億鴿在線客服系統
            <font id="df97b"></font>
          <dfn id="df97b"><b id="df97b"><video id="df97b"></video></b></dfn>
          <meter id="df97b"><i id="df97b"><em id="df97b"></em></i></meter>
            <listing id="df97b"></listing>

                    <dfn id="df97b"></dfn>

                      <dfn id="df97b"><i id="df97b"><video id="df97b"></video></i></dfn>

                      <dfn id="df97b"></dfn>
                      <dfn id="df97b"><i id="df97b"><track id="df97b"></track></i></dfn>

                          <dfn id="df97b"></dfn>
                        <dfn id="df97b"><i id="df97b"><track id="df97b"></track></i></dfn>

                        物聯網開發

                        物聯網技術講解:邊緣計算

                        邊緣計算出現的時間并不長,邊緣計算和云計算人工智能一樣,是個當前的流行詞匯,5G時代,連接設備數量會大量增加,網絡邊緣側會產生龐大的數據。云計算雖然可以處理這些問題,但在實時性、智能性、安全性和隱私性等方面存在諸多不足,邊緣計算由此應運而生。采用邊緣計算,就可以就近處理海量數據,大量設備可以實現高效協同工作,諸多問題迎刃而解。


                        image.png


                        什么是邊緣計算?


                        說到邊緣計算,物聯網圈內喜歡借助用章魚來做比喻,來加深我們的理解。


                        章魚是一種擁有超高智商的無脊椎動物。在捕獵時,它們動作非常靈巧迅速,腕足之間高度配合,從來不會纏繞和打結。這是因為,章魚巨量的神經元有60%分布在八條腿上,腦部只有40%,是多個小腦+一個大腦的構造,類似于分布式計算。

                        邊緣計算用這種例子很形象的,不僅像云計算一樣把所有的數據匯集在最頂端的那個云上算,我們把一部分算的功能下沉。我們現在5G經常說一個詞叫下沉,就是把一部分的功能往下移動到邊緣端,讓邊緣端承擔計算功能。


                        為什么需要邊緣計算?


                        提到邊緣計算,很多人都喜歡拿云計算來做比較,那云計算都能處理的事宜,為什么還要邊緣化計算?

                        邊緣計算的核心是在靠近數據源或用戶的地方提供計算、存儲等基礎設施,并為邊緣應用提供云服務和IT?環境服務。邊緣計算是支撐物聯技術低延時、高密度等條件的具體網絡技術體現形式,具有場景定制化強等特點。相比于集中部署的云計算而言,邊緣計算不僅解決了時延過長、匯聚流量過大等問題,同時為實時性和帶寬密集型的業務提供更好的支持。


                        邊緣計算的優勢?

                        ?


                        本地分流服務:極大緩解網絡寬帶和數據中心壓力主要應用于傳輸受限場景和降低時延場景。包括企業園區、校園、本地視頻監控、VR/AR場景、本地視頻直播、邊緣CDN等。

                        數據服務:傳統網絡傳輸受制于傳統通信網絡技術限制,同時,復雜的網絡存在連接或連接傳出續傳不穩定,成延遲高,抖動性強,數據傳輸慢等一系列問題而邊緣計算,其計算服務更貼近于用戶測,低時延、性能傳輸穩定,因而提高了增強服務響應的最佳解決方案。例如對業務優化:包括視頻QoS優化、視頻直播和游戲加速等。

                        數據安全性提高:傳統集中式云中心,承擔著物聯網用戶數據所有信息,對于用戶數據,應用數據,網絡數據均采用集中式管理和資源規劃,采用邊緣計算規劃部署,能夠進一步在網絡層,應用層,數據層進行進一步細粒度授權。對于行業物聯網信息數據性隱私加強。從邊緣滿足自身業務情況下,既可以從網絡層隔離資源,也可以通過安全基礎設施進行隔離。


                        邊緣計算的應用場景有哪些?


                        ?

                        在智能制造領域,工廠利用邊緣計算智能網關進行本地數據采集,并進行數據過濾、清洗等實時處理。同時邊緣計算還可以提供跨層協議轉換的能力,實現碎片化工業網絡的統一接入。

                        在智慧城市領域,應用主要集中在智慧樓宇、物流和視頻監控幾個場景。邊緣計算可以實現對樓宇各項運行參數的現場采集分析,并提供預測性維護的能力;對冷鏈運輸的車輛和貨物進行監控和預警;利用本地部署的?GPU 服務器,實現毫秒級的人臉識別、物體識別等智能圖像分析。

                        在直播游戲領域,邊緣計算可以為?CDN 提供豐富的存儲資源,并在更加靠近用戶的位置提供音視頻的渲染能力,讓云桌面,云游戲等新型業務模式成為可能。特別在 AR/VR 場景中,邊緣計算的引入可以大幅降低AR/VR 終端設備的復雜度,從而降低成本,促進整體產業的高速發展。

                        在車聯網領域,業務對時延的需求非常苛刻,邊緣計算可以為防碰撞、編隊等自動/輔助駕駛業務提供毫秒級的時延保證,同時可以在基站本地提供算力,支撐高精度地圖的相關數據處理和分析,更好地支持視線盲區的預警業務。


                        5G"催熟"邊緣計算


                        ??????? 5G與邊緣計算一定程度上是相輔相成的。一方面,得益于5G自身發展,將對邊緣計算的發展起到直接促進作用;另一方面,由于5G對物聯網有促進作用,也將間接促進邊緣計算。

                        ?


                        5G的發展雖然仍然存在些許挑戰,但邊緣計算能夠解決這些問題。因此,由于目前5G處在商用前的最后一公里,相關企業將對相關重要支撐技術投入更多精力與資源,邊緣計算也就能夠“借東風”得到大力發展。

                        另外,5G對物聯網的促進作用也是明顯的。得益于5G技術的支持,智能家居、智慧城市、車聯網、工業互聯網等領域都將迎來大發展,相應的,也就會產生相當海量的數據。海量數據及數據實時處理的特性對數據處理的技術手段提出新的要求,現行的數據處理方式不足以滿足需求,邊緣計算的出現則為這個難題帶來了很多好處。


                        注:本站文章部分文字及圖片來自互聯網。如有侵權行為,請聯系我們,我們會及時刪除。


                                  <font id="df97b"></font>
                                <dfn id="df97b"><b id="df97b"><video id="df97b"></video></b></dfn>
                                <meter id="df97b"><i id="df97b"><em id="df97b"></em></i></meter>
                                  <listing id="df97b"></listing>

                                          <dfn id="df97b"></dfn>

                                            <dfn id="df97b"><i id="df97b"><video id="df97b"></video></i></dfn>

                                            <dfn id="df97b"></dfn>
                                            <dfn id="df97b"><i id="df97b"><track id="df97b"></track></i></dfn>

                                                <dfn id="df97b"></dfn>
                                              <dfn id="df97b"><i id="df97b"><track id="df97b"></track></i></dfn>

                                              snis-986