cookieOptions = {...}; .雲端大戰的下一步,邊緣計算 - 3S Market「全球智慧科技應用」市場資訊網

3S Market


2018年6月4日 星期一

【財經知識庫】邊緣運算協助雲端運算 讓傳輸更有效率





來源:TechTarget



十多年前,Amazon Web Services(AWS)以一個可提供靈活計算實例的系統的形象,出現在了人們面前。

對於AWS的誕生,人們持有不同的觀點,比如有人認為Amazon創建AWS的目的,就是讓那些在自己平台中的零售商,不用再承擔那些自建系統,所帶來的IT負擔。

其實在當時,大多數人僅僅將AWS視為Amazon推出的一項附加業務,而Amazon那邊也沒對AWS進行過多的宣傳。

云端大战的下一步,边缘计算

後來,隨著大大小小的各種企業組建,接受了AWS的服務,AWS一直處穩健地成長之中。不過直到2015年AWS年度收入,超過了50億美元之後,Amazon方面才將AWS的數據公佈了出來,這自然是Amazon過人之處。如今,幾乎所有Amazon的營業收入均來自於AWS,它顯然成為了Amazon的成長引擎。

在2006到2015年時,大多數的本地伺服器、儲存和網路廠商,均經歷了一個增速放緩期,這時,他們通常會以整體市場表現不好(特別是2008的金融危機),以作為相關的推辭。但事實是,增速與利潤均流向了那些雲端的公司,如Amazon、Linkedin、Facebook、Twitter和Google等。

微軟方面則做出了一些關鍵性的轉型,它取消了對客戶和合作夥伴徵收「策略稅」,並最終重新確定了Windows在其自身體系中的重要性。這促成了「Azure時代」的來臨以及微軟對自身的重塑。

Google自然不甘人後,它意識到,企業服務是一個相當穩定,並具有很高利潤的商業模式,這可為它帶來持續性地成長。同時,Google也在Android、自動駕駛、Google眼鏡(VR/AR)以及長壽研究等領域中探索。

當我們將時間快進到當前的2018年,雲端大戰的上半場已經結束。對於各個雲服務玩家來說,他們對未來3-5年的市場變化均擁有一個清晰的認識,那就是:數據。廠商所爭奪的重心正逐漸從功能/性能快速轉變到數據之上。

這些數據具有相當大的吸引性,並具有「人們可隨時查看,但不能說走就走」(即,入口是免費的,但從雲端拿取數據時,必須支付費用)的特徵。之後,技術的發展帶來了更多鎖定性的產品,如API(如Google的 Vision APIs)和作為算法的服務(如AmazonLex的會話接口)。

目前,雲廠商都關注的一點,還在於物聯網技術的發展,而這將推動物聯網邊緣(IoT edge)技術的出現。在定義中,物聯網是一套需要本地智慧計算支持,才能生成大量數據的智慧系統。

而物聯網邊緣將成為一種挑戰,是因為現在的雲計算,並沒有為物聯網的到來做好準備。如果這個問題不能得以解決,那麼雲計算的成長,勢必會具有一個成長瓶頸。

Gartner分析師Thomas Bitman在他的「邊緣將吃掉雲計算」(The Edge will Eat the Cloud)文章中寫到,「雲計算具有很棒的靈活性……但是它有克服不了實體問題:數據的重量和光的速度」。

雲供應商自然沒忽視這一點,他們正在想辦法,以解決這個問題。今年2月,Google收購了LogMeIn的Xively物聯網平台,而今年4月,微軟則宣佈它對於物聯網方面的支出,將提升兩倍,達到50億美元以上。

這是因為,這些雲廠商意識到了,他們失去了IT市場中很大的一部分,及物聯網/邊緣市場。而且,他們也明白,如果不能解決現有的問題,他們現有的雲收入,很可能就會受到極大的影響。因為物聯網邊緣所產生的數據量級,將使得那些儲存在雲數據中心中的數據相形見絀。

目前的雲產品之所以不能解決物聯網邊緣的問題,是因為雲計算的設計原則,是與那些邊緣需求並不相關。
相比於雲計算,物聯網和邊緣系統具有截然不同的特性:
具有佔地面積小,功耗敏感的軟體堆棧。軟體不可能被無限制地擴展,而在雲中添加容器的成本又不可能為零。因此,我們需要進行優化,以盡量減少內存和CPU的佔地面積。

儘管在進行大規模的部署時,這會為企業帶來更大的利益,但是當在快速解決重要挑戰時,它反倒成為了一個問題。而物聯網邊緣則正好相反,物聯網邊緣可以設計在一個非常小的設備或傳感器上,幾乎不會佔用額外的軟體空間。

延遲可變。從邊緣設備到雲的延遲,可能從幾百毫秒到無限延遲不等。而雲端的延遲則是由跨虛擬機,和跨區域的實際情況決定的,往往更加穩定。

多樣的網路。邊緣堆棧可在多種不同的網路中運行。一些邊緣計算可以透過乙太網、蜂窩(Cellular)、衛星與WiFi進行連接。而雲計算一般只能過標準化的有線連接、太網類網系統進行聯通。

不可預測的頻寬。在物聯網中,頻寬也可能是變化的,軟需要能夠應對這一問題。

偶發連接性。物聯網/邊緣系統的連接,具有偶發性。對於那些列車和貨船來說,每當他們在一個車站或碼頭停靠時,它們都需要對網進行重新偶發連接。這也適用於那些小型承包商,偶爾對物聯網設備進行連接的情況。
而伴隨著公司開始透過AI和數據,以塑造出自身的互聯網邊緣系統,我們還是要記住歷史告訴我們的一些原則:
開放API.企業應該使用一個開放的API平台,而不是鎖定在某一雲供應商的平台之上。

結構。我們需要瞭解到多個物聯網系統,與區域和全球雲系統的連接,實際上構建了一個數據結構。我們確保應用程序,能夠訪問全系統的單一數據,以便數據移動不會導致重寫應用程序。

在當地行動、在全球學習。AI及其邊緣機器學習的子分支,需要企業具備本地和獨立行為的能力,以便在不依賴雲的情況下,有效應對當地的情況。 話雖如此,系統/結構仍需要以一種可從全部邊緣進行全方位學習的方式,然後將該智慧回饋到每個邊緣。

不要將系統設置的過於龐大。將所有控制和管理功能都放在雲中,反而可能會是系統更容易出現故障。該系統應該可以被分解為單獨的數據集群, 無論是在邊緣,在區域雲中,還是在全球雲中,這樣就可以將它們進行統一管理或單獨管理。

安全。隨著數據驅動策略,將聚合型的智慧數據推送到雲上,現在我們有了安全機制,來確保雲中的數據安全。但是邊緣呢安全策略框架不應該為同一數據,進行多次重新創建,這取決於當前數據所在的位置。


Broadband Traffic Management: Mobile Edge Computing Group Formed

雲是過去與現在,那麼當物聯網時代來臨時,邊緣是否將成為未來

0 意見: