大家知道，云計算解決了算力需求與硬件成本之間的矛盾,，邊緣計算,，讓人們能輕松實現(xiàn)各類數(shù)字化應用。
隨著運用普及,，云計算也會面臨新問題,。試想一下，如果大家都在玩一個很火的-,，而它的服務器只部署在a城市這一個中心數(shù)據(jù)節(jié)點,。那就會出現(xiàn)以下情況：一是距離較遠的b城市的游戲的玩家玩起來--高，因為服務器離用戶太遠了,，fpga邊緣計算,，傳輸時延隨之增加。二是中心節(jié)點不堪重負,，由于數(shù)據(jù)高度集中,，訪問流量都匯聚到a城市節(jié)點，帶寬或者性能一旦跟不上,，就容易出現(xiàn)擁塞,。這些會導致云端響應慢，-高,，-卡成了看幻燈片,，這種用戶體驗誰也受不了。
為應對這些新挑戰(zhàn),，邊緣計算應運而生,。人們對云計算的集中化結構進行了拆分，把需要快速響應的服務能力部署到網(wǎng)絡邊緣,，也就是盡可能靠近用戶的地方,。這樣既縮短了服務器到用戶的距離，又通過分布式結構有效-了中心節(jié)點的壓力,。簡單的說,，把云計算延伸到網(wǎng)絡邊緣，在靠近用戶的地方提供服務,，就是邊緣計算。
如果用快遞來打個比方,，或許你就能-理解“邊緣計算”節(jié)點的概念,。買家在網(wǎng)購下單后,，到貨速度當然越快越好，但如果從北京發(fā)貨到重慶,，再快也不可能當日達,。于是，網(wǎng)購平臺在重慶建了個“本地倉”,，這樣不僅重慶用戶可以當天就收貨,，而且還節(jié)約了郵費。你把快遞包裹-成數(shù)據(jù),，物流-成網(wǎng)絡,，新基建邊緣計算設備，那么“本地倉”就是邊緣計算節(jié)點,。
從那時起,，邊緣計算能力一直在提高。
2017年,，為了擴展低性能的計算設備,，movidius神經(jīng)計算棒以低于100美元的價格，fpga邊緣計算,，僅需0.5w的電量便能進行每秒一千億次浮點計算,。
2018年，華為推出了麒麟980處理器,，在0.1w的電量下可以完成每秒五千億次的浮點計算,。其他供應商緊隨其后。谷歌發(fā)布了edge tpu units,，瑞芯微rockchip公布了rk3399,。這兩個約每秒能夠處理3萬億次浮點計算，成本在100美元左右,。
2019年,，帶有-技術硬件加速的器-是神經(jīng)網(wǎng)絡的特定微型計算機得到普遍使用。所有關鍵的硬件廠商都陸續(xù)發(fā)布了ai軟件棧的邊緣優(yōu)化版本,，這進一步提高了性能,。目前，一般使用的ai板有,，谷歌的edge tpu——使用專門的asic芯片制作而成用以處理ai的預測推理功能,。價格低于100美元的英偉達jetson nano 配備了128個英偉達cuda。瑞芯微發(fā)布的 rk3399 pro——帶有神經(jīng)網(wǎng)絡處理器的開發(fā)板其性能甚至略優(yōu)于英偉達jetson nano,。
物聯(lián)網(wǎng)技術的大幅提高讓我們得以發(fā)展nbox——這款邊緣計算設備不僅能夠借助多達12個通道記錄高音頻,，并且還可以通過邊緣計算實現(xiàn)-。所謂邊緣計算，是指大多數(shù)處理過程將通過本地設備實現(xiàn)而無需交由云端完成,。
邊緣計算中的邊緣指的是網(wǎng)絡邊緣上的計算和存儲資源,，這里的網(wǎng)絡邊緣與數(shù)據(jù)中心相對，無論是從地理距離還是網(wǎng)絡距離上來看都更貼近用戶,。邊緣計算則是利用這些資源在網(wǎng)絡邊緣為用戶提供服務的技術,，使應用可以在數(shù)據(jù)源附近處理數(shù)據(jù)。如果從仿生的角度來理解邊緣計算,，我們可以做這樣的類比：云計算相當于人的大腦,，邊緣計算相當于人的神經(jīng)末端。當?shù)绞謺r總是下意識的收手,，然后大腦才會意識到到了手,，因為將手收回的過程是由神經(jīng)末端直接處理的非條件反射。這種非條件反射加快人的反應速度,，避免受到的傷害,，同時讓大腦-于處理智慧。未來是萬物聯(lián)網(wǎng)的時代,，思科預計 2020 年將有 500 億的設備接入互聯(lián)網(wǎng),，我們不可能讓云計算成為每個設備的“大腦”，而邊緣計算就是讓設備擁有自己的“大腦”,。
|
登錄后臺
滇公網(wǎng)安備 53011202000392