìn)行，因?yàn)槲覀冃枰^多的計(jì)算能力來進(jìn)行這項(xiàng)操作，而部署則設(shè)置在邊緣。這種模式的日益成功讓我們可以談?wù)撊斯の锫?lián)網(wǎng)（AIoT）。

邊緣計(jì)算+5G

邊緣和5G的結(jié)合有望增強(qiáng)邊緣計(jì)算的主要優(yōu)勢——最大限度地接近實(shí)時(shí)地執(zhí)行操作。到目前為止，我們還不能談?wù)撍谕?毫秒響應(yīng)，但5G已經(jīng)比LTE1快16倍。這種速度使得多種應(yīng)用可以輕松部署在云端，例如機(jī)器人的實(shí)時(shí)監(jiān)控、無人機(jī)控制、自動(dòng)駕駛車輛，甚至遠(yuǎn)程MRP服務(wù)和手術(shù)。20 Gbps的峰值數(shù)據(jù)傳輸速率能夠創(chuàng)建增強(qiáng)現(xiàn)實(shí)應(yīng)用并處理大量數(shù)據(jù)，例如4k視頻。

一般來說，5G允許企業(yè)部署更低功耗的邊緣設(shè)備，同時(shí)提供更高的計(jì)算能力。此類網(wǎng)絡(luò)的帶寬允許連接的設(shè)備數(shù)量比通過4G或LTE技術(shù)多100倍！這樣的能力為物聯(lián)網(wǎng)最不可思議的應(yīng)用開辟了道路，比如黑暗工廠。

邊緣計(jì)算上的能量收集

隨著企業(yè)物聯(lián)網(wǎng)解決方案的擴(kuò)展，設(shè)備供電問題也隨之出現(xiàn)，因?yàn)閭鞲衅骱推渌吘壴O(shè)備可以在無線或網(wǎng)狀網(wǎng)絡(luò)覆蓋范圍之外運(yùn)行，以覆蓋整個(gè)監(jiān)控表面。所幸，能量收集技術(shù)正在不斷進(jìn)步，為不同的物聯(lián)網(wǎng)應(yīng)用提供不同的能量收集技術(shù)，這將顯著延長低功耗設(shè)備的電池壽命。例如，基于太陽能或振動(dòng)的能量收集系統(tǒng)應(yīng)用于內(nèi)置汽車設(shè)備，用于汽車與基礎(chǔ)設(shè)施的通信，而光或熱能傳感器的能量收集源被成功用于工作場所自動(dòng)化。在最新的發(fā)展中，我們可以看到使用環(huán)境光能量的自主NB-IoT模塊。該解決方案基于太陽能電池和具有MPPT功能的PMIC。

將邊緣計(jì)算引入企業(yè)物聯(lián)網(wǎng)解決方案的建議：

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。