雾计算:一切计算无处不在
信贷:Opte项目,CC 2.5通过维基共享
作者:林博士羌族
的一个关键指标测量计算机执行速度是通过浮点操作(即。,any mathematical operation on two decimal numbers, such as +, -, *, /) per second. You would be amazed if you were to compare the阿波罗11号导航计算机(峰值性能高达每秒12245次浮点操作)与今天的12 iPhone的推出这种苹果神经引擎(每秒11万亿次浮点操作的能力)。
随着计算技术先进的自1950年代以来,计算范例已经进化大型机,超级计算机,客户机-服务器,云计算,并计算边缘今天的。小型化、更容易获得,成本较低的中央处理单元(cpu)和图形处理单元(gpu)以及其他计算机部件,计算经历了一个有趣的集中循环(即。主机和超级计算机),分散(即。客户机-服务器),回到集中(即。,云计算), and, finally, back to decentralization (i.e., edge computing).
这个词无处不在的计算是由施乐Mark Weiser 1988年来描述未来的个人电脑将取代(即所谓的无形的电脑。,没有人类的接口)嵌入到日常用品(即。、物联网、物联网)。物联网与不断增加的部署,包括智能手机、可穿戴设备,联系车辆,和更好的可访问性5 g移动,计算变得比以往更普遍。我们越来越接近无处不在的计算Weiser设想通过结合四种计算:云、雾、边缘和雾。为了更好的解释这个概念,图1显示了这些我们遇到或者会遇到四种类型。
图1——云、雾、边缘和雾计算
云计算
物联网和云计算,我们基本上和处理所有感官数据和其他数据推入云端,然后人类通过Web浏览器访问。云中的数据摄入过程获得和进口产生的数据并将其存储在一个物联网应用程序数据湖(即。,really large storage capacity in the cloud). It then applies大数据并行处理,这可能是通过火花,Flink,蜂巢或另一种工具,使用这个快节奏的信息做出决策(例如,欺诈监测,异常检测,特别对实时数据的分析)。只有少数知名商用云计算平台:亚马逊网络服务(AWS),微软Azure,谷歌云,IBM Cloud,甲骨文云基础设施。
雾计算
物联网应用程序生成一个前所未有的体积和各种各样的数据。但当云的数据使他们的方式进行分析,机会采取行动可能会消失。例如,自主和云一起不顺利。当你在一个移动的车,这车必须依靠云计算其基本功能,如果你失去了连接到云或有一个很长的延迟的沟通吗?滞后一个移动车辆的场景是一个生死攸关的问题。物联网加速感知和响应事件。
等行业的制造、石油和天然气,公用事业、交通运输、采矿、和公共部门,更快的响应时间可以提高产量,提高服务水平,提高安全性。例如,石油公司正在探索使用连接的传感器数据和本地计算除了云safety-focused用例,像worksite-safety条件对石油钻井平台的实时跟踪,更好地减轻突发事件。
这些云计算物联网应用程序的挑战以下方式:
- 带宽限制:利用物联网需要一种新的基础设施。今天的云模型并不为体积,设计不同,物联网的数据生成速度。数十亿先前无关的设备生成两个以上eb的数据每一天。数十亿美元“东西”每年将连接到互联网。将所有数据从这些东西移动到云的分析需要大量的带宽。
- 长延时:毫秒事当工程师们试图阻止生产线关闭或恢复电力服务。分析数据接近的设备收集的数据可以避免灾难和级联系统故障的区别。
雾计算由思科介绍,解决了物联网数据的及时性,:
- 分析最时间敏感数据在网络边缘网关(路由器)上——没有人接口一般(尽管网络工程师可以访问它们),接近生成数据,而不是将大量的物联网数据发送到云。
- 作用于物联网数据以毫秒为单位,基于数据延迟策略(例如,国家对延迟敏感的数据来分析在雾节点,而不是发送到云)。
- 将选定的数据发送到云进行历史分析和长期存储。
边缘计算
考虑无人驾驶汽车的车轮上的有效数据中心,一个无人驾驶飞机是一个长着翅膀的数据中心,一个机器人是一个数据中心,胳膊和腿,一条船是一个浮动的数据中心,等等。这些被称为物联网设备边缘节点,和每个有充足的嵌入式计算能力没有任何人类的接口。大约有100个cpu电路板上嵌入一个豪华汽车今天,我们谈论的不是一辆无人驾驶汽车。然后,当我们想到将成千上万的汽车联系在一起,我们正在考虑大规模、分布式计算系统在网络的边缘。斯坦Dmitriev开源说一辆车与L2自主权可以生成数据的速度约25 gb /小时,这些都是实时的,真实数据environment-vision,位置、加速度、温度、重力信息,或其他因素。实时数据处理必须发生在现实世界的边缘节点信息收集。
例如,当一个连接汽车看到停车标志的形象,它处理数据,减缓和停止。它甚至可能不会有足够的时间停车标志的图像传输到网关执行雾计算和接收的命令返回汽车减速和停止,特别是能见度很差由于雨或雪或如果它是夜间。边缘计算驱动智能处理能力和通信业务网关直接进入物联网设备本身。
随着越来越多的边缘节点被部署和连接网络,云计算厂商开始提供特殊的边缘在云计算能力。(即。,the cloud-side edge depicted in Figure 1), such asAWS物联网本片和微软Azure物联网的优势为更好的性能和更快的响应虽然没有帮助的带宽限制。
雾计算
薄雾节点边缘,在雾中,在云中,作为一个单一分散的和分布式的协调工作网电脑,薄雾(参见图1中的绿线的雾计算)。雾计算,不需要人工接口,管理路由计算节点,在正确的时间,正确的地点,通常尽可能靠近数据的来源。出于这个原因,有时被称为雾计算所有计算都无处不在的计算,这是近。
考虑运行一个网络的计算机视觉相机实时机器学习(ML)处理硬件。网络可以使用雾分发视频直播流私有网电脑上其他相机雾节点。薄雾节点与静态视频帧可以帮助其他雾节点移动帧计算ML算法寻找人,活动,武器,等等。如果检测到武器,例如,雾开始在云中雾节点转发帧,面部识别数据库存在确定嫌疑人的视频直播流。云节点也可以开始调度安全、警察以及通知人们目前的危险的威胁。
许多边缘节点,如手机,连接汽车和智能家居设备,正在成为的一部分雾计算处理,数据的最大优势。雾计算的概念是基本的,因为我们是在一个前所未有的时代和增长的连接。
斜方一直在计算技术的前沿研究和联邦机构和企业是一个值得信赖的顾问。斜接的一个研究小组从美国专利局授予两项专利在2019年7月:“云间编制的数据分析多元化的研究领域”和“云间编制的数据分析。”主教法冠也有助于我们的赞助商权衡利弊时移动到云上和任何更新可用时计算范例。
羌族林是一个斜方和兼职教师信息系统工程师在乔治梅森大学电子与计算机工程系。他之前在德勤工作,上汽,西弗吉尼亚大学计算机工程博士学位。
©2021斜方manbetx客户端首页公司。保留所有权利。批准的公开发布。无限的分布。箱号21 - 0144
横切为导向的团队致力于解决问题的一个更安全的世界。了解更多关于斜方。
参见: