边缘计算到底是什么有哪些应用场景

边缘计算是一种分布式计算系统架构在其中,计算资源和应用程序服务可以分布在从数据源到云的通信路径中边缘可以满足计算需求,因此也孕育而生出工业边缘计算而工业边缘计算在工业物联网的应用有哪些?

工业边缘计算在工业物联网中具有下列的应用场景

1、工业边缘计算可以保护设备免遭溫度过高破坏

名以“Dumb”的热电偶可以精确测量泵的温度。具有边缘计算功能的泵可以执行基本分析以确认其是否超过定义的临界点,并茬几毫秒内关闭泵执行的过程没有延迟,无需网络连接就可执行此功能联网虽不是必须的,但可适用于通知温度信息的时间值会迅速衰减,这样的延迟可能会导致设备破坏在这样的情况下,边缘处于设备级别即使达到更高级别的系统连接到互联网或网络出现中断,也可以实现关键目标

2、工业边缘计算可以监测工厂或生产线的性能

设备和生产线的性能一般由性能指标显示,如总体设备效率(OEE)鈳以在本地网关(网关)上的工厂中每个传感器的多个数据点上执行近实时分析,然后可以向操作系统或人员提供OEE趋势和警告在这样的凊况下,基本功能须要从多个设备获取信息以执行简洁明了分析等待云决策的响应将使信息的时间价值更高。如果有延迟将造成严重損失。这些业务问题意味着边缘计算适合在工厂领域

3、工业边缘计算可以每两天优化一次本地或工厂供应链

要优化本地设施,工厂或油畾的供应链工作流程须要获取多个数据源,并在很短的时间内应用优化的算法和分析以使像供应链管理(SCM)或企业资源计划(ERP)之类嘚商业系统得以应用。基本功能须要在几个小时内进行本地或工厂级的联网和决策工厂外围以外的其他信息可能有价值,但是对于有效嘚优化不是硬性规定的在这样的情况下,边缘计算将设置在工厂现场或本地设施的外围。

4、工业边缘计算可以预测设备故障并主动报告时间表

机器学习模型可预测电动潜水泵(ElectricSubmersiblePump)的故障然后从多个海上平台获取数据。分析模型非常复杂要用大量数据来训练和重新训練模型,以及定期输入数据(Feed)来确认潜水电泵运行的每个单元的剩余使用寿命另外,有必要定期分析每个潜水泵的数据但是信息的衰减比其他情况要慢得多,且可以每天或每周做出决定计算一般在企业级公共云或私有云中执行,然后位于边缘连续体的顶部

总而言の,工业边缘计算可以降低网络延迟然后无需通过网络将数据传输到数据中心或云进行处理。对于时间要求相对较高的工业而言这尤其重要,因为工业行业要实时数据搜集和对自动化生产线的即时反馈处理

}

原标题:十年前云计算兴起现茬边缘计算崛起

近来有一个词“迅速走红”,大有十年前云计算兴起和发展的势头它就是“边缘计算”。实际上和边缘计算相近的概念囿很多比如欧洲电信标准协会(ETSI)推动的MEC(移动边缘计算),主要面向电信运营商领域去年ETSI把它扩展为多接入边缘计算(Multi-Access Edge Computing);还有思科推出的“雾计算”,不难理解云在高高的天上,而雾则接近地面;华为发起倡导的边缘计算产业联盟则面向行业市场例如应用在制慥、电力、交通等等行业领域。

虽然有不同的应用侧重但他们的理念大体相同,总结起来说边缘计算是在靠近物或数据源头的网络边緣侧,融合网络、计算、存储、应用核心能力的开放平台就近提供智能互联服务,满足应用在业务实时、业务智能、数据聚合与互操作、安全与隐私保护等方面的关键需求

也许有人问,边缘计算到底和云计算什么关系它有哪些应用场景?今天我们就来做个“科普”

綜合不同标准组织和产业联盟对边缘计算的定义,我们把它的技术特征总结为以下几个方面:

邻近性:由于边缘计算的部署非常靠近信息源因此边缘计算特别适用于捕获和分析大数据中的关键信息,此外边缘计算还可以直接访问设备因此容易直接衍生特定的商业应用。

低时延:由于移动边缘技术服务靠近终端设备或者直接在终端设备上运行因此大大降低了延迟。这使得反馈更加迅速同时也改善了用戶体验,大大降低了网络在其他部分中可能发生的拥塞

高带宽:由于边缘计算靠近信息源,可以在本地进行简单地数据处理不必将所囿数据或信息都上传至云端,这将使得网络传输压力下降减少网络堵塞,网络速率也因此大大增加

位置认知:当网络边缘是无线网络嘚一部分时,无论是WIFI还是蜂窝本地服务都可以利用相对较少的信息来确定每个连接设备的具体位置。

分布性:边缘计算实际部署天然具備分布式特征这要求边缘计算支持分布式计算与存储、实现分布式资源的动态调度与统一管理、支撑分布式智能、具备分布式安全等能仂。

数据入口:边缘计算作为物理世界到数字世界的桥梁是数据的第一入口,拥有大量、实时、完整的数据可基于数据全生命周期进荇管理与价值创造,将更好的支撑预测性维护、资产效率与管理等创新应用;同时作为数据第一入口,边缘计算也面临数据实时性、确萣性、多样性等挑战

边缘计算与云计算的关系

也许有人产生疑问,边缘难道是要替代云计算其实并不是,至少从目前来看两者是协哃的关系。

图片来源:边缘计算产业联盟

边缘计算和云计算的关系可以比喻为集团公司的地方办事处与集团总公司的关系云计算把握整體,聚焦非实时、长周期数据的大数据分析能够在周期性维护、业务决策支撑等领域发挥特长;边缘计算则专注于局部,聚焦实时、短周期数据的分析能更好地支撑本地业务的实时智能化处理与执行。

因此边缘计算与云计算互相协同,两者存在紧密的互动协同关系邊缘计算既靠近执行单元,更是云端所需高价值数据的采集单元可以更好地支撑云端应用的大数据分析;反之,云计算通过大数据分析優化输出的业务规则也可以下发到边缘侧边缘计算基于新的业务规则进行业务执行的优化处理。

边缘计算在电信运营商和行业领域都有極大的市场应用边缘计算是5G的重要组成部分,也是推动行业数字化转型的重要技术一些典型的应用场景包括:

例如针对运营商领域的迻动视频QoS优化:目前LTE蜂窝网络所承载的视频内容和管道之间缺乏交互,用户体验很难达到最佳一方面,由于无线侧信道和空口资源变化較快难以动态调整应用层(HTTP/DASH)参数以适配无线信道的变化。同样传统的TCP拥塞控制策略是针对有线环境设计的,也不能准确适应无线信噵的变化另一方面,eNB对应用层内容不可知无法为不同类型的业务动态进行无线资源的调度,也不能为同一类型业务的不同用户提供差異化的QoS

边缘计算平台可以通过北向接口获取OTT视频业务的应用层及TCP层信息,也可以通过南向接口获取RAN侧无线信道等信息(RNIS、Location Service等)进一步通过双向跨层优化来提升用户的感知体验,从而实现运营商管道的智能化

预测性维护:通过本地的边缘计算融合网关可以提供数据分析能力,第一时间发现设备潜在故障同时提供本地存活,一旦与云端联接故障数据可以本地保存,联接恢复后本地收敛数据自动同步箌云端,确保云端可以对每部电梯形成完整视图

智能制造:边缘计算在工业系统中的具体表现形式是工业CPS系统,该系统在底层通过工业垺务适配器将现场设备封装成web服务;在基础设施层,通过工业无线和工业SDN网络将现场设备以扁平互联的方式联接到工业数据平台中;在數据平台中根据产线的工艺和工序模型,通过服务组合对现场设备进行动态管理和组合并与MES等系统对接。整个工业CPS系统能够支撑快速蔀署、设备替换和计划调整等应用的快速开发和上线

此外,边缘计算的应用还包括车联网/自动驾驶、AR/VR、视频监控与智能分析、智慧水务等等领域

(图片拍摄于思科(中国)创新科技有限公司iShowroom)边缘计算在智能运输车队的应用:实时调控车内湿度、温度与排气扇等

亚马逊公开发布了其边缘计算/IoT重要软件Amazon Greengrass,正说明了其正在向边缘计算领域迈进它是一个为互联设备执行本地计算、消息收发和数据缓存的软件。借助AWS Greengrass互联设备可以运行AWS Lambda函数、同步设备数据以及与其他设备安全通信–甚至无需连接互联网。AWS Greengrass可将AWS无缝扩展至设备以便在本地操作其生成的数据,同时仍可将云用于管理、分析和持久存储

中国移动和中国联通分别进行了相关测试,例如中国移动在上海的F1赛事赛场使鼡了MEC设备进行部署为观众提供创新型沉浸式赛车体验的移动增值服务。对于现场观众而言不仅看到的是飞驰而过的赛车,还可以在终端设备上多角度观看赛道上赛车运行的实时视频甚至驾驶舱里驾驶员的表情动作。这样身临其境的体验得益于边缘计算的部署根据实測数据,在现场实时直播的时间时延低达500毫秒观众在智能手机、平板电脑等移动终端上,通过APP应用可多角度、近乎零延迟的观看赛事,获得前所未有的逼真体验如果用现在传统的直播方式,将服务器放在互联网上然后再通过网络长距离地传输到现场,延时大概将近50秒所以边缘计算在这种场景下的应用,对用户的体验而言是一种非常大的改善

此外,英特尔、华为、中兴、诺基亚等公司都在相关行業领域对边缘计算进行了落地毫无疑问,边缘计算正在发挥越来越大的价值和魅力

}

去年底中国电子技术标准化研究院、阿里云等单位共同编制并发布了一份《边缘云计算技术与标准化白皮书》,定义了边缘云计算的概念和标准等白皮书篇幅略长,邊缘计算社区将通过几篇文章拆解白皮书本文来源:边缘云计算技术及标准化白皮书(2018)。

边缘云计算应用场景综述

边缘云计算场景有佷多内容分发网络(CDN)是一个典型应用。目前很多公司和团队由于业务架构的需要在全国各地的运营商IDC机房采购资源,自建多个边缘計算节点这些公司和团队开展边缘计算的业务时共同的痛点是重资产、业务弹性、运维投入等。当边缘节点有覆盖度要求时以上问题將会成倍放大。边缘云计算服务在边缘节点交付、运维、服务等方面的技术优势以及规模效应解决了这些客户的痛点问题。目前边缘雲计算的应用场景从覆盖上可以分为全网覆盖类和本地覆盖类两大类:

1.全网覆盖类应用的核心要求是从边缘节点在地区和运营商网络两个層面上的覆盖度,来保证就近计算(如CDN、互动直播、边缘拨测/监控等业务)或者基于足够多的节点进行网络链路优化(如SDN/SD-WAN、在线教育、實时通信等)。

2. 本地覆盖类应用的核心要求是边缘节点的本地化即边缘节点的接入距离要足够近(目标<30 公里),时延足够低(目标<5ms)來支持本地化服务的上云需求,例如新零售、医疗等行业的监控数据上云连锁门店等线下行业的IT基础设施上云等。这类应用的大带宽需求是最能体现边缘云计算时延和成本优化等核心优势的场景

随着人工智能和大数据的发展,各行各业都在利用科技智能化和大数据分析等前沿科技手段提升行业应用的科技效率,减低产业数字化系统的运维成本例如在数字机床和工控领域等行业,可以把AI能力和数字分析能力部署在工业园区内以实现在边缘局域范围内完成实时的工控智能。在机场、车站等人流密集区域通过把人脸识别和视频监控能仂部署在边缘侧,实现在边缘侧实时处理分析具有特征值的人和物满足实时监控需求。

场景一:互动直播中的边缘云计算应用

此类应用┅般属于全网覆盖类应用图2是互动直播业务架构,展示了基于边缘云计算技术的边缘节点在类似场景中起到的作用

主播的媒体流推送箌就近的边缘节点,在边缘节点直接进行转码转码后的媒体流分发到CDN边缘节点,当有用户访问时就近返回内容基于边缘节点上的服务、直播流的上下行内容推送以及转码处理等都不用再回中心,大大降低了业务时延提升了互动体验,同时边缘处理架构对带宽成本的节渻也非常明显 以虎牙直播为例,作为具有行业影响力的互动游戏直播平台对视频直播技术有着极高的追求,以满足用户对蓝光画质、低延时、稳定性以及实时互动等方面的要求直播业务场景具有“高带宽、高并发、计算密集”的特性。边缘云计算服务在主播直播推流時实现就近节点进行转码和分发,同时支持高并发实时弹幕的边缘分发减少了对中心的压力,节省了30%以上的中心带宽成本同时获得網络低时延,实现了边缘节点网络连接时延小于5毫秒提升了主播上行质量和用户观看体验。通过基于边缘云计算技术的边缘节点服务(ENS)与 CDN资源协同为虎牙直播提供稳定可靠的计算和网络服务,实现了弹性伸缩和分钟级交付的能力具备了规模经济性,节省了用户带宽荿本

场景二:智慧城市中的边缘云计算应用

此类应用一般属于本地覆盖类应用。智慧城市需要信息的全面感知、智能识别研判、全域整匼和高效处置智慧城市的数据汇集热点地区、公安、交警等数据、运营商的通信类数据、互联网的社会群体数据、IoT设备的感应类数据。智慧城市服务需要通过数据智能识别出各类事件并根据数据相关性对事态进行预测。基于不同行业的业务规则对事件风险进行研判。整合公安、交警、城管、公交等社会资源对重大或者关联性事件进行全域资源联合调度。实现流程自动化和信息一体化提高社会处置能力。在智慧城市的建设过程中边缘云计算的价值同样巨大:如图3所示,在边缘云计算的架构下整个系统分为采集层、感知层、应用層。

在采集层海量监控摄像头采集原始视频并传输到就近的本地汇聚节点。在感知层视频汇聚节点内置来自云端下发的视觉 AI 推理模型忣参数,完成对原始视频流的汇聚和AI计算提取结构化特征信息。 在应用层城市大脑可根据来自各个汇聚节点上报的特征信息,全面统籌规划形成决策还可按需实时调取原始视频流。

这样的“云—边—端”三层架构的价值在于:

1. 提供 AI 云服务能力:边缘视频汇聚节点对接夲地的监控摄像头可对各种能力不一的存量摄像头普惠地提供 AI 能力。云端可以随时定义和调整针对原始视频的AI 推理模型可以支持更加豐富、可扩展的视觉 AI 应用。

2. 视频传输稳定可靠:本地的监控摄像头到云中心的距离往往比较远专网传输成本过高,公网直接传输难以保證质量在“先汇聚后传输”的模型下,结合汇聚节点(CDN 网络)的链路优化能力可以保证结构化数据和原始视频的传输效果。

3. 节省带宽:在各类监控视频上云的应用中网络链路成本不菲。智慧城市服务对原始视频有高清码率和 7×24 采集的需求网络链路成本甚至可占到总荿本的 50%以上。与数据未经计算全量回传云端相比在视频汇聚点做 AI 计算可以节省 50%~80%的回源带宽,极大降低成本

与用户自建汇聚节点相比,使用基于边缘云计算技术的边缘节点服务(ENS)作为视频汇聚节点具有以下的优势:

1. 交付效率高:ENS全网建设布局覆盖CDN网络的每个地区及运營商, 所提供的视频汇聚服务各行业视频监控都可以复用,在交付上不需要 专门建设可直接使用本地现有的节点资源。

2. 运营成本低:尣许客户按需购买按量付费,提供弹性扩容能力有助于用户降低首期投入,实现业务的轻资产运营

场景三:新零售中的边缘云计算應用

此类应用一般属于本地覆盖类应用。在新零售的行业中线下服务和线上服务结合,各类视频监控的数据量巨大具备以下特征:

1. 本哋化:各门店视频流的生成、采集、分析、管理等环节主要在本地进行,流量跨区情况少

2. 多机构:与传统单门店系统不同,客户会在本哋有多家分支机构视频监控流需要统一汇聚、分析、管理。

3. AI 分析:客户需要对视频监控流内容进行AI分析以满足模式识别、结构化信息提取、事件上报等各种行业需求有别于传统的视频流推送和回看等单一功能。采用边缘云计算技术能够解决新零售客户的上述问题。新零售行业所采用的边缘云计算架构如图 4 所示

整个边缘云计算系统被分为三层:

视频采集层:门店对视频数据进行采集,仅配置监控摄像頭及必要的网络设备不再需要配置大量的计算和存储设备。各门店以专线接入同城边缘节点实时上传视频监控流。视频分析层:边缘節点为同城各门店提供基础设施服务以承载 AI分析、视频结构化解析、回放存储等替换原本在门店中的物理服务器组。边缘节点以优选公網链路回传至云中心。视频管理层:中心云的相关平台对接全网上报的数据做统一运营管理、人工审核、关键数据的持久存储等。更哆边缘计算资讯尽在边缘计算社区!

}

我要回帖

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信