从云到边缘
发布时间：2024-01-07 09:18:00 所属栏目：云计算 来源：DaWei
导读： 数字转型的主要目标之一是将人类和“智能”应用到管理、优化和控制接触物理世界的系统。这种智能既来自于人类的知识和经验，也来自于物理模型（如数字孪生）或人工智能模型（
|
数字转型的主要目标之一是将人类和“智能”应用到管理、优化和控制接触物理世界的系统。这种智能既来自于人类的知识和经验，也来自于物理模型（如数字孪生）或人工智能模型（如神经网络）。这种智能可以托管在所谓的“网络空间”资源中，可以通过物理系统感知不断丰富，并通过某种形式的驱动应用于控制这些物理系统。网络空间是由巨大的计算、网络、存储和数据组织和管理资源支持的，这些资源通过企业和互联网的发展逐步部署，云和边缘通信，以及所有部署的运营资源。 在网络空间和物理世界之间有一个关键的边界，这被称为网络-物理边界或操作边缘。这是信息技术和运营技术最有意义的融合所在。部署在这个边缘上的基础设施和应用程序需要满足关键需求，数字控制系统与目标系统交互的时间比较敏感，在故障或不可预测的情况下，具有巨大的物理和财务风险。 操作边缘的计算、网络和存储需要满足IT世界中不典型的需求，如时间敏感性和功能安全，以避免故障、不可预测的响应、错误报警和生产过程的安全漏洞，这些可能会造成昂贵成本，甚至危及生命的安全。 这就需要提供一个非同构的、分布式的、协调的网络计算和存储结构，托管软件应用，以一致的方式部署在这个结构的任何地方。这将支持在云中进行应用程序和模型的开发，以及跨基础设施部署这些应用程序和模型。随着对物理边界的接近，更严格的时间和安全要求，使资源变得更稀缺，通常更分散，能源和位置更敏感，更暴露于物理和网络安全的威胁之下。实时决策自然会更接近受控的端点，而较慢的优化和学习自然会发生在这个基础设施的更高层级上。 在嵌入式端点、边缘和云中的智能需要创建一个层次结构，具有不同时间尺度特征的信息分布和过程循环，并与物理系统交互。同样，学习和训练发生在基础设施的更深处，而用于快速决策的推理模型在端点附近。这种架构创造了一个强大的、适应性的和协作性的网络空间。这种良性循环的数据收集、分析和反馈可以发生在物理系统的嵌入式计算或者它可以利用计算能力分布在发展中“连续”涉及称为雾或边缘计算资源，所有计算资源是可用的。 尤其在工业领域，正在经历一个向新电子架构的过渡，继承了在云计算、软件定义网络、云存储和对象数据库、大数据、软件部署和编排以及安全等方面所经历的一些技术进展。新的基础设施需要在虚拟化、通信和网络、存储安全和管理方面的其他创新，以专门解决独特的边缘操作需求。 边缘体系结构一组分布式的、相互连接的非同构虚拟化计算和存储节点，一个“系统的系统”，一个分布式计算结构，在它上面部署、交互和协调软件应用程序。这些节点具有关键属性（即时间敏感、可预测、可靠、安全等），接近具有物理端点的接口进程。应用程序满足不那么关键的需求，操作位置更远离该接口。数据被分布、处理和存储在这个结构的不同位置。 对于软件定义的分布式边缘，其基础组成部分如下：a.计算：任务关键型计算在边缘，支持混合临界性应用程序，具有很强的安全性。b.数据网络：时间敏感，可靠的网络技术，如TSN等。c.数据分发：对时间敏感、可靠的数据分发中间件，包括TSN上的OPC UA和TSN上的DDS。d.数据管理和存储：数据是关键动机和驱动因素，它需要分布式管理、分布式结构化并存储在文件系统、对象和关系数据库以及流媒体数据库中。e.端到端管理和编排：一种通用的软件部署模型，从云到端点，实现了一个现代的CI/CD软件生命周期管理。 数据分发旨在从应用程序设计者那里抽象出分发数据的任务，确保数据以及时和可靠的方式接收，并确保接收到的数据可以通过互操作应用程序被理解（语义互操作性）。当前的数据分布标准（OPC UA和DDS），没有办法共享一个数据对象的“所有权”跨多个应用程序，需要进一步修改共享数据的协作和分布式模式，同时执行一个公平的排序政策的更新，将保持一致性。 边缘计算的关键驱动因素之一是需要存储在边缘，不断增长的端点流量和响应优势来自于存储数据，处理它并获得洞见和行动迹象接近数据的来源。流媒体分析、人工智能和边缘的数字孪生对内存带宽、延迟和可靠性的要求在存储技术方面产生了创新。存储将与HCI一起部署在本地数据中心，或者甚至更接近端点，具有任务关键特征的存储将与操作边缘、低级控制器上的传感器、执行器中的网络以及计算资源相关联。一般地，SSD适合运行边缘的环境要求，基于大型DRAM的设计将导致进一步提高边缘应用程序的性能，并帮助支持更具确定性的工作负载。 （编辑：大同站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
推荐文章
站长推荐