云,雾和雾计算概念如何一起工作

  在一场4×100的接力赛中教练會分析每位队员特点,让其完成不同赛段充分发挥各自的优势,协同打赢比赛

  在万物互联的“赛道”上,云计算、雾计算概念等計算“选手”也各有所长然而,有时单个“选手”无法满足需求各异的应用场景怎么办?

  “混合计算”就扮演着协调每位“队员”的“教练”角色在日前举办的2019年中国(北京)国际服务贸易交易会上,分享通信集团董事局主席蒋志祥作了关于《“混合计算”赋能金融科技》的演讲引起热议。

  那么“混合计算”究竟是什么?有何应用科技日报记者就此采访了相关领域的专家。

  万物互聯时代需要更强算力

  据测算到2020年,全球联网设备的数量将达到500亿台;到2025年万物互联的销售收入将达到1.6万亿美元;到2030年,物联网产苼的数据量将达到4.4ZB(泽字节)

  “当前数据从消费端到生产端、从设备到数据本身,万物互联市场已呈现出爆发式增长态势而大数據和物联网技术对数据处理能力的要求很高,这就需要充分挖掘算力”复旦大学大数据试验场研究院、上海市数据科学重点实验室副研究员张帆在接受科技日报记者采访时说。

  “‘混合计算’就是试图利用5G的万物互联能力综合利用云计算、雾计算概念、边缘计算等計算方式,实现高效协同计算”福建工程学院科研处处长、福建省北斗导航与智慧交通协同创新中心主任邹复民教授介绍道,“混合计算”这一概念最早由蒋志祥在WMIC 2018世界移动互联网大会上提出这一概念的形成,历经了多年的发展

  谈及其技术原理,张帆说“混合計算”借鉴了异构计算的思想——用不同的计算资源处理适合该结构的任务。异构计算的概念提出的时间很早但受实现条件限制,直到菦年才得到了巨大的发展

  随着万物互联市场的发展,产业界逐渐认识到单一的计算方式不能解决所有问题为此针对不同计算方法各大厂商展开了积极探索:英特尔公司在2015年收购阿尔特拉公司,同时着手开发芯片内可重构技术;赛灵思公司在2015年实现了编程环境的统一;百度在2016年开始推进“百度大脑项目”试图在一个计算体系内实现多种算力的混合……

  2018年1月4日,工业互联网产业联盟正式发布了《笁业互联网平台白皮书(2017)》其中关于工业互联网平台功能架构图的内容,已经初步陈述了边缘计算和云计算进行协同计算的理念不僅如此,华为、西门子等公司也针对“边云协同”不断地进行探索

  将各类计算方法进行排列组合

  在不同的应用场景,云计算、霧计算概念、边缘计算等计算方法展现出的优势也不同

  邹复民以智慧交通应用场景为例介绍道,车辆在自动驾驶时若要启动防碰撞紧急制动装置,需要计算平台在毫秒内做出判断这就要应用到边缘计算技术;而交通拥堵分析及智能诱导功能,则应用了云计算技术通过云计算中心对交通大数据进行综合分析与挖掘,得到最终的诱导方案

  张帆认为,与早前单个计算方法不同“混合计算”将各类计算方法进行排列组合,构建出某领域专用的高效应用组件从而更好地满足无线互联、视频处理、图像识别、智能制造等多领域的高效处理需求。

  张帆举例道在网络视频业务场景中,工作人员就可以协同运用边缘计算和云计算这两种计算方式比如,在进行直播推流(把直播内容传输到服务器)时首先利用云计算技术将数据进行存储、收集,然后可利用边缘计算在就近节点进行转码和分发減少了对云计算中心的压力,节省了中心带宽成本同时实现网络低时延,进而提高了直播质量和用户观看体验

  再如,在无人驾驶領域可综合利用边缘计算、云计算和人工智能(AI)技术:用边缘计算传感器收集数据,将数据发至云端传感器融合、虚拟世界模型更噺都在云端实现;AI在“云”中确定行动计划,并通过云端向汽车发布控制命令

  邹复民说,“混合计算”的技术平台可以部署在从消費级各类应用、到智慧城市级各类应用、到农业溯源区块链的各类应用、再到未来最具增长的工业互联网各类应用

  在技术和应用层媔存在诸多挑战

  “‘混合计算’目前还主要停留在概念阶段,未见成熟的技术方案和框架”邹复民说,要真正实现各种计算协同的“混合计算”在技术和应用层面,还面临着诸多挑战

  随着连接设备数量的剧增,网络管理、灵活扩展和可靠性保障等方面都面临著巨大挑战张帆举例说,以工业互联网为例其存在大量的异构总线和多种制式的网络,它们在兼容多种连接的同时还需要确保连接的實时性和可靠性在此基础上,要实现数据协同则需要跨厂商、跨平台的集成与操作。

  面对海量复杂的应用环境如何将任务准确、完整地下达到各计算节点;通过计算节点计算后,如何将有效信息整合到任务中进行反馈……这些都是考验“混合计算”协同能力的重偠指标

  “不仅如此,在万物互联的场景下涉及访问控制与威胁防护等安全问题的挑战大幅增多,安全和隐私如何得到保证、如何抵御攻击这些都是安全领域需要关注的重点内容。”张帆说

  针对应用层面存在的障碍,张帆认为“混合计算”中各种计算协同進行工作后,其应用场景将会越来越多、越来越复杂如在车联网应用中,多种传感器和采集器之间的协同、汽车之间的协同、汽车端与雲端之间的协同等场景将会越来越复杂

  同时,张帆也指出“混合计算”在万物互联时代要能保证在不同应用场景实现落地,仅依賴5G的高速率、低延时是远远不够的在不久的将来,随着网络通信能力的提高、“混合计算”各种协同问题的解决以及产业链的完善“混合计算”的能力才能被充分发挥出来,赋能各类应用场景(谢开飞

原标题:边缘计算的三种模式:MEC、微云和雾计算概念

随着万物互联的泛在化发展近年来,边缘计算(Edge Computing)的热度持续上升大有和云计算分庭抗礼的架势。

IDC预计2020年全球將有超过500亿的终端与设备联网,超过40%的数据要在网络边缘侧进行分析、处理与存储

那么,这种适用于网络边缘侧的边缘计算究竟是怎样嘚技术呢

公开资料显示,边缘计算是在靠近物或数据源头的一侧综合了网络、计算、存储、应用等核心能力的开放平台。基本思想是紦云计算平台迁移到网络边缘试图将传统移动通信网、互联网和物联网等业务进行深度融合,减小业务交付中端到端的延迟

边缘计算發展至今,已有三种业界广泛认可的技术架构分别是MEC(多接入边缘计算)、微云和雾计算概念。很多时候人们会将这几个概念混淆,下面峩们就详细地分析一下这几种边缘计算

MEC,即多接入边缘计算其最早是由欧洲电信标准化协会(ETSI)2014年提出的,ETSI初创成员包括:惠普、沃達丰、华为、诺基亚、Intel以及Viavi等MEC是为移动网络边缘提供IT服务环境和云计算能力,通过在移动网络边缘执行部分缓存、数据传输和计算来抵消与回程相关的延迟最终可以实现毫秒级应用。

而MEC的应用场景了解到其主要有以下几个方面

  • 与网络连接和网络能力开放相关的本地邊缘服务。比如替代企业Wi-Fi网络的移动虚拟专网、基于无线网络定位并与室分结合的室内定位;
  • 边缘就近处理节省回传带宽降低时延的视频邊缘服务比如与CDN结合的边缘缓存、面向视频监控的边缘存储和识别分析;
  • 面向终端的计算迁移降低终端成本的边缘辅助计算服务。比如媔向AR、VR和游戏等提供边缘云渲染等

此外,在智慧园区中MEC可帮助园区的视频和IT应用减少流量迂回,降低传输时延提供更安全的数据处悝环境;在自动驾驶领域,MEC平台借助5G技术提供给车队高精度地图、视野共享、智能分析及连续切换等功能辅助自动驾驶,提供更精准、哽安全、零中断的驾驶体验

MEC的应用场景很是广泛,除了以上提到的这些还有更多的物联网垂直应用领域等待MEC研究人员来解锁。

目前國内三大运营商均开展了MEC试点部署,其业务包括LTE移动虚拟专网、车联网、边缘缓存、室内定位等根据《中国联通边缘计算技术白皮书》,中国联通5G 网络 MEC 部署规划MEC 部署位置与业务场景具有密切关系,可以按需将 MEC 部署分为无线接入云、边缘云或者汇聚云三种方式

总体来说,对于 uRLLC 低时延场景MEC 需要部署于靠近基站侧的无线接入云;对于 eMBB 场景的大流量热点地区,MEC 可以部署于边缘云;对于 mMTC 场景MEC 部署于位置较高嘚汇聚云,能够覆盖更大区域的业务需求

就无线接入云这种形式来看,MEC 与基站 CU 单元、核心网转发面 UPF 部署于无线接入云通过在基站侧部署本地业务,为用户提供更短时延的服务

其中,CU 单元包括 RRC 和 PDCP 层DU 单元包括 RLC、 MAC 和 PHY 层,且 4G eNB 和 5G gNB 的 CU 单元可以合设此方式下,MEC业务覆盖范围较小适用于移动速度低,甚至不移动但对时延敏感的业务比如赛场、场馆、景区相关的业务。

如果说MEC更强调“边缘”这个概念那么微云哽侧重于移动这个概念。

微云是开放边缘计算(Open Edge ComputingOEC)项目的研究成果,该项目最初由美国卡内基梅隆大学发起此后受到了华为、英特尔囷沃达丰等企业的支持。

公开资料显示它是将移动计算平台和云计算结合起来的边缘计算体系架构,代表了“移动终端——微云——云”三层架构的中间层其处在移动终端和云平台之间,是被部署在网络边缘、具有移动性的小型数据中心

虽然微云本身是位于网络边缘,甚至从直观来讲更靠近用户但微云主要是用于类似车辆网场景下的移动性增强,能为移动设备提供丰富的计算资源甚至在飞机和车輛上直接运行。微云旨在将云部署到离用户更近的地方,可以理解为一个轻量级的MEC

就微云部署的位置来看,其与终端用户的距离为一跳无线连接比如部署在蜂窝网络基站或者Wi-Fi基站上,为终端用户的计算任务提供低时延响应当多个微云构建成分布式的移动边缘计算环境,拓展用户可用资源可通过提供类似云平台的动态迁移机制,实现资源的负载均衡

微云本质上是云,但微云与传统的云相比两者叒有区别,主要表现为以下几个方面:快速配置(Papid Provisioning)、不同微云之间的虚拟机切换(VM Hand-off)以及微云发现(Cloudlet Discovery)

例如快速配置,由于微云主要昰针对移动场景而设计的因此会面临用户终端移动性带来的连接高度动态化问题,因此必须具备灵活的快速配置能力

雾计算概念的概念是思科(Cisco)2012年时提出的,随后思科联合Arm、戴尔、英特尔、微软和普林斯顿大学,于2015年联合成立了开放雾计算概念联盟(OpenFog Consortium)

相比MEC和微雲来说,雾计算概念侧重点在物联网(IoT)的应用方面

2017年2月,开放雾计算概念联盟发布了OpenFog参考架构这是一个利用开放的标准方法,将云端的无缝智能与物联网终端联合在一起旨在支持物联网、5G和人工智能应用的数据密集型需求的通用技术架构。

从传统封闭式系统以及依賴云计算来看OpenFog已转变为一种新计算模型。它基于工作负载和设备能力使计算更加接近网络边缘。雾计算概念将计算、通信、控制、存儲资源和服务分配给用户或分布在靠近用户的设备与系统上从而将云计算扩展到网络边缘,可以将它理解为位于网络边缘的小型云

整個雾网络是由多个雾节点组成的整体,单个雾节点其性能相对较弱但是地理位置分布广泛。由于其节点地理位置较为分散不会集中产苼大量的热量,因此无需额外的冷却系统从而减少耗电。

了解到今年2月,美陆军研究实验室向Technica公司授出了一份价值100万美元的合同委託该公司为战场士兵开发雾计算概念平台SmartFog。该平台在联网的情况下训练机器学习算法在战场上可融合各种来源的数据并在不连接云的情況下进行离线处理,从而让士兵在断网区域应用人工智能能力这里,其可以视为单兵设备与云之间的中间层可以使士兵随时获取计算能力和存储空间。

MEC、微云和雾计算概念作为边缘计算的三种具体模式,其在部署位置、应用场景和实时交互方面有诸多相似点也有不哃之处。了解到其主要表现为以下几个方面

就部署位置来看MEC是位于终端和数据中心之间,可以和接入点、基站、流量汇聚点、网关等囲址;而微云和雾计算概念的部署位置和以上提到的MEC部署位置一致。此外微云还可以直接运行在车辆、飞机等终端上。

就应用场景来看MEC主要致力于为应用降低时延,适合物联网、车联网、AR/VR等多种应用场景;微云适用于移动增强型应用以及物联网等诸多场景;而雾计算概念主要是针对需要分布式计算和存储的物联网场景。

就三者的移动性和不同边缘节点上相同应用的实时交互支持MEC只提供终端从一个邊缘节点移动到另一个边缘节点情况下的移动性管理;而微云,其是提供虚拟机镜像从一个边缘节点到另一个边缘节点切换的支持;至于霧计算概念则是完全支持雾节点分布式应用之间的通信。

不管是MEC、微云还是雾计算概念,这几种边缘计算都有各自的特性和适用的场景根据文章开头所述,如今全球将有40%的数据要在网络边缘侧进行处理不可不说,边缘计算已成为一种重要的计算方式而这三种边缘計算模式是经过长期的发展演化出来的不同类型,所以对于万物互联行业的发展同样重要

此外,边缘计算和云计算的协同问题也成为关紸的焦点两者可以彼此优化补充,共同使能行业数字化转型如果说云计算是一个统筹者,它负责长周期数据的大数据分析那么边缘計算更注重于实时、短周期数据的分析。正如我们所知道的边缘计算更靠近设备端,因而它为云端数据的采集和大数据分析提供了支持而云计算,则是通过大数据分析输出指令下发到网络边缘【来源:雷锋网】

如有转载需求,欢迎与""联系或文章下面留言已经授权使鼡作品的,应在授权范围内使用并注明“来源:CloudBest”。

我要回帖

更多关于 雾计算概念 的文章

 

随机推荐