找回密码
 立即注册

QQ登录

只需一步,快速开始

边缘计算和大数据的未来已来

|原发: 汉网

放大 缩小

众所周知,云计算极大地推动了互联网服务器对数据的集中存储和处理。虽然云计算,可让我们提供SLACK和Dropbox这样的服务,但一个新的概念似乎更能引起人们的兴趣——边缘计算。


"边缘计算",不是利用亚马逊、微软或谷歌服务器提供的"云"资源,而是由高度本地化的计算机组成的分布式网络来处理信息,相较于"云"数据处理,边缘计算有几个关键优点。


满足"雾"计算,数据处理速度更快


边缘计算使用位于数据物理源的专用计算机,这些计算机在本地处理数据,而不是将运算加载到云端。支持实时处理,并与局部化的边缘AI结合,做出即时决策。



边缘计算与所谓的"雾计算"一起工作,其中数据处理发生在本地网络级。因此,典型的边缘/雾/云模型将看到一些手机数据,并在边缘使用,从而给出非常快速的本地结果;雾服务器处理下一级数据(这会淹没边缘计算机的资源);云计算用于高级业务分析和大型数据查询。


与"云"计算互补:缩短响应时间、提高可用性


边缘计算并不是颠覆(或取代)"云"已经取得的成就,而是一种互补的技术,它能够在汽车、企业和智能城市等关键市场领域缩短等待时间,提供更好的应用程序客制化。


事实上,数据常被认为是现代企业的润滑剂,如今,由于物联网技术的兴起,企业可以获得比以往更多的数据。由于有非常多的潜在数据需要去处理,"云"计算系统需要面临两个主要问题:速度和可用性。



在处理现代数据集时,速度是一个重要的问题。当你想把信息发送到云端处理,并实时接收计算结果时,延迟就会变成一个真正的问题。而利用边缘计算,就可以在数据源进行处理,从而显著缩短响应时间。无人驾驶汽车可以证实这一点,比如:位置传感器数据的实时处理是至关重要的。


物联网由于地理位置或硬件限制,并不能保证时时在线。云计算需要一个快速、始终在线的连接来发挥作用,而如果处于离线状态,在可用性上,就会很受限制。


以无人驾驶汽车为例,从车载传感器收集大量数据,无人驾驶汽车需要能够立即做出决定,以便让乘客安全到达目的地。如果无人驾驶车辆需要依靠物联网连接来智能化,它就不能可靠地运行。此时就需要运用边缘计算的技术,通过本地处理数据,汽车就可以以适当的速度对周围环境作出反应,这也正是云系统不能比拟的。


与云协作:数据更安全


与"云"隔离的边缘系统,可以构成更广泛的云战略的一部分。对于新手来说,边缘系统是数据收集器,它可以在传输到云之前过滤和优化信息。过滤过程可以节省带宽和存储,为以后的分析提供干净的相关数据。


另一方面,边缘设备可以基于更大的数据集进行微调和操作,这些数据集既有外部的,也有边缘设备自身收集的。边缘计算能够更快地识别购物者、显示广告。设想一下,在边缘计算和云系统协作的力量下,如果由更大的中央云系统执行计算过程,那就可以使用更大的数据集来通知边缘系统在特定日子要显示哪些广告。



在收集和处理数据时,安全性是个大问题。通过在本地处理数据并在传输到云的过程中分离出私人信息,边缘计算能够提升保护的级别。


以威盛人脸识别系统为例,随着边缘计算硬件到位,所有数据捕获可以在本地处理。一般的数据,例如年龄和性别,可以存储在云端用于之后的大数据分析,但是私人信息仍然保留在边缘系统中。因此,这种不依赖于集中的存储库,而是通过分配工作量的方式,也会减少会个人的数据访问,从而有效提高安全性。


威盛推一系列边缘AI解决方案,助力边缘计算新发展


边缘计算的成功需要坚固、轻薄和可靠的系统。系统可以安装在数据收集点或嵌入到产品中。还需要高水平的定制,以便边缘系统经过编程为基于数据流、动态学习和自适应能够正确地操作。


威盛拥有一系列高度客制化的边缘AI解决方案,包括威盛在2018工博会最新推出的威盛ALTA DS 3系统、威盛ARTiGO A920以及威盛Mobile 360安全驾驶车载系统。这些解决方案采用高通®骁龙820E嵌入式平台。



威盛ALTA DS 3系统可广泛应用于零售、酒店、教育、交通和娱乐行业数字标牌应用,包括自动售货机、结帐柜台、POS系统、电子菜单面板及广告标牌等多个应用场景;威盛ARTiGO A920是一款超紧凑型的M2M(Man to Machine) & IoT物联网网关系统,适用于智能快递柜,智能售货机及智能信息交互系统等;威盛Mobile 360安全驾驶辅助系统是一套为驾驶员、车辆、车队管理中心打造的三合一多功能安全驾驶辅助系统,能够为客户提供一体化的软硬件方案。


可以预见,威盛利用边缘计算的技术,通过改变数据收集和使用的方式,提供一系列高度客制化的边缘AI解决方案,必将会开创全新的应用程序和案例的前景。威盛将工业制造与互联网技术高度创新融合,这一举措正在引领全球产业变革发展的新风向。


(转自:凤凰网)

(编辑:钱馨瑶


版权所有

本网站所收集的部分公开资料来源于互联网,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,不为其版权负责。文中图片除非有标注外,均来源于网络。如若发现有侵犯您知识产权的作品,请与我们取得联系,我们会及时修改或删除。邮箱:qygcbs@163.com


返回顶部