边缘计算是指在最终用户PC,移动电话或IoT传感器等生成和消费数据的设备上或附近处理数据的体系结构。这不同于传统的云计算,后者依靠中央服务器来接收数据,处理数据并将其发送回客户端设备。边缘计算可以减少网络延迟,降低数据在网络中的暴露程度,并且在某些情况下,可以通过将处理工作转移到最终用户设备上来降低成本。 1. 两种类型的边缘计算架构 在权衡边缘计算模型是否合适时,首先要问的问题是哪种架构可用。主要有两种类型: 2. 边缘计算的局限性 在决定将工作负载移至边缘之前,请评估支持这些边缘模型是否合理。这些限制可能使您回到传统的云架构。 边缘安全,边缘计算通过最大程度地减少数据传输时间来降低某些安全风险,但同时也带来了更复杂的安全挑战。 延迟要求,边缘计算可提高应用程序性能和响应能力,因为数据不必往返于云数据中心进行处理。对于需要真正即时通信流的工作负载而言,这是一个关键优势。云提供商继续增加数据中心的位置,但是他们的大型设施通常位于远离大型人口中心的偏远位置。 数据量,考虑您的工作负载将处理多少数据,以及边缘基础结构是否可以有效地处理它。如果您的工作负载产生大量数据,则需要一个扩展的基础结构来分析和存储该数据。从管理的角度来看,它可能更便宜,并且更容易将数据移至公共云数据中心。
3. 边缘计算实例 为了说明上面列出的取舍,以下是边缘计算何时适合和不适合的一些示例。 边缘计算的好例子包括: 自动驾驶汽车。自动驾驶汽车会收集大量数据,并且需要实时做出决策,以确保道路上或附近的乘客和其他人的安全。延迟问题可能会导致车辆响应时间延迟几毫秒,这种情况可能会产生深远的影响。 智能恒温器。这些设备生成的数据相对较少。此外,他们收集的某些数据(例如人们回家的时间和调整温度)可能会影响隐私。将数据保留在边缘是切实可行的,可以帮助减轻安全隐患。 红绿灯。交通信号灯具有三个特征,使其成为边缘计算的理想之选:对实时变化做出反应的需求;数据输出相对较低;偶尔会失去互联网连接。
4. 以下是一些边缘计算效果不佳的示例 常规应用。很难想到需要边缘基础结构的性能或响应能力的常规应用程序。缩短应用程序加载或响应请求的时间可能会节省几毫秒,但是这种改进很少值得付出代价。 摄像机系统。视频会产生大量数据。在边缘处理和存储数据是不切实际的,因为这将需要大型且专门的基础架构。将数据存储在集中式云设施中会便宜得多,也容易得多。 智能照明系统。允许您通过互联网控制家庭或办公室中照明的系统不会生成大量数据。但是灯泡-甚至是智能灯泡-往往具有最小的处理能力。照明系统也没有超低延迟要求-如果打开灯需要一到两秒钟,那可能没什么大不了的。您可以构建用于管理这些系统的边缘基础结构,但这在大多数情况下都不值得花费。
|