[VIP第1年] 指数:3
随着边缘计算的兴起，理解边缘设备所涉及的另一项技术也比较重要，它就是雾计算。边缘计算具体是指在网络的“边缘”处或附近进行的计算过程，而雾计算则是指边缘设备和云端之间的网络连接。换句话说，雾计算使得云更接近于网络的边缘;因此，根据OpenFog的说法，“雾计算总是使用边缘计算，而不是边缘计算总是使用雾计算。”说回我们的火车场景:传感器能够收集数据，辽宁AI边缘计算服务器，辽宁AI边缘计算服务器，辽宁AI边缘计算服务器，但不能立即就数据采取行动。例如，如果一名火车工程师想要了解火车车轮和刹车是如何运行的，他可以使用历史累计的传感器数据来预测零部件是否需要维修。在这种情况中，数据处理使用边缘计算，但它并不总是即时进行的(与确定引擎状态不同)。而使用雾计算，短期分析可以在给定的时间点实现，而不需要完全返回到中心云。边缘计算处理数据中心明显的优势：个性化。辽宁AI边缘计算服务器
发现边缘节点：到2020年将有500亿的终端和设备联网，除了边缘设备与终端联网较大的“异构”特征之外，产品生命周期越来越短、个性化需求越来越高、全生命周期管理和服务化的趋势越来越明显，这些新趋势都需要边缘计算提供强大的技术支撑。如何在分布式计算环境中发现资源和服务是一个有待拓展的领域。为了充分利用网络的边缘设备，需要建立某种发现机制，找到可以分散式部署的适当节点。因为可用设备的数量庞大，这些机制不能依靠人工手动。此外，还需要使用多种异构设备满足较新的计算需求，比如大规模的机器学习任务。这些机制必须在不增加等待时间或损害用户体验的前提下，实现不同层次和等级的计算工作流中无缝集成，原有的基于云计算的机制在边缘计算领域不再适用。安徽高性能边缘计算无人机边缘计算处理的数据是（小数据），从数据计算、存储上都具有成本优势。
许多供应商也已经迈出了使用软件解决方案实现边缘计算的第1步。例如，诺基亚针对移动边缘计算（MEC）的软件解决方案旨在为基站站点提供边缘计算能力。同样，思科的IOx为其集成的服务路由器提供了一个边缘计算环境。这些解决方案应用于特定硬件，因此不适合部署在异构环境中。软件解决方案面临的一个挑战是如何开发跨越不同环境的可移植的解决方案。某些公司正在研究升级边缘节点，以支持通用计算需求。例如，可以升级无线家庭路由器以支持额外的计算任务。英特尔的SmartCellPlatform使用虚拟化技术，支持额外的计算任务。通用CPU替换专属DSP提供了另一种解决方案，但却需要巨大的投资。
业务流程优化、运维自动化与业务创新驱动业务走向智能，边缘智能，能够带来明显的效率提升与成本优势。事实上，对于从事工业自动化工作的人而言，边缘计算并不陌生。比如，在目前普遍采用的基于PLC、DCS、工控机和工业网络的控制系统中，位于底层、嵌于设备中的计算资源，或多或少都是边缘计算的资源。目前规模以上冶金企业，其信息化已经做得颇具成效，但缺少的恰恰是末端智能。冶金方面的数据经常会出现完整性和一致性的问题，俗称“脏”数据。解决不好这方面的问题，会给能源管理和智能管理环节造成比较大的困扰。边缘计算在其中发挥着重要作用，成为工业物联网技术的有效补充。需要对边缘节点的峰值时间周全了解，以便可以用灵活的方式来分割和调度任务。
边缘计算的中心理念是：计算应更加靠近产生数据的源头，其应更加贴近用户。此中的“边缘”是与数据中心相对的。在网路距离上，表示距离近，即离用户距离上更近。这是由于随着网络规模的缩小，带宽、延迟、抖动等不稳定因素都将更加易于控制与改进。在空间上，也表示距离近，这主要是指边缘计算资源与用户共处于同一个场景当中，典型的就是位置。根据这些情景信息，可以为用户提供更为优良的个性化服务，典型的如基于位置信息的服务。需要说明的是，网络距离和空间距离有时可能不是时刻保持关联的，但应用可以根据自己的需求来进行更为合适的节点选择。在网络边缘的资源是许多的，主要有用户终端，如手机、个人电脑等等；基础设施，如wifi接入点、蜂窝网络基站、路由器等等；嵌入式设备，如摄像头、机顶盒等等；小型计算中心，如Cloudlet等等。这些资源的数据极其庞大，又相互分开，分散于用户周围，而这些都可以作为边缘节点。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。辽宁AI边缘计算服务器
数据可分布既是边缘计算的特征也是边缘计算模型对待处理数据**的要求。辽宁AI边缘计算服务器
边缘计算的价值：分布式和低延迟计算。云计算往往并不是较佳策略，计算需要在更加靠近数据源的地方执行。这个优点可以扩展到任何基于Web的应用程序上：包括Foursqure和GoogleNow在内的APP能更快的做出响应，所以在移动用户中变得越来越受欢迎。这说明在更靠近用户的边缘节点上，边缘计算可以用于改进服务。许多数据流由边缘设备生成，但是通过“远处”的云计算处理和分析，不可能做出实时决策。例如使用可穿戴式摄像头的视觉服务，响应时间需要在25ms至50ms之间，使用云计算会造成严重的延迟；再比如工业系统检测、控制、执行的实时性高，部分场景实时性要求在10ms以内，如果数据分析和控制逻辑全部在云端实现，则难以满足业务要求；还有那些会生成庞大数据流的多媒体应用，如视频或是基于云平台的网络游戏，依赖云计算也会为玩家造成类似于等待时间过长的问题，无法满足用户的需求。作为云计算的有益补充，可以利用边缘节点（例如，路由器或离边缘设备较近的基站），用以减少网络等待时间。辽宁AI边缘计算服务器
文章来源地址: http://smdn.chanpin818.com/zjfwq/gkdncp/deta_9471048.html
免责声明： 本页面所展现的信息及其他相关推荐信息，均来源于其对应的用户，本网对此不承担任何保证责任。如涉及作品内容、 版权和其他问题，请及时与本网联系，我们将核实后进行删除，本网站对此声明具有最终解释权。
