邊緣運算是一種分散式資訊科技(IT)架構,其中客戶端資料在網路外圍進行處理,儘可能接近原始源。
資料是現代業務的生命線,提供寶貴的業務洞察力,並支援對關鍵業務流程和營運的即時控制。當今的企業充斥著資料的海洋,幾乎可以從世界上任何地方的遠端位置和荒涼的操作環境中,即時執行的感測器和物聯網裝置中,定期收集大量資料。
但這種虛擬資料泛濫,也正在改變企業處理運算的方式。建立在集中式資料中心,和日常網際網路上的傳統運算正規化,不太適合行動無休止地成長的現實世界資料河流。頻寬限制、延遲問題和不可預測的網路中斷,都可能陰謀損害此類工作。企業正在透過使用邊緣運算架構,來應對這些資料挑戰。
最簡單地說,邊緣運算將部分儲存和運算資源移出中央資料中心,更接近資料本身的來源。這項工作不是將原始資料傳輸到中央資料中心,進行處理和分析,而是在實際生成資料的地方進行 —— 無論是零售店、工廠樓層、龐大的公用事業,還是跨智慧城市。只有該運算工作在邊緣的結果,如即時業務洞察力、裝置維護預測,或其他可操作的答案,才會被送回主資料中心進行審查和其他人工互動。
因此,邊緣運算正在重塑 IT 和商業運算。全面瞭解什麼是邊緣運算,它是如何工作的,雲的影響,邊緣應用案例,權衡和實施考慮。
邊緣預算是如何工作的?
邊緣運算都是位置問題。在傳統的企業運算中,資料在客戶端端點生成,例如使用者的電腦。該資料透過企業區域網(如網際網路)在廣域網上移動,企業區域網將資料儲存在企業應用程式中並處理。然後將該工作的結果傳回客戶端端點。對於大多數典型的業務應用來說,這仍然是一種經過驗證,且經過時間考驗的客戶端 - 伺服器運算方法。
但連線到網際網路的裝置數量,以及這些裝置產生,並由企業使用的資料量,成長速度太快,傳統資料中心基礎設施無法容納。Gartner 預測,到 2025 年,75% 的企業生成資料,將在集中資料中心之外建立。在通常對時間或中斷敏感的情況下,行動如此多資料的前景,給全球網際網路帶來了令人難以置信的壓力,而網際網路本身往往會受到塞車和干擾。
因此,IT 架構師將重點,從中央資料中心轉移到基礎設施的邏輯邊緣—從資料中心獲取儲存和運算資源,並將這些資源轉移到資料生成點。原則很簡單:如果你無法將資料靠近資料中心,請將資料中心靠近資料。邊緣運算的概念並不新鮮,它植根於幾十年來的遠端運算理念—如遠端辦公室和分支機構—將運算資源放置在所需的位置,而不是依賴單個中心位置更可靠和更有效率。
邊緣運算將儲存和伺服器,置於資料所在的位置,通常只需要一個部分齒輪架才能在遠端區域網上執行,以在本地收集和處理資料。在許多情況下,運算齒輪佈署在遮蔽或硬化的外殼中,以保護齒輪免受極端溫度、溼度和其他環境條件的影響。處理通常涉及規範化和分析資料流,以尋找商業智慧,只有分析結果被送回主資料中心。
商業智慧的概念可能大相徑庭。一些例子包括零售環境,在這種環境中,展廳樓層的影像監控可能與實際銷售資料相結合,以確定最理想的產品配置或消費者需求。其他示例涉及預測分析,可以在實際缺陷或故障發生之前,指導裝置維護和維修。還有其他例子通常與公用事業保持一致,如水處理或發電,以確保裝置正常執行並保持輸出品質。
邊緣與雲與霧運算
邊緣運算與雲端運算和霧運算的概念密切相關。雖然這些概念之間有一些重疊,但它們不是一回事,通常不應該互換使用。比較概念並瞭解它們的差異是有幫助的。
理解邊緣、雲和霧運算之間差異的最簡單方法之一,是強調它們的共同主題:這三個概念都與分散式運算有關,並專注於與正在生成的資料相關的計算和儲存資源的實體佈署,區別在於這些資源的位置。
邊緣。邊緣運算是在資料生成的位置,佈署運算和儲存資源。這理想地將運算和儲存與網路邊緣的資料源放在同一點。例如,一個帶有幾個伺服器和一些儲存裝置的小外殼,可能會安裝在風力渦輪機上,以收集和處理渦輪機內部感測器生成的資料。另一個例子是,火車站可能會在車站內放置少量的運算和儲存,以收集和處理無數的軌道和鐵路交通感測器資料。然後,任何此類處理的結果,都可以發回另一個資料中心進行人工審查、歸檔,並與其他資料結果合併,以進行更廣泛的分析。
雲。雲端運算是電腦和儲存資源,在幾個分散式全球位置(地區)之一的巨大、高度可擴充的佈署。雲供應商還為物聯網營運,整合了各種預打包服務,使雲成為物聯網佈署的首選集中平台。但是,儘管雲端運算提供了遠遠超過足夠的資源和服務,來處理複雜的分析,但最近的區域雲設施仍然可能距離資料收集點數百英里,並且連線依賴於支援傳統資料中心的相同脾氣的網際網路連線。在實踐中,雲端運算是傳統資料中心的替代品,有時是補充。雲端可以使集中運算更接近資料來源,但不能在網路邊緣。
霧。但運算和儲存佈署的選擇,並不侷限於雲或邊緣。雲資料中心可能太遠,但邊緣佈署可能只是資源太有限,或實體分散或分散,無法使嚴格的邊緣運算變得實用。在這種情況下,霧運算的概念可能會有所幫助。霧運算通常退後一步,將運算和儲存資源「放入」資料中,但不一定「在」資料中。
霧運算環境可以在廣闊的實體區域,產生令人困惑的感測器或物聯網資料,這些區域太大,無法定義邊緣。應用案例包括智慧建築、智慧城市甚至智慧公用事業網。考慮一個智慧城市,在那裡資料可用於追蹤、分析和最佳化公共交通系統、市政公用事業、城市服務,並指導長期城市規劃。單邊佈署根本不足以處理這樣的負載,因此霧運算可以在環境範圍內,操作一系列霧節點佈署,以收集、處理和分析資料。
注意:重要的是要重複,霧運算和邊緣運算具有幾乎相同的定義和架構,這些術語有時即使在技術專家之間 豆豆也可以互換使用。