從概念上講,邊緣計算是指使計算更接近使用位置或數據源的想法。
隨著越來越多的公司加入邊緣計算,邊緣計算將繼續(xù)獲得力量,即使他們正在邊緣進行小規(guī)模的試點部署,從而使自己步履維艱。邊緣計算一詞已被廣泛用于描述從微型IoT設備執(zhí)行的操作到類似數據中心的基礎架構的所有內容。
從概念上講,邊緣計算是指使計算更接近使用位置或數據源的想法。
有關為何公司越來越重視邊緣計算的更多信息,請訪問我們正走向邊緣計算。
本文從物聯(lián)網應用程序開發(fā)人員的角度著眼于邊緣計算。畢竟,利用人工智能和機器學習(AI / ML)等新興技術的應用程序將提供洞察力,以發(fā)現(xiàn)提供新服務或優(yōu)化成本的機會。
經常將諸如IoT,AR / VR,機器人技術和電信網絡功能之類的新興用例視為將計算移至邊緣的關鍵驅動力。但是,傳統(tǒng)企業(yè)也在尋求邊緣計算以更好地支持其遠程/分支機構辦公室,零售店,制造工廠等。服務提供商可以在網絡邊緣部署全新的服務類別,以充分利用其與客戶的接近性。
前衛(wèi)應用
盡管底層基礎結構起著關鍵作用,但是邊緣計算的優(yōu)勢將在應用程序的背面實現(xiàn)。如果做得正確,邊緣應用程序可以在一系列行業(yè)中帶來新的體驗:
醫(yī)療保健:通過整合來自患者健身追蹤器,醫(yī)療設備和環(huán)境狀況的實時數據來提高患者護理水平。
智能基礎設施:使城市能夠利用路邊傳感器和攝像頭的實時數據來改善交通流量(交通燈同步,減少/增加行車線),提高安全性(錯誤的駕駛員,動態(tài)限速)或提高航運港口利用率(貨船的裝卸)。
自動駕駛:實時決策,可在各種駕駛條件下安全駕駛車輛。
工業(yè)4.0:在工廠車間通過AI / ML功能啟用實時分析,以進行預測性維護,從而提高設備利用率。
遠端服務:服務提供商使用與客戶的距離近的服務,為AR / VR或VDI(虛擬桌面)等用例提供低延遲(不到1毫秒),基于高帶寬位置的服務。
最佳實踐
邊緣計算為公司提供了跨大量位置的分布式資源池的云計算靈活性和簡便性。在物聯(lián)網用例的背景下,應用程序開發(fā)方法是邊緣計算與以往的嵌入式系統(tǒng)不同的眾多方式之一。要開發(fā)嵌入式應用程序,開發(fā)人員需要對硬件和接口有深入的了解。高度定制的操作系統(tǒng)對底層硬件有很強的依賴性,因此需要功能專門化。開發(fā)工具缺乏IT開發(fā)人員使用的工具的靈活性和功能。邊緣計算涉及以下一些最佳實踐:
一致的工具:開發(fā)人員需要能夠使用相同的工具,而不管應用程序部署在何處。這意味著,除了非邊緣應用程序之外,創(chuàng)建邊緣應用程序不需要任何特殊技能。這樣的工具的一個例子是在Eclipse Che上構建的Red Hat CodeReady Workspaces,它為Kubernetes本地開發(fā)解決方案提供了瀏覽器內IDE,用于快速應用程序開發(fā),可以輕松地部署在邊緣或云中。
開放式API:定義明確的開放式API允許以編程方式訪問實時數據,從而使企業(yè)能夠提供以前無法實現(xiàn)的新型服務。開發(fā)人員需要API來創(chuàng)建基于標準的解決方案,這些解決方案可以訪問數據而無需擔心底層硬件接口。
加速應用程序開發(fā):盡管邊緣體系結構仍在發(fā)展,但是今天做出的設計決策將對未來的功能產生持久的影響。更好的方法不是采用為邊緣而設計的產品,以減少開發(fā)人員的敏捷性,而是采用可以在任何地方使用的解決方案-云,內部部署和邊緣。考慮一下,諸如容器,Kubernetes,輕量級應用程序服務之類的技術可加速應用程序開發(fā)-從云到邊緣。
容器化:大多數新應用程序都以容器形式構建,因為它們易于大規(guī)模部署和管理。邊緣應用程序的要求包括模塊化,隔離性和不變性,這使得使用容器特別適合。應用程序將需要部署在許多不同的邊緣層上,每個邊緣層都有其獨特的資源特征。結合微服務,可以根據基礎資源或條件按比例放大或縮小表示功能實例的容器。
其他注意事項
重要的是要注意,在邊緣計算和集中式計算之間將不是一個選擇。隨著邊緣計算在市場上得到越來越多的采用,整個解決方案通常將兩者結合起來。在這種混合計算模型中,集中式計算將用于計算密集型工作負載,數據聚合和存儲,AI /機器學習,跨地理位置的協(xié)調操作以及傳統(tǒng)的后端處理。另一方面,邊緣計算可以幫助從源頭上實時解決問題。分布式體系結構將允許將應用程序放置在從云到邊緣的任何層次上,這是最有意義的。
當邊緣計算實現(xiàn)大規(guī)模部署時,使用無法與其他IT基礎架構很好集成的,使用自定義工具的整體式邊緣解決方案可能會給您帶來極大的痛苦。開源是一個顯而易見的選擇,它為邊緣計算提供了選擇的靈活性和面向未來的投資。
責任編輯:YYX
-
物聯(lián)網
+關注
關注
2921文章
45657瀏覽量
384851 -
邊緣計算
+關注
關注
22文章
3228瀏覽量
50295
發(fā)布評論請先 登錄
相關推薦
NanoEdge AI Studio 面向STM32開發(fā)人員機器學習(ML)技術

物聯(lián)網邊緣計算網關的特點
有方科技助力物聯(lián)網邊緣計算產業(yè)發(fā)展
Nordic推出最新物聯(lián)網原型驗證平臺Thingy:91 X
物聯(lián)網邊緣計算的概念
邊緣計算在物聯(lián)網中的作用
IOT邊緣計算網關:物聯(lián)網的“神經系統(tǒng)”

邊緣計算物聯(lián)網平臺是什么
ARMxy ARM物聯(lián)網邊緣計算網關支持Node-RED用于云邊端一體化

邊緣計算物聯(lián)網關如何優(yōu)化數據處理流程

評論