边缘计算问题之根据请求响应的时延要求来部署业务应用如何解决

简介: 边缘计算问题之根据请求响应的时延要求来部署业务应用如何解决

问题一:哪些业务应用更适合部署在中心云,哪些更适合部署在边缘?


哪些业务应用更适合部署在中心云,哪些更适合部署在边缘?


参考回答:

财务/经营、计划/管理等管控运营类应用更适合部署在中心云,因为它们对延迟不敏感,但对安全、大数据分析能力等要求较高。而控制、传感/执行、生产过程等运作支撑类应用,如果业务场景对延迟敏感,则更适合通过边缘计算能力实现分散式低时延响应。


关于本问题的更多问答可点击原文查看:

https://developer.aliyun.com/ask/666954



问题二:如何根据请求响应的时延要求来部署业务应用?


如何根据请求响应的时延要求来部署业务应用?


参考回答:

根据请求响应的时延要求,对时延不敏感(50ms 以上)的业务应用可以优先考虑部署在中心云计算及云化的边缘产品(如CDN)上实现。对延迟敏感(小于10ms)且运营商骨干网无法支持的应用,则考虑建设边缘计算平台,但需注意投入和人员成本。


关于本问题的更多问答可点击原文查看:

https://developer.aliyun.com/ask/666955



问题三:在实体物流领域,OTW 系统中的哪些部分建议部署在中心云,哪些建议部署在边缘?


在实体物流领域,OTW 系统中的哪些部分建议部署在中心云,哪些建议部署在边缘?


参考回答:

在实体物流领域的OTW系统(OMS订单管理系统,WMS仓库管理系统,TMS运输管理系统)中,OT(订单管理和运输管理)属于管理运营系统,建议部署在中心云,通过中心云数据汇聚实现跨区域业务。WMS仓库管理系统作为运作支撑应用,且仓库内通常有自动化设备,可以考虑将WMS部署在边缘,以实现低延迟快速响应。


关于本问题的更多问答可点击原文查看:

https://developer.aliyun.com/ask/666956



问题四:为什么 Kubernetes 是边缘计算平台建设的最佳选择?


为什么 Kubernetes 是边缘计算平台建设的最佳选择?


参考回答:

Kubernetes 作为云原生技术的核心,提供了丰富的功能和强大的扩展性,是边缘计算平台建设的最佳选择。它能够有效地管理边缘节点上的容器化应用,实现资源的动态调度和应用的快速部署,从而满足边缘计算对低延迟、高可靠性

的要求。


关于本问题的更多问答可点击原文查看:

https://developer.aliyun.com/ask/666957


问题五:在边缘计算平台建设中,业务应用如何践行云原生体系?


在边缘计算平台建设中,业务应用如何践行云原生体系?


参考回答:

在边缘计算平台建设中,业务应用想要践行云原生体系,需要从理念、系统设计、架构设计等多方面共同实现。这包括理解云原生技术的核心价值,设计符合云原生原则的架构,以及采用容器化、微服务化等技术手段来构建应用,从而充分发挥边缘的优势及价值。


关于本问题的更多问答可点击原文查看:

https://developer.aliyun.com/ask/666958

相关文章
|
3月前
|
存储 边缘计算 安全
边缘计算的概念和在IoT中的应用
随着物联网(IoT)设备数量的激增,传统的云计算模式面临着数据传输延迟和带宽压力等问题。边缘计算作为一种新的计算模式,通过将计算资源和服务部署到靠近数据源的位置,解决了这些问题。
77 2
|
2月前
|
传感器 人工智能 监控
|
2月前
|
机器学习/深度学习 边缘计算 PyTorch
PyTorch 与边缘计算:将深度学习模型部署到嵌入式设备
【8月更文第29天】随着物联网技术的发展,越来越多的数据处理任务开始在边缘设备上执行,以减少网络延迟、降低带宽成本并提高隐私保护水平。PyTorch 是一个广泛使用的深度学习框架,它不仅支持高效的模型训练,还提供了多种工具帮助开发者将模型部署到边缘设备。本文将探讨如何将PyTorch模型高效地部署到嵌入式设备上,并通过一个具体的示例来展示整个流程。
166 1
|
2月前
|
存储 边缘计算 Kubernetes
边缘计算问题之边缘计算平台建设中业务应用践行云原生体系如何解决
边缘计算问题之边缘计算平台建设中业务应用践行云原生体系如何解决
50 1
|
2月前
|
存储 边缘计算 安全
边缘计算与云计算的协同工作:技术解析与应用前景
【8月更文挑战第4天】边缘计算与云计算的协同工作是未来信息技术发展的重要趋势。通过合理地分配任务和资源,两者可以相互补充、发挥各自的优势,实现更高效的数据处理和分析。这种协同模式不仅提高了系统的性能和可靠性,还满足了复杂多变的应用需求,为人工智能、物联网等技术的发展提供了强有力的支持。
143 11
|
2月前
|
存储 边缘计算 安全
边缘计算设备的设计与部署技术探索
【8月更文挑战第1天】边缘计算设备的设计与部署是一个复杂而系统的工程,需要综合考虑多个方面的因素。通过制定全面的战略规划、选择合适的技术和设备、设计合理的网络架构、实施有效的安全策略以及定期管理维护等措施,可以确保边缘计算设备的稳定运行和高效应用。随着物联网和云计算技术的不断发展,边缘计算将在更多领域展现出其独特的优势和潜力。
44 10
|
2月前
|
机器学习/深度学习 边缘计算 人工智能
ONNX 在边缘计算中的应用
【8月更文第27天】随着物联网 (IoT) 和边缘计算技术的不断发展,越来越多的智能设备被部署在远离数据中心的位置,以处理实时数据并做出即时决策。Open Neural Network Exchange (ONNX) 作为一种开放格式,允许在不同框架之间交换经过训练的机器学习模型,为边缘计算中的模型部署提供了重要的支持。本文将探讨 ONNX 如何简化边缘计算中复杂 AI 模型的部署,并讨论在此过程中可能遇到的挑战及解决方案。
50 0
|
2月前
|
机器学习/深度学习 传感器 人工智能
NVIDIA Jetson Orin Nano 开发者套件 - 加速入门级边缘 AI 应用
NVIDIA Jetson Orin Nano 开发者套件 - 加速入门级边缘 AI 应用
54 0
|
4月前
|
存储 边缘计算 物联网
边缘计算的类型及应用概述
边缘计算将计算力移至网络边缘,提升响应速度,降低带宽需求。主要类型包括:边缘设备(如传感器、手机),边缘数据中心(靠近数据源,适用于视频监控等)、边缘云(分布式小型云服务器,支持智能交通等)、边缘服务器(优化网络资源)和云计算型边缘计算(资源共享,安全隐私需关注)。应用广泛,涵盖智能家居、物联网、工业自动化和智能医疗等领域。随着技术发展,边缘计算将持续影响数字化进程。
边缘计算的类型及应用概述
|
4月前
|
机器学习/深度学习 边缘计算 测试技术
MLOps模型部署的三种策略:批处理、实时、边缘计算
机器学习运维(MLOps)是一组用于自动化和简化机器学习(ML)工作流程和部署的实践。所选择的部署策略可以显著影响系统的性能和效用。所以需要根据用例和需求,采用不同的部署策略。在这篇文章中,我们将探讨三种常见的模型部署策略:批处理、实时和边缘计算。
95 4

热门文章

最新文章

下一篇
无影云桌面