IoT 、5G与边缘计算将会擦出怎样的火花?

姓名:韩宜真

学号:17020120095

转载自:https://mp.weixin.qq.com/s/O-qlRBkcEl1FWV1lcDchrg

【嵌牛导读】介绍边缘计算以及边缘计算与智能互联网之间的联系。

【嵌牛鼻子】边缘计算 数据容量

【嵌牛提问】边缘计算是一种什么概念?是如何运用的呢?

【嵌牛正文】边缘计算是数字世界中最令人兴奋的新概念之一。利用占用空间很少的微型数据中心网络,边缘计算使系统能够实时收集并分析重要数据,而不会增加现有基础设施的负担。

在物联网系统中,通常以端到端的方式,在特定的高度传感器密集型环境中获得大量数据,且数据是在边缘生成并处理的,以降低延迟并减轻数据中心的负载。此前,边缘计算的重点是连接在物联网上的设备的技术,比如工业机器人。

不过,随着技术的不断发展,大数据、IoT 和AI的组合带来了无限潜力,对于边缘计算的需求已经从解决由IoT生成的数据增长而导致的数据长距离传输的带宽成本问题,进化至处理实时应用程序。在这类组合中,边缘计算需要满足低延迟、加速实时创建和支持应用。

什么是边缘计算?

边缘计算有很多术语,包括“边缘云计算”和“雾计算”。“边缘计算”本身通常被描述为在本地服务器上运行的应用,旨在让云进程更靠近终端设备。

“企业计算”与边缘计算类似,但更倾向于准确地描述网络功能,却非描述计算的位置。“雾计算”概念是由Cisco创造的,许多人将其定义为位于边缘计算空间上下的计算,甚至作为边缘计算的一个子集。

作为参考,端点设备和端点通常被称为“边缘设备”,以免与边缘计算相混淆。边缘计算可以采用多种形式,包括小型聚合器、本地服务器或微型数据中心。微型数据中心可以按区域分布在永久性或可移动的存储容器中。

边缘计算的价值

一般来说,传感器、摄像头、麦克风以及一系列不同的物联网和移动设备从其所在位置收集数据,再发送到集中式数据中心或云中。

数据显示,到2020年,全世界会有超过500亿台智能设备实现连接。这些设备每年将产生以泽字节(ZB)计算的数据,到2025年将增长到150 ZB以上。这些数据发送到云会带来一些重大问题。

首先,150ZB的数据会造成容量问题。其次,将大量数据从其原始位置传输到集中式数据中心代价高昂。据估计,目前只有12%的数据得到了分析处理,而只有3%的数据有助于产生有意义的结果,剩余97%的数据在收集和传输之后,就被浪费了。第三,存储、传输和分析数据能耗巨大。因此,我们需要找到一种有效的方法来降低成本并减少浪费。

引入边缘计算,在本地存储数据,可以降低传输成本。同时,利用AI功能也能够消除数据浪费。例如,现在正在使用中的新型低功耗边缘计算服务器CPU,它们以GPU和ASIC或一系列芯片的形式连接到AI加速 SoC。

除了解决容量、能源和成本问题外,边缘计算还可以提高网络可靠性,因为应用可以在发生普遍的网络中断期间继续运行,通过清除某些威胁配置文件(例如全局数据中心拒绝服务 (DoS) 攻击),可以提高安全性。

最重要的是,边缘计算能够为实时场景(例如虚拟现实商场、移动设备视频缓存)缩减延迟,同时在自动驾驶汽车、游戏平台或快节奏制造等环境中创造许多新的应用机会。

5G成为边缘计算的最强推动力

5G基础架构是边缘计算最具说服力的驱动力之一。5G电信提供商发现,除了传统的数据和语音连接之外,他们还可以构建生态系统以托管独特的本地应用。通过将服务器置于基站旁边,蜂窝流量提供商可以向第三方主机应用开放其网络,从而改善带宽和延迟。

Credence Research认为,到2026年,整个边缘计算市场的价值将为96亿美元左右。相比之下,Research and Markets分析认为,移动边缘计算市场将从今天的几亿美元增长到2026年的超过27.7亿美元。尽管电信行业可能是发展最快的增长动力,但是据估计,它们仅会占据边缘计算市场总量的三分之一。这是因为web scale、工业和企业集团也将为其传统市场提供边缘计算硬件、软件和服务,期望边缘计算也将开创新的应用机遇。

比如目前大众快餐店的厨房正朝着更加自动化的方向发展,以确保食品质量,减少员工培训,提高运营效率并确保客户体验达到预期。Chick-fil-A 是一家连锁快餐企业,2018 年 他们宣称:“通过提高厨房设备智能化,我们能够收集更多数据。通过这些数据,我们可以构建更多智能系统,进而拓展业务。”他们还指出,在边缘计算的帮助下,许多餐厅现在可以处理的业务量提高到之前的三倍。

总体而言,成功的边缘计算基础架构需要结合本地服务器计算功能、AI 计算功能以及与移动/汽车/IoT 计算系统的连接(图 1)。


图 1:边缘计算通过使用微数据中心来分析和处理数据,从而使云计算过程更靠近终端设备

用实例了解边缘计算

为了解使用边缘计算带来的延迟改善优势,罗格斯大学和 Inria 使用 Microsoft HoloLens分析了边缘计算(或称“边缘云”)的可扩展性和性能。

在案例中,HoloLens 读取条形码扫描仪,然后使用建筑物中的场景分割功能将用户导航到指定房间,并在 Hololens 上显示箭头。该过程同时使用了映射坐标的小数据包和连续视频的较大数据包,以验证边缘计算与传统云计算相比延迟的改善。HoloLens 先读取二维码,然后将映射坐标数据发送到边缘服务器,该服务器使用了 4 个字节加上标头,花费了 1.2 毫秒 (ms),服务器找到坐标,并通知用户该位置,总共耗时 16.22 ms。如果将同样的数据包发送到云,则大约需要80ms(图 2)。



图 2:比较边缘设备到云服务器与边缘设备到边缘云服务器的延迟

同样,他们还测试了在使用 OpenCV 进行场景分割以将 Hololens 的用户导航到适当位置时的延迟。HoloLens 以 30 fps 的速度流传输视频,并在边缘计算服务器中以 3.33 GHz 的频率在配备 15GB RAM 的 Intel i7 CPU 上处理图像。将数据流传输到边缘计算服务器需要 4.9 ms,处理 OpenCV 图像额外花费了 37 ms,总计 47.7 ms。云服务器上的相同过程花费了将近 115 ms,清楚显示了边缘计算降低延迟的明显优势。

该案例研究显示了边缘计算在降低延迟方面的显著优势,但是未来还会有更多新技术可以更好地实现低延迟。

5G 概述了当今延迟少于 1ms 的案例(图 3),而 6G 已经在讨论将其降低到 10 微秒 (µs) 的问题。5G 和 Wi-Fi 6 会增加连接带宽,其中5G 预计将带宽提高到 10Gbps,而 Wi-Fi 6 已经支持 2Gbps 带宽。AI 加速器声称场景分割的时间少于 20µs,这与上述示例技术论文中引用的 Intel i7 CPU 在大约 20ms 内处理每个帧的速度相比,又有了显著进步。



图 3:与图 2 中 10s 和 100s 的 Msps 相比,从 Hololens 到路由器以及从路由器到边缘服务器的带宽改善高达 10Gbps,另有 AI 处理的改进(从 20ms 改善到 20us),往返延迟 < 1ms。

显然,如果边缘计算表现的比云计算更具优势,那么将计算全都转移到边缘设备中不是最好的解决方案吗?很不幸,目前并不是所有的应用程序都是如此(图 4)。在 HoloLens 案例研究中,如果数据使用的 SQL 数据库太大,则无法存储在耳机中。今天的边缘设备,特别是发生物理磨损的设备,没有足够的计算能力来处理大型数据集。除了计算能力之外,云或边缘服务器上的软件比边缘设备上的软件开发成本更低,因为云/边缘软件不需要压缩到更小的内存资源和计算资源中。


图 4:比较云计算和边缘计算与端点设备。

由于某些应用程序可以根据基础架构不同位置的计算能力、存储能力、存储器可用性和延迟能力来合理地运行,因此无论是在云中、在边缘服务器还是在边缘设备中,未来的趋势是混合计算能力(图 5),边缘计算是建立全球混合计算基础架构的第一步。



图 5:安装在 Hololens、边缘服务器和云中的 AI,使混合计算架构能够根据应用需求优化计算、存储器和存储资源。

边缘计算与AI

许多使用边缘计算的新服务都有低延迟需求,因此许多新系统都采用了最新的行业接口标准,包括PCIe 5.0、LPDDR5、DDR5、HBM2e、USB 3.2、CXL、基于PCIe的NVMe以及其他基于新一代标准的技术。与上一代产品相比,这些技术都通过改进带宽来降低延迟。

这些边缘计算系统还增加了AI加速功能。例如,某些服务器芯片通过x86扩展AVX-512向量神经网络指令 (AVX512 VNNI)等新指令提供AI加速。

除此之外,大多数新系统中还添加了自定义AI加速器。这些芯片所需的连接性通常采用带宽最高的主机来实现加速器连接。例如,在具有多个AI加速器的某种交换配置中,由于带宽要求影响了延迟,因此很多系统中采用了PCIe 5.0接口。

除了本地网关和聚合服务器系统之外,单个AI加速器通常无法提供足够的性能,所以需要借助带宽非常高的芯片到芯片SerDes PHY来扩展这些加速器。最新发布的PHY支持56G和112G连接。



图 7:常见服务器SoC位于边缘,根据任务数量、功率、延迟和其他需求,具有不同的处理器数量、以太网吞吐量和存储能力。

AI算法正在突破内存带宽要求的极限。例如,最新的BERT和GPT-2型号分别需要345M和1.5B参数,为了满足这些需求,不仅需要高容量的内存能力,还需把许多复杂的应用放在边缘云中执行。为了实现这种能力,设计人员正在新的芯片组中采用DDR5。除了容量挑战之外,还需要存取AI算法的系数,以进行非线性序列中并行执行的大量多次累加计算。因此,HBM2e也成为一种被迅速采用的新技术,有些芯片实现了单芯片中的数次HBM2e实例化。



图 8:通用AI SoC具有高速、高带宽、内存、主机到加速器,以及高速芯片到芯片接口,用于扩展多个AI加速器。

未来,边缘计算的需求将集中在降低延迟和功率,确保有足够的处理能力来处理特定任务上。新一代服务器SoC解决方案不仅将具有更低的延迟和更低的功耗,而且还将纳入AI功能,也就是AI加速器。

但是很明显,AI和边缘计算的需求也在迅速变化,我们今天看到的许多解决方案在过去两年中已多次取得了进步,并将继续加以改进。



图 9:新一代服务器SoC再加上AI加速器,将加快边缘计算速度

结语

Futuriom曾在《5G,物联网和边缘计算趋势》中写道,5G将成为边缘计算技术的催化剂,使用5G技术的应用将改变流量需求模式,为移动蜂窝网络的边缘计算提供最大的推动力。

总的来说,边缘计算是实现数据快速连接的一项重要技术,它将云服务更靠近边缘设备,降低延迟,为消费者提供新的应用和服务;还将衍生出更多的AI功能,将其扩展到云以外。此外,它还将成为支持未来混合计算的基础技术。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,847评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,208评论 1 292
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,587评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,942评论 0 205
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,332评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,587评论 1 218
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,853评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,568评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,273评论 1 242
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,542评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,033评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,373评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,031评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,073评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,830评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,628评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,537评论 2 269

推荐阅读更多精彩内容