在边缘计算

过去几年的边缘计算已经成长成为其中最重要的当前趋势之一。越来越多地被视为数字转换的一部分，并与其他趋势相连，例如东西（物联网），分析和云计算。但是，与那些趋势一样，没有精确的定义 - 并且通常很多炒作 - 关于哪些边缘计算。

边缘计算的简单定义是它涉及在网络边缘进行的一些处理和决策，而不是在数据中心或云中集中的一切。这违背了广泛的概念，即所有IT函数最终将是云托管，有些甚至建议边缘计算将取代云。

相反，云和边缘计算都将共存，因为它们解决了不同的要求。根据分析师公司IDC，这两种方法是互补的，“以聪明而聪明的方式互动”。在一份报告中称为Exper Edge Computing在欧洲的技术影响，欧洲组织超过50％的云部署的公司预测将包括Edge Computing，20％的端点设备和系统将执行人工智能（AI）算法。

驱动边缘计算的因素之一是IOT，它将整个主机的新连接设备带到网络中。需要管理这些设备，但更重要的是，其中许多旨在为运营原因或可能导致更有效的工作方式来生成要分析的数据流。

边缘计算的一些用例包括工业自动化，自动车辆，智能家居，自动化系统上船舶和燃气钻机，以及5G网络基础设施。

边缘计算被视为数据的下一个边疆，在市场上具有快速增长。我们评估前景。

在其对软件开发的痴迷中，往往以牺​​牲其他学科为代价，IT行业让尾巴摇摆超过十年。但操作真的很重要，当我们进入边缘计算时，这更为真实。

后者是一个很好的例子，不仅是因为5G预计在许多IOT部署中发挥着关键作用，这归功于其支持每个单元基站的多数量的连接设备，而是因为操作5G所需的纯处理功率网络意味着单元基站变得越来越像微型数据中心。

虽然集中云中的所有处理可能看起来似乎更有效，但在延迟时，想法遇到问题 - 延迟 - 在网络上传输数据以及获得响应的延迟。

这意味着数据通常需要在生成它的点处处理和行动。例如，在智能工厂中，传感器监控机械可能会检测到需要即时补救响应的严重故障条件。

一些应用程序产生的数据量也在迅速增长。例如，已经发现一些测试自治车辆每天产生多达8-10tb（Tberabytes）。在许多情况下，根据Seagate的执行副总裁和运营负责人Jeff Nygaard，将所有内容传输到云端可能不是可行的选择。

“它不能通过从端点到边缘到云的管道移动数据;通过该管道发送数据费用成本。如果您需要移动数据，您应该真正只需要移动数据的想法 - 基于您的归档方式以及如何从数据中获得价值 - 是您应该考虑的东西，“奈杰德说，边缘计算面板讨论。

出于诸如此类的原因，在许多情况下，在边缘生成的许多情况下，它有意义，这导致了能够在所有数据上运行分析的更强大的硬件要求。这意味着边缘系统从管理一束传感器的相对简单的边缘网关设备扩展，包括全吹式服务器甚至微数据中心。

这适合分析师公司Ovum的观点，在其报告中概述，定义了边缘和边缘云市场。ovum基于传统服务器，存储或超融合基础设施（HCI）设备的近边，具有由网关设备组成的外边缘，后者要么完全管理或不可变，那么如果需要升级时，它们被简单地替换为。

微数据中心是包含一个或多个数据中心机架的机箱，可以使用服务器，存储和网络套件，以及电源和冷却系统填充。换句话说，他们可以容纳通常在架子中的架子中找到的IT设备，而是可以安装在工厂或石油钻机上，或者在换油器上安装，或者需要不需要的计算电量的任何位置。

这些提供的供应商（如施耐德电气和Rittal），而且来自主要IT供应商，如HPE和DELL EMC，自然热衷于销售此类围栏准备好与自己的服务器，存储和网络一起康颇。

但是，识别出在边缘或云中是否处理数据也取决于应用程序，而这两个是不互斥的。例如，EDGE计算允许在发送到云之前进行过滤和处理数据，而云也可以作为中央站点进行整理，以便从多个边缘站点进行进一步分析。

除了分析之外，边缘系统还越来越多地要求进行苛刻的任务，例如视觉识别，例如检查工厂生产线上的物品以进行缺陷。这些任务通常依赖于AI技术，例如机器学习或深度学习模型来迅速提供结果，这意味着可能需要诸如图形处理单元（GPU）或场可编程门阵列（FPGA）的硬件加速器。

事实上，GPU Maker Nvidia去年推出了一个边缘平台，将其GPU产品与包含Kubernetes的软件堆栈，集装箱运行时和集装箱化AI框架，旨在在标准服务器硬件上运行。

EGX平台由NVIDIA描述，因为将加速AI计算到边缘的电力，易于部署的云天然软件堆栈。egx合作伙伴包括HPE，戴尔EMC，富士通，思科和超级思考。

新的应用和服务也在推动边缘计算的发展。例如，对高带宽流视频的需求是领先的服务提供商，用于在靠近客户的数据中心进行高速缓存内容。

亚马逊网络服务（AWS）于2019年12月宣布，它计划为此原因建立一系列靠近主要城市的超级本地数据中心集线器。这些集线器被AWS被称为“本地区域”，旨在吸引具有延迟敏感工作量的企业，并将被居住在小型数据中心而不是公司的大型区域设施中。

当然，有边缘计算存在潜在的问题。具有多个收集和分析数据的网站意味着更多需要康明并监测的网站，所有这些都会增加复杂性。和边缘计算的分布式性质意味着如果发生故障，技术人员并不总是可以在现场提供。

边缘计算也对网络有影响。随着边缘发生更多的计算，网络带宽将不得不适应这种转变强调。根据IDC，边缘计算直接增加了网络，尤其是划分的网络的重要性。边缘计算还需要创新网络如何分析，管理和策划。

安全性是所有IT基础架构的一个明显的问题，但通过远程站点可能在远程站点中无人看管的边缘系统，硬件的物理安全性与网络攻击的潜力一样多。它还意味着访问控制和对休息和运输中的数据的保护变得更加重要。

管理问题可能包括将安全应用程序更新提供到边缘硬件的需要以及远程诊断和修复可能开发的任何问题的能力。

根据Ovum的说法，运营管理更有可能是现有的运营管理市场的延伸，而不是用于边缘计算的特定产品。同样，它预计在边缘中的编排能够有效地形成多箱管理市场的扩展部分，根据Ovum的预测，将在2022年的价值11bn。

边缘计算的关键外带是它不会替换云，但在某些情况下，可以被认为是将云计算更接近正在生成数据的位置。它旨在支持可能是潜伏敏感的新的和新兴工作负载，需要大量的计算能力，或者涉及将所有返回到云的大数据卷都是不切实际的。所有这些都带来了新的挑战，也可以为可以正确的组织奖励。