云计算作为物联网的“大脑中枢”,将大量边缘计算无法处理的数据进行存储、处理、整理和分析,而与此同时边缘计算被认为是物联网的“神经末梢”,实现对小数据直接在边缘设备或者边缘服务器中进行数据的处理,同时也能够很好的缓解云数据中心的压力。边缘计算和云计算互相协同,准确的说它们是彼此优化补充的存在。边缘计算应用场景二:CDN内容分发业务传统 CDN 借助缓存数据,提高近地节点数据传输的性能,但是实际上对动态的计算服务,就只能回源到数据中心,这个成本本身其实是很高的。
边缘计算和传统的中心化思维不同,其主要计算节点以及应用分布式部署在靠近终端的数据中心,这使得无论是在服务的响应性能、还是可靠性方面都是高于传统中心化的云计算。边缘计算保障大量的计算需要在离终端很近的区域完成计算,完成苛刻的低延时服务响应。此外通过边缘计算,同时缓解了传统数据「安全」层面的问题,毕竟数据传输的距离越远、路径越长、时间越久,数据的被窃取风险和丢失风险也就越高。
边缘计算应用场景三:蓬勃发展的车联网当下伴随着智能驾驶、自动驾驶等新势力车企的的蓬勃发展,联网汽车数量越来越大,针对车联网用户的功能越来越多,随之车联网的数据量传输不断增加,对其延迟/时延的需求也越来越苛刻,尤其是汽车在高速行驶中,通信延迟应在几ms以内,而网络的可靠性对安全驾驶又至关重要。那么,在这个过程中如何满足车联网对传输速率的高要求?传统中央云计算由于经过多层级计算处理,延迟高、效率低,现在已不再能满足车联网的传输需求。
而基于边缘计算解决方案,在近点边缘层已经完成对数据的过滤、筛选、分析和处理,传输距离短、延迟低、效率更高。相较云计算,车联网显然更加需要边缘计算来护航!(1)通过节点“下沉”的方式,可以在距离车辆最近的基站进行计算,短算计算距离(2)车内边缘计算可实时提供实时车辆位置,利用低延迟效果与附近基站,提高可靠性。
(3)单一车量通过数据分析后得出结论,以极低延迟传送给临近区域内的其他联网车辆,可在区域范围内快速完成传递,驾驶员及时做出决策边缘计算应用场景四:更加智慧智能的城市就如开篇所言,把边缘计算比作“神经末梢”,而同时现在我们把基于互联网云脑模型的智慧城市建设架构称为“城市云脑”或者说“城市大脑”,边缘计算这里的角色就像是城市大脑的神经末梢,一方面采集数据信息,本地进行实时处理、预测,将本地处理提取的特征数据传输给云端大脑,另一方面将人工智能与分布在城市中的传感器结合,打通各系统平台,使得城市运营出现的诸多问题能够更加及时、有效的得到发现和处理!当然,边缘计算的应用场景远不止于上面列举的几种,边缘计算未来也将会在智能安防、智能家居、虚拟现实、区块链、远程监控等场景带给我们不同程度的惊喜。
关于边缘计算整个行业的前景而言IDC在其发布的《中国制造业物联网市场预测2016-2020年》报告指出,2018年将会有40%的数据需要在网络边缘侧分析、处理与储存,到2020年中国制造业企业物联网支出有望达到1275亿美元,其中软件和服务合计市场占比或超过60%,而现阶段这个比例尚还不及10%。如今AWS、微软、英特尔等国外大型企业已经着手布局边缘计算,可以预见的是边缘计算之于云服务企业重要性可见一斑!关于很多人说,边缘计算会不会取代边缘计算?其实也大可不必担心,本质上而言二者都是处理大数据的计算运行方式,是互为补充的关系。
只是边缘计算和云计算相比较而言,不同的是,数据不用再传到遥远的云端,在边缘侧就能解决,边缘计算更适合实时的数据分析和智能化处理,也更加高效而且安全。如果说云计算是集中式大数据处理,那么边缘计算可以理解为边缘式大数据处理!现阶段而言,边缘计算距离规模化落地还是需要一段时间,相关的解决方案也需要进一步完善和优化,对于很多边缘计算云服务商而言,还是需要沉下心来,好好做产品!。
为什么微软要把数据中心设在水下?数据中心制冷有多花钱?
最近微软在数据中心业务上有了个新的方向,就是把数据中心沉入海底:该技术利用原本为潜艇研发的散热技术,利用海底的低水温来为数据中心散热。计划将来建成服务器农场,整个放置在水下以节约宝贵的电能:微软为什么要这么做呢?这种技术能节约多少电能,也就是钱呢?我们今天就来详细了解一下。制冷能耗占比到底制冷所消耗的能源有多花钱呢?我们先来看一下服务器机架的总拥有成本(TCO)。