IoT _ Fog Computing.
來源：SDNLAB
隨著物聯網的爆炸式成長，連接設備透過傳感器、攝影機、加速器，以及深度傳感器收集到的資訊越來越多，包括了從製造業到汽車、衛生技術、能源、公用事業和可穿戴技術等，各個行業。在AI和5G融合的幫助下，收集的數據量只會不斷擴大。
據估計，一輛全自動汽車將包含60多個微處理器和傳感器，每年可生成超過300TB的數據。更或者，在一小時的行程中，將會有多達25GB的資訊，透過連接的車輛(相當於大約100小時的影像)發送。
這些數據會面臨什麼問題？
有了這些海量數據，捕獲、聚合和分析數據就成了一個挑戰。並非所有數據都是有用的，但對時間敏感的數據，如自動駕駛汽車、有害氣體監測、醫療保健和安全設備等，都存在滯後的風險。
數據到達雲並返回到設備中的瞬間延遲(例如，能夠辨識道路上行人的汽車，或者發生故障的胰島素泵)都可能會是災難性的或致命的。
其他數據站點面臨的挑戰，是在惡劣環境中使用物聯網，例如海上煉油廠、地下礦井或深水井，可能導致頻寬有限，且可變延遲的鏈接不穩定。
數據到達雲並返回到設備中的瞬間延遲(例如，能夠辨識道路上行人的汽車，或者發生故障的胰島素泵)都可能會是災難性的或致命的。
其他數據站點面臨的挑戰，是在惡劣環境中使用物聯網，例如海上煉油廠、地下礦井或深水井，可能導致頻寬有限，且可變延遲的鏈接不穩定。
邊緣計算，一個根據行業和用例的不同有著許多定義的概念，在Linux基金會的領導下，創建了開放式邊緣計算術語表，用於開發和改進術語。
正如Linux基金會所解釋的那樣，邊緣計算是：
將計算能力交付到網路的邏輯極端，以便提高應用程序和服務的性能、營運成本和可靠性。透過縮短為其提供服務的雲資源設備之間的距離，以及減少網路躍點，邊緣計算減輕了當今互聯網的延遲和頻寬限制，引入了新的應用程序類。
實際上，這意味著在當今的集中式數據中心，和現場越來越多的設備之間的路徑上，分配新的資源和軟體棧，特別是(但不限於)，在最後一英里網路附近，基礎設施和設備方面。
邊緣計算將智慧和處理功能，放置在更接近數據源的位置，從而提高了對可操作的洞察力，進行即時分析的能力。與惡劣環境等場景一樣，減少發送到雲和傳感器之間的數據量，可以最大限度地，減少延遲並減少時間、能量和頻寬支出。
最常見的邊緣計算用例有哪些？
IDC 2015年的一份報告預測，到2019年，物聯網中45%的數據將在網路附近或邊緣進行儲存、處理、分析和操作。
也許迄今為止實踐最多的是工業部門，它們將數據收集和處理工作納入邊緣，可以更好地促進預測維護和降低能源成本。
城市正在透過智慧城市計劃實現連接，重點關注交通模式、天氣以及公共設施的功能，如照明、停車收費，智慧交通燈、建築物、運輸和廢物收集。
這些舉措涉及部署高頻寬，和對延遲敏感的應用程序，從多個來源獲取資訊。生成的數據在儲存，在遠端的集中式數據中心中時是無用的，它必須更接近交互點，這是邊緣計算能夠實現的。例如，如果智慧城市交通控制中心，檢測到交通擁堵或事故，就可以使用該資訊，立即將延誤通知本地公共汽車時刻表，同時向遊客推薦替代交通。
這些舉措涉及部署高頻寬，和對延遲敏感的應用程序，從多個來源獲取資訊。生成的數據在儲存，在遠端的集中式數據中心中時是無用的，它必須更接近交互點，這是邊緣計算能夠實現的。例如，如果智慧城市交通控制中心，檢測到交通擁堵或事故，就可以使用該資訊，立即將延誤通知本地公共汽車時刻表，同時向遊客推薦替代交通。
雖然醫療保健在採用邊緣計算功能方面發展較慢，但假設如果醫院病房內有多達20台機器，並且來自這20個設備的數據，可以放在一個儀錶盤中，並與電子健康記錄(EHR)中的患者歷史相結合，這樣的吸引力是非常大的，能夠提供更好的即時醫療保健服務。這樣帶來的好處，是等待結果的時間減少，並且醫院的就診的人數也有可能減少。
這不是邊緣和雲之間的競爭
在物聯網中，邊緣計算並不意味著雲的消亡。相反，在最新的體系結構中，它是一個在邊緣網關和雲後端之間，轉換功能的場景。這很可能是一個聚合模型，包括邊緣的隔離，以及數據和「節點」在邊緣的選擇性聚合的能力。
雲計算將始終佔有一席之地。例如，雖然許多物聯網設備需要在邊緣進行即時決策，但企業可能需要對流程改進，和模型開發進行歷史分析。當多個邊緣設備的數據，可以集中組合在一起時，這就達到了最佳效果。
它可以促進互聯關係，從歷史分析中獲得的洞察力，可以被推回到邊緣，以便支持物聯網的邊緣設備不斷發展，以做出更好的即時決策。因此，計算模型就變成了邊緣計算和雲計算的結合，其中物聯網設備在邊緣即時操作，在邊緣收集和處理原始數據，並將元數據共享到雲，以進行全面的歷史分析，和持續的過程改進。
它可以促進互聯關係，從歷史分析中獲得的洞察力，可以被推回到邊緣，以便支持物聯網的邊緣設備不斷發展，以做出更好的即時決策。因此，計算模型就變成了邊緣計算和雲計算的結合，其中物聯網設備在邊緣即時操作，在邊緣收集和處理原始數據，並將元數據共享到雲，以進行全面的歷史分析，和持續的過程改進。
安全性將繼續面臨挑戰
有爭議的是，邊緣計算有一些與雲計算，不同的數據安全性，因為邊緣設備上的數據，不會透過易於攔截的網路傳輸。但是，企業數據中心受制於，完善的安全防禦和安全程序，而邊緣計算則不然。
由於將設備連接到互聯網上，以前在安全性方面，默默無聞的攻擊站點變得更大。每個連接的傳感器和執行器，都代表了惡意軟體DDoS攻擊的潛在危害點。
2016年底發生的Mirai僵屍網路攻擊，就證明瞭這一點，在一次大規模分布式拒絕服務(DDoS)攻擊中，Mirai僵屍網路攻陷了數十萬個物聯網設備。任何考慮邊緣計算機會的公司、城市或設備構建商，都需要牢記安全性。
由於將設備連接到互聯網上，以前在安全性方面，默默無聞的攻擊站點變得更大。每個連接的傳感器和執行器，都代表了惡意軟體DDoS攻擊的潛在危害點。
2016年底發生的Mirai僵屍網路攻擊，就證明瞭這一點，在一次大規模分布式拒絕服務(DDoS)攻擊中，Mirai僵屍網路攻陷了數十萬個物聯網設備。任何考慮邊緣計算機會的公司、城市或設備構建商，都需要牢記安全性。
沒有留言:
張貼留言