【財經知識庫】邊緣運算協助雲端運算 讓傳輸更有效率
NETGEAR Orbi Pro 商用無死角Mesh WiFi 低價打造商辦WiFi 漫遊環境
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。
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。而雲計算一般只能透過標準化的有線連接、乙太網類網路系統進行聯通。
不可預測的頻寬。在物聯網中，頻寬也可能是變化的，軟體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，它們都需要對網路進行重新偶發連接。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。
沒有留言:
張貼留言