初见边缘计算
本文根据一些博主的文章和一些论文进行总结和整理
什么是边缘计算
传统的云计算范式:
-
数据池上传数据到云端
-
客户向云端请求数据
-
云端把请求的数据返回给客户
边缘计算范式:
-
数据池和边缘设备(手机,平板等)数据都上传到云端
-
边缘结点发送请求到云中心
-
云中心返还相关数据给边缘结点
边缘计算的案例分析
云卸载
在传统的内容分发网络中,数据都会缓存到边缘结点,随着物联网的发展,数据的生产和消费都是在边缘结点,也就是说边缘结点也需要承担一定的计算任务。把云中心的计算任务卸载到边缘结点这个过程叫做云卸载。 举个例子,移动互联网的发展,让我们得以在移动端流畅的购物,我们的购物车以及相关操作(商品的增删改查)都是依靠将数据上传到云中心才能得以实现的。如果将购物车的相关数据和操作都下放到边缘结点进行,那么将会极大提高响应速度,增强用户体验。通过减少延迟来提高人与系统的交互质量。
视频分析
传统的上传视频模式:把所有的资源都上传给云端
缺点:网络拥塞比较大、保密性和安全性无法保证
边缘计算模式:云计算下方请求到每一个边缘结点,每一个边缘结点结合本地的视频进行处理,返回把相关的结果返回给云。
边缘协同
把多个边缘结点‘共享’一起,创建一个虚拟的共享数据的视图,利用一个公共服务的接口来将这些数据进行整合,这个每个边缘结点就能共享到其他结点发送的数据,充分利用数据。
服务管理
-
差异化
随着物联网的发展,会有这种各样的服务,不同的服务应该有差异化的优先级
-
可扩展性
物联网中的物品都是动态的,向物联网中添加或删除一件物品都不是那么容易的,服务缺少或者增加一个新的结点能否适应都是待解决的问题,这些问题可以通过对边缘os的高扩展和灵活的设计来解决。
-
隔离性
不同的操作之间互不干扰
-
可靠性
提前检测到高风险的结点,防止结点突然崩溃
结点之间能够互通状态和诊断信息
防止结点在不可靠的时候,发送信息
私密性
-
把数据在本地进行处理分析,这样私密数据就不会上传到云服务器,防止了数据的泄露
-
对私密数据的访问加以限制
-
边缘的网络是高度动态化的网络,需要有效的工具保护数据在网络中的传输。
最优指标
在边缘计算当中,由于节点众多并且不同节点的处理能力是不同的,因此,在不同的节点当中选择合适的调度策略是非常重要的。接下来从延迟、带宽、能耗和花费这四个方面来讨论最优化的指标。
-
延迟: 很明显云中心具有强大的处理能力,但是网络延迟并不单单是处理能力决定的,也会结合数据在网路中传输的时间。
拿智慧城市距离来说,如果要寻找丢失的小孩儿信息,在本地的手机处理,然后把处理结果返回给云明显能加快响应速度。当然,这种事情也是相对而言的,我们需要放一个逻辑判断层,来判断把任务交给哪一个节点处理合适,如果此时手机正在打游戏或者处理其他非常重要的事情,那么手机就不是很适合处理这种任务,把这种任务交给其他层次来处理会更好些。
-
带宽:高带宽传输数据意味着低延迟,但是高带宽也意味着大量的资源浪费。数据在边缘处理有两种可能,一种是数据在边缘完全处理结束,然后边缘结点上传处理结果到云端;另外一种结果是数据处理了一部分,然后剩下的一部分内容将会交给云来处理。以上两种方式的任意一种,都能极大的改善网路带宽的现状,减少数据在网络中的传输,进而增强用户体验。
-
能耗:对于给定的任务,需要判定放在本地运算节省资源还是传输给其他节点计算节省资源。如果本地空闲,那么当然在本地计算是最省资源的,如果本地正在忙碌状态,那么把计算任务分给其他节点会更合适一些。权衡好计算消耗的能源和网络传输消耗的能源是一件非常重要的事情。一般当网络传输消耗的资源远小于在本地计算消耗的能源时,我们会考虑使用边缘计算把计算任务卸载到其他空闲的节点上,帮助实现负载均衡,保证每一个结点的高性能。
-
花费:目前在边缘计算上的花费包括但不限于边缘结点的构建和维护、新型模型的开发等。利用边缘计算的模型,大型的服务提供商在处理相同工作的情况下能够获取到更大的利润
心得
云计算的服务器负载压力很大,所以需要把一些计算任务分发给边缘(本地)进行计算,一方面减少服务器本身的压力,另一方面也提高了计算的处理速度和安全性。