物联网中的边缘计算：提高网络效率以减少流量

作者：SDNLAB君 2018-11-04 07:08:31

物联网

数据中心

边缘计算 企业对边缘计算越来越感兴趣，因为随着更多物联网设备的部署，企业需要快速分析和处理它们生成数据的方法。目标是消除将数据传输回云或内部数据中心的需要。

企业对边缘计算越来越感兴趣，因为随着更多物联网设备的部署，企业需要快速分析和处理它们生成数据的方法。目标是消除将数据传输回云或内部数据中心的需要。

[[248534]]

根据Gartner 的数据，今天只有20%的企业数据是在数据中心之外处理的。但是，到2022年，大多数企业数据将在数据中心外部产生和处理，Gartner说。到2025年，边缘设备可以处理高达90%的数据。根据Smoker的说法，Purdue的研究人员使用边缘计算有很多原因。例如，边缘计算用于预处理数据，允许工作人员仅从原始图像中提取有价值的数据。这大大减小了通过网络发送的数据文件的大小，并优化了有限带宽的使用。

在其他情况下，边缘计算允许研究人员分析传感器数据以确保质量，然后再将其添加到更大的数据存储库以供进一步研究或者，他们可以向传感器数据添加适当的元数据，例如GPS坐标和绘图信息。

“在其他方面，我们可以用边缘计算在农场封闭系统内做出决策，就像在今天的汽车中使用车载计算一样，”Smoker解释说。

这包括使用传感器跟踪工具的性能，并根据收集到的信息采取实时操作。这些信息可以涵盖许多变量，其中包括农场中耕田地的速度，种子密度或与优化相关的行动，如燃料消耗或施肥量。

“我们用这些工具来研究作物遗传，”Smoker说。“到2050年，我们希望能够养活全世界的人口，因此我们必须提高我们生产粮食的能力，增加粮食营养并使作物能在新的地区生长“。

专注于物联网中的边缘计算

Gartner副总裁兼分析师Thomas Bittman认为物联网的采用是推动边缘计算发展的主要力量之一。因此，公司正在竞相寻找重组IT基础设施的方法，以便利用现有的运营技术将传感器和其他远程设备缝合在一起。

Bittman说：“重要的是不要把边缘计算看作是一个市场，而是一种计算拓扑，它将适用于许多独特的市场：企业、消费者、工业和移动等领域。”

“我想说，只要有工厂，员工，客户或地点，所有垂直行业都将出现边缘计算，”他补充道。“主要的努力将是实现全新的用例，追求更小的延迟，更广泛地在工厂实现自动化，并为购物者和员工增加身临其境的体验。”

数据处理，压缩和过滤是将在边缘执行的常见任务，“德克萨斯州Round Rock的制造自动化公司自动化解决方案部门总监Mike Boudreaux表示。

服务提供商可以很好地部署没有应用软件的边缘设备。然后，云系统可以将特定应用程序的软件推送到设备。Boudreaux补充说，这将使公司能够监控他们想要的应用程序并定期提供软件更新。

物联网中的边缘计算有助于养活全世界

Purdue大学的精准农业计划依赖于物联网边缘计算的各种设备，包括传感器，太阳能无线设备，服务器和其他设备 – 所有设备都旨在帮助Smoker跟踪大学里1,408英亩农场的情况。

在给定的研究实验期间，计算设备会精确地计算需要处理的内容，地点和程度。在大多数情况下，一旦工具完成其工作，最终数据将被发送到主校区的学院中央数据中心。

“对我们来说，使用内部数据中心更具成本效益，”Smoker说。“我们研究过云计算服务，但对于我们正在做的工作，它太贵了。”

农业学院还使用被称为Phenomobile的车辆收集研究数据，该车辆收集光反射和波长等数据。在农业研究的背景下，植物的表型描述了在环境影响它后产生的可观察特征，例如高度，生物量和叶子形状。

Purdue的物联网基础设施使其能够自动化传感器数据采集并实时传输到数据中心。拖车外壳12 IoT排放传感器还配备了Hewlett Packard Enterprise Edgeline服务器，收集的数据在通过网络发送到学校的数据存储库之前进行分析和质量检查。Phenomobile收集的数据也可直接从现场流入中央数据中心。

“服务器对错误的检查以确保我们将正确的数据发送回主数据中心，”Smoker说。“例如，如果数据不符合某个标准，可能是因为传感器可能已被闪电击中。”

“关于要养活全世界的问题，”他说。“我们没有太多时间耽误了。到2050年，我们预计我们必须将粮食产量翻番，以满足世界人口的需求。”

关于在物联网中使用边缘计算的4个问题

在决定边缘计算是否合适之前，企业需要考虑四个主要问题，Hewlett Packard Enterprise公司Aruba战略合作伙伴副总裁Michael Tennefoss表示。虽然边缘计算，云和内部数据中心的使用可以互补，但使用任何选项都有助于实现公司的业务目标。

Tennefoss建议，公司不应该急于将一切都转移到云端，也不应该决定所有的处理现在必须在边缘进行。一个很好的例子是：在世界各地运营多个工厂的制造商可能希望在工厂地板上集成边缘计算，以跟踪生产缺陷，但当他们想看到明各工厂之间相互比较的数据时，他们会在云中或内部数据中心中收集数据。

需要考虑的关键问题包括：

1. 公司需要多快的数据?

如果生产线每分钟需要对1000瓶液体进行快速检测，以实时识别缺陷。将这种环境与城市污水处理进行比较，因为在城市污水处理过程中流体的水平会随着时间的推移而变化。企业应该确定他们在边缘所需的响应时间有多快，以及他们是否能够接受与在远处的云设施处理该数据相关的延迟。有时，公司将边缘和云计算混合在一起。例如，如果一家公司拥有多个工厂并希望在这些工厂中汇总性能数据，那么它可以使用边缘计算来支持高速决策并处理云中的聚合数据。

2. 公司在多大程度上可以容忍WAN中断?

对于严重受中断影响的公司，使用边缘计算处理靠近生成的数据是有意义的。重视正常运行时间并希望使用云计算的企业需要考虑使用蜂窝，互联网或卫星连接混合的冗余WAN链路的网络。

3. 公司能买得起什么?

数据传输成本可能会迅速上升，特别是在使用卫星通信或蜂窝等高成本服务的情况下。另一种方法是在边缘处理数据，并在每天结束时通过互联网连接发送压缩和聚合数据转储。

4. 公司政策是否要求某些数据保留在本地?

在许多制造和国防应用中，或者在公司处理敏感知识产权或商业机密的情况下，数据可能必须保持在本地。因此，公司可能希望将所有数据保留在边缘，或者只将相关的摘要数据集通过安全的私有云发送到中央数据中心。出于安全性和合规性原因，全云计算选项可能永远不会有意义。