边缘计算:一文理解云边端协同架构中的高性能云计算、边缘计算、云边协同

简介: 边缘计算:一文理解云边端协同架构中的高性能云计算、边缘计算、云边协同

一、引言

1、云计算与物联网

通俗来说,在近几十年物联网的飞速发展过程中,经历了从云计算中心与终端物联设备直接交互———物联网通过数量惊人的传感器采集到难以计数的数据量,而云计算可以对这些海量数据进行智能处理。


·

云计算是物联网发展的基石,而物联网又是云计算的最大用户,促进着云计算的发展。二者的融合可谓珠联璧合,相辅相成。在大数据时代,二者的融合将进一步推动数据价值的挖掘,使数据价值进一步显现,促进产业爆发。


然后 5G时代的到来,海量数据的产生与任务计算对现有网络将会产生更加强烈的冲击。基于Internet 的云计算虽然提供了对虚拟共享的可配置计算和存储资源的广泛访问和按需访问,是处理海量数据与计算任务的绝佳平台.

但是对于5G时代的诸如在线游戏、虚拟现实和超高清视频流等高速访问超低延时的应用和海量终端互联来说,云计算是无法满足其要求的。数据是任何正常业务的核心。多年来,前所未有的计算能力和连接设备积累了大量数据,给本已拥挤的互联网造成了巨大压力。这种大量的数据积累会导致带宽和延迟问题。与在客户端或用户计算机上生成数据的传统企业计算不同,边缘计算提供了一种更好的替代方案,可以从管理复杂数据转向靠近原始数据源。

2、边缘计算

与此同时,下一代互联网的关键特征之一是信息越来越多地在本地生成并在本地消费,且大量的边缘设备存在可用计算和存储资源。因此,为应对云计算存在的挑战、网络压力和提升用户体验满足业务需求,业界提出将云计算平台迁移至网络边缘,即边缘计算。


边缘计算通过将计算、存储等能力从云数据中心扩展到离数据源较近的网络边缘而不是集中式服务器或基于云的位置对客户端数据的处理和计算(简而言之,边缘计算使计算资源、数据存储和企业应用程序更接近人们实际消费信息的地方),并且可支持在网络边缘执行深度学习、强化学习等人工智能算法,避免计算任务从网络边缘传输到远程数据中心的超长网络传输延迟,满足高实时性物联网应用(例如,自动驾驶、无人机、增强现实等)的要求。

                                          图1 边缘计算架构图

边缘计算技术还可避免因数据在公网传输、公共数据中心处理所带来的隐私泄露等安全隐患。因此,边缘计算已成为下一代网络发展的关键技术。发掘网络的内在能力。在数据源附近提供边缘服务,以满足在敏捷连接性、实时优化、智能应用、安全性和隐私性方面的关键要求。

二、云边协同

当前绝大多数的研究都将云计算和边缘计算隔离开来,分别致力于云计算和边缘计算的架构和系统分析优化层面,较少关注云计算和边缘计算之间的协同问题。近年来物联网和5G通信的发展让大家开始关注到云计算和边缘计算各自存在的优势与劣势,并开始思考二者优势互补的价值所在,即云边协同

1、云边协同关系

云计算技术以廉价且大量的计算服务器提供了强大的计算能力,可以为用户和应用提供按需访问的丰富计算资源和存储资源。但是,云计算中心通常距离用户和终端较远,导致计算任务传输时间过长,并且如果将海量终端的数据都传输至云计算中心必将造成核心网拥塞,极大地浪费了通信资源。


因此,云计算并不适合要求低时延、实时操作和高 QoS的应用,并且无法支持无缝移动和无处不在的计算覆盖,数据安全性和用户的隐私也不能得到有效保障。


另一方面,虽然边缘计算将云计算功能扩展到了网络边缘,更加接近终端用户且地理位置分散,可以支持低时延、位置感知、高移动性和高Qos的应用服务。但是,边缘计算单元通常没有充足的计算资源和存储资源来满足海量数据的计算和存储,并且由于边缘节点的低功耗、异构性和功能薄弱单一等约束,服务的质量与可靠性还会受到影响。


表1从不同的角度总结了云计算和边缘计算的特点和二者的差异

从表1可以看出云计算和边缘计算是各有优势的,云计算的主要优势是海量计算和海量存储、计算效率高、广域覆盖,适合计算密集型、非实时性的计算任务和海量数据的并行计算与存储,能够在长周期维护、业务决策支撑等领域发挥优势,并且计算硬件都集中在云计算中心,实行集中式的管理,因此无需在本地维护计算硬件、数据存储和相关软件。


边缘计算的主要优势是广泛分布的边缘节点提供了实时的数据处理,边缘计算的过程是一个以用户和应用为中心的过程,弥补了云计算中时延和移动性的缺陷,适合非计算密集型、实时性、移动性数据的处理分析和实时智能化决策,并且作为一种新的网络范式能够满足5G 时代计算需求的空前增长和用户体验质量的不断提高,数据的本地化处理相较于云端也更安全。但是,边缘平台的处理性能通常不如云平台,它通常没有足够的内存和处理器来处理大量数据,因此无法执行复杂的操作,例如深度学习。

因此,通过将网络转发、存储、计算、智 能化数据分析等工作放在边缘处理,将超大规模计算、存储和非时延敏感等任务放在云端,云计算与边缘计算的相互配合实现云边协同、全网算力调度和全网统一管控等能力,才能真正实现无处不在的云。

2、云边协同的实现

云边协同即实现边缘计算与云计算的协同联动,共同释放数据价值。

传统的云边协同方式主要是当终端设备产生数据或任务请求后,通过边缘网络将数据上传至边缘服务器,由位于边缘计算中心的边缘服务器执行计算任务。


计算量较大、复杂度较高的计算任务将由边缘计算中心向上通过核心网迁移至云计算中心。


待云计算中心完成大数据分析后再将结果和数据存储至云计算中心或将计算结果、优化输出的业务规则、模型通过核心网下发至边缘计算中心,由边缘计算中心向下通过边缘网络将计算结果传输至终端设备。


边缘根据云计算下发的新业务规则进行业务执行优化处理,由此实现云边协同。

3、云边协同的应用

我们生活在智能设备和快速发展的万物互联中的世界。在日常生活中我们早已被边缘计算所包围。云边协同的主要应用场景与边缘计算、物联网的应用场景联系紧密,从远程办公室工作到远程手术,从智能手机到智慧城市,从自动驾驶汽车到语音控制设备,一切都得益于边缘云技术。如下主要有:


1、物联网云边协同,

如智慧交通、自动驾驶汽车。汽车驾驶自动的新时代需要信息、计算、决策等的快速响应。将自动驾驶汽车带到边缘涉及在车辆行驶时实时接收有关速度、交通状况、交通信号、行人、车辆推测、道路状况和其他车辆的信息。边缘计算正在推动自动驾驶汽车的创新,因为边缘计算具有零延迟等优势。这方面的信息延迟可能是危及生命和拯救生命之间的全部区别。


2、虚拟现实与游戏。

在线游戏和虚拟现实的关键要求之一需要高速运行。这些通常与高延迟和延迟问题作斗争,导致游戏玩家反应严重延迟。边缘计算可以通过创建更靠近游戏玩家的边缘服务器来使游戏受益,从而减少延迟并提供丰富且身临其境的游戏体验。


3、智慧城市

智慧城市依赖于海量数据。边缘计算可以为智能城市的所有元素提供动力,包括自动驾驶汽车、智能路灯、智能工厂、智能电网和公共交通,以提高效率进行监控。


4、智慧家庭云边协同,如小米智能家居

通过构建家庭局域网,实现电器控制、安全保护、定时控制、环境检测、场景控制、可视对讲等


5、虚拟网络

如中国电信内容边缘化分发缓存的虚拟网络,能够缓解网络压力,提升视频业务体验、提升内容分发网络节点满足资源弹性伸缩能力。


6、安防监控

实现数据分流、边缘智能、本地决策、实时响应

三、总结

综上所诉,云边协同具体涉及到资源、管理和应用协同等多个层面。为了构建灵活、高效的云边协同计算环境,需要在不同层面实现云计算和边缘计算的协同,以优势互补的方式克服云计算和边缘计算中各自存在的缺点,放大云计算与边缘计算的价值。


边缘计算至关重要,因为它为改进和创新理念铺平了道路,让企业在企业和工业层面以最大的运营效率、更高的安全性和更好的性能运营。边缘计算在每个垂直行业都是可行的,无论是银行、医疗保健、零售还是采矿。

参考资料

[1]李波,侯鹏,牛力,武浩,丁洪伟.基于软件定义网络的云边协同架构研究综述[J].计算机工程与科学,2021,43(02):242-257.


[2]李启锐. 面向云边端协同的高性能移动边缘计算理论与方法研究[D].广州大学,2021.DOI:10.27040/d.cnki.ggzdu.2021.001232.


什么是边缘计算?边缘计算与云计算的区别?


[4]王宁,鲁法明,包云霞.一种基于云边端协同的智能安全帽设计与实现[J].科技视界,2022(18):11-13.DOI:10.19694/j.cnki.issn2095-2457.2022.18.03.

目录
相关文章
|
2月前
|
存储 安全 网络安全
云计算与网络安全的协同进化:探索云服务中的信息安全技术
【9月更文挑战第19天】 在数字化浪潮中,云计算已成为企业和个人存储、处理数据的心脏。然而,随着其广泛应用,网络安全问题亦步亦趋,成为制约云服务发展的关键因素。本文将深入探讨云计算环境下的网络安全挑战,分析当前信息安全技术的应对策略,并通过实际代码示例,揭示如何在云计算架构中实现安全加固。我们将一同见证,如何在数据流动与保护之间找到平衡点,确保云计算的健康稳定发展。
|
3月前
|
存储 安全 网络安全
云上防线:云计算与网络安全的协同进化
【8月更文挑战第26天】在数字时代的浪潮中,云计算如同一片沃土,孕育着无限可能。然而,随之而来的网络安全挑战也如影随形,成为制约其发展的瓶颈。本文将深入探讨云计算与网络安全的紧密关系,揭示它们如何在相互促进中共同成长。我们将从云计算的基本概念出发,逐步剖析网络安全的重要性,并结合真实案例,展现云计算平台如何应对安全威胁,以及网络安全技术如何助力云服务的稳定性和可靠性。最后,我们将展望未来,探索云计算与网络安全的发展趋势,为读者提供一场思想的盛宴。
|
6天前
|
监控 Serverless 数据库
探索 Serverless 架构:云计算的新浪潮
【10月更文挑战第18天】Serverless架构,即无服务器架构,是一种新兴的云计算模式,让开发者无需管理服务器即可构建和运行应用。本文探讨了其核心概念、优势、挑战及最佳实践,强调了按需付费、自动扩展和开发效率等优点,同时也指出了冷启动、状态管理和调试监控等挑战。
|
1天前
|
监控 Serverless 数据库
探索 Serverless 架构:云计算的新浪潮
【10月更文挑战第23天】Serverless 架构是一种新兴的云计算范式,允许开发者构建和运行应用程序而无需管理服务器。本文深入探讨了 Serverless 的核心概念、优势、挑战及最佳实践,帮助开发者更好地理解和应用这一技术。
|
4天前
|
云安全 安全 网络安全
云之盾:云计算与网络安全的协同进化
【10月更文挑战第22天】在数字时代的浪潮中,云计算以其灵活性和可扩展性成为现代企业不可或缺的技术支柱。然而,随着数据和应用逐渐迁移到云端,网络安全的挑战也随之升级。本文将探讨云计算与网络安全如何相互促进,共同进步,以及这一过程中的关键技术和策略,旨在为读者提供对这一动态领域深入的理解和可行的安全实践建议。
13 1
|
6天前
|
存储 边缘计算 数据处理
边缘计算和云计算的区别
边缘计算和云计算是两种不同的计算范式。云计算通过互联网提供集中式处理、可扩展性和成本效益等优势,而边缘计算则在数据源附近进行分布式处理,具有低延迟、带宽优化和本地化决策等优点。两者在响应时间、网络带宽和安全性方面有显著区别,常互补使用以满足不同应用场景的需求。
26 3
|
20天前
|
存储 安全 网络安全
云计算与网络安全的协同演进
【10月更文挑战第6天】在数字化浪潮中,云计算作为技术革命的先锋,为各行各业提供了前所未有的灵活性和扩展性。然而,随之而来的网络安全挑战也日益严峻。本文将探讨云计算环境下的网络安全问题,分析云服务模型对信息安全的影响,并提出相应的安全策略。通过深入浅出的方式,引导读者理解云计算与网络安全之间的紧密联系,并强调在享受云计算带来的便利的同时,不可忽视安全防护的重要性。
23 11
|
24天前
|
机器学习/深度学习 存储 人工智能
用60%成本干80%的事,DeepSeek分享沉淀多年的高性能深度学习架构
【10月更文挑战第2天】近年来,深度学习(DL)与大型语言模型(LLMs)的发展推动了AI的进步,但也带来了计算资源的极大需求。为此,DeepSeek团队提出了Fire-Flyer AI-HPC架构,通过创新的软硬件协同设计,利用10,000个PCIe A100 GPU,实现了高性能且低成本的深度学习训练。相比NVIDIA的DGX-A100,其成本减半,能耗降低40%,并在网络设计、通信优化、并行计算和文件系统等方面进行了全面优化,确保系统的高效与稳定。[论文地址](https://arxiv.org/pdf/2408.14158)
45 4
|
19天前
|
存储 边缘计算 人工智能
深入理解云计算:架构、类型与未来趋势
【10月更文挑战第6天】深入理解云计算:架构、类型与未来趋势
49 0
|
2月前
|
机器学习/深度学习 测试技术 数据处理
KAN专家混合模型在高性能时间序列预测中的应用:RMoK模型架构探析与Python代码实验
Kolmogorov-Arnold网络(KAN)作为一种多层感知器(MLP)的替代方案,为深度学习领域带来新可能。尽管初期测试显示KAN在时间序列预测中的表现不佳,近期提出的可逆KAN混合模型(RMoK)显著提升了其性能。RMoK结合了Wav-KAN、JacobiKAN和TaylorKAN等多种专家层,通过门控网络动态选择最适合的专家层,从而灵活应对各种时间序列模式。实验结果显示,RMoK在多个数据集上表现出色,尤其是在长期预测任务中。未来研究将进一步探索RMoK在不同领域的应用潜力及其与其他先进技术的结合。
81 4

热门文章

最新文章