边缘计算——超越混合云的范式转变

随着云计算的发展云模型计算，企业都经历着一段显著的计算资源整合和集中化时期，但是随着功能越来越强大的移动设备的兴起，以及越来越发达的蜂窝网络，企业和应用架构师开始思考超越数据中心的范围，并着眼于边缘，边缘计算也成为如今的时髦概念。

边缘的概念

边缘指的是发生在各种非传统设备商的分布式计算，比如手机、工厂中的设备传感器、工业设备，甚至于是各种车辆的传感器。边缘设备也是连接的设备，可以通过无线或蜂窝网络与母体通信。

这些边缘设备配备了越来越强大的处理器，被要求执行迄今为止不属于传统IT范围的任务。对企业来说，这可能意味着对车辆中传入的遥测数据进行预处理，在商场的信息亭中收集视频，用仓库中的摄像头收集质量控制数据，或向零售店提供互动媒体。企业还依靠边缘技术从具有更多间歇性连接的前哨或设备（如石油钻井平台或农场设备）摄取数据，过滤这些数据以提高质量，将其减少到合适的信息负载规模，并在云中处理。然后，新的数据和模型被推回边缘；此外，我们还可以推送配置、软件和媒体更新，分散处理工作量。

边缘并不全是为了实现新的用例--它也是为了合理调整环境规模和提高资源利用率。例如，采用边缘模式也可以减轻现有数据中心的负荷。

但是，尽管边缘计算对企业来说充满了希望，但仍有许多部分是还有待开发和完善的。此外，开发边缘工作负载与开发传统应用有很大不同，后者享有持久的数据连接的好处，并在资源丰富的硬件平台上运行。因此，云计算架构师仍处于摸索如何为其组织使用和实施边缘的早期阶段。

边缘计算的演进

边缘不是一个新概念。事实上，它已经存在了20年，跨越了许多今天普遍存在的使用案例。边缘的最早应用之一是使用内容交付网络（CDN）来缓存和提供靠近客户的日常静态网站页面，例如，加利福尼亚数据中心的网络服务器向欧洲客户提供金融数据。

随着连接性的改善和软件的发展，边缘也在不断发展，目前已经转移到利用边缘来分发服务。首先，简单的服务从静态HTML扩展到 javascript 库或图像库。图像转换、信用和地址验证支持服务等常见功能随之而来。很快，企业开始部署更复杂的 cloudlet 和集群微服务装置，以及分布式和复制的数据集。术语 "端点 "变得无处不在，API也被剖析出来。

与此同时，硬件、微控制器和专用边缘设备的创造力也在爆发。适合目的的产品被部署到全球。这对企业意味着什么？就本系列而言，边缘计算意味着你现在可以超越企业网络，超越云，也超越混合云。现代的边缘计算不是坐在一个主要的远程数据中心来分析的，也不是CDN、云供应商，或在企业数据中心的机架上--它同样可能看起来像100个这样的传感器连接在一起。

简而言之，边缘是指在远程地点安装硬件和设备，这些硬件和设备可以处理并反馈它们收集和产生的信息。同时，边缘管理的挑战是能够在这些远程位置连接时向它们推送配置和软件/模型/媒体更新。

新的用户场景出现

今天，我们已经达到了边缘计算的新门槛--在这个门槛上，微型数据处理中心被部署为分形臂的边缘，就像它一样。它们共同构成了一个广泛的、地理上分布的、永远在线的框架，用于流式传输、收集、处理和提供异步数据。这个大的、松散耦合的应用系统生活、呼吸和成长。总是在变化，总是从它收集的数据中学习--并且总是在卷轴连接时推送更新的模型。

现在，5G的崛起正在进一步推动边缘的极限。启用5G的设备可以使用移动网络进行传输--不需要ISP--在基站范围内的任何地方实现连接。当然，这些网络的带宽较低，但对于某些类型的数据来说往往绰绰有余，例如，偏远城镇周边森林中的火灾传感器，定期发射温度或一氧化碳数据。

减少数据中心的投资

除了实现广泛的新用例的数字化外，采用边缘技术还可以使你现有的数据中心受益。

数据中心的维护成本很高，将一些数据中心的负载转移到边缘位置可以减少你的数据中心基础设施投资，以及在那里花费的计算时间。边缘服务的服务水平目标（SLO）往往比数据中心服务低得多，推动了硬件投资水平的降低。边缘设备也倾向于容忍断开连接，因此在较低的SLO下也能很好地运作--而且成本较低。

让我们来看看边缘可以真正降低成本的一个例子：大数据。在过去，我们曾经建立过单片的串行处理器--状态机--在发生故障时，必须跟踪它们在处理中的位置。但是，我们一次又一次地看到，更小的、更多的分布式处理可以将大的、昂贵的问题分解成更小的、更具成本效益的块状。

从20年前 MapReduce 的爆发开始，大数据工作负载在网络上的集群中被并行化，状态管理被简化，中间的输出可以共享、等待或从检查点重新开始处理。这些单体系统被更便宜、更智能、网络化的集群和数据存储库所取代，在那里，并行工作可以被执行并被渲染成可操作的数据集。

转眼到了今天，我们看到这些概念也被应用到了边缘数据收集点上。在大数据处理的演进过程中，我们正在扩大规模，达到观察数据如此庞大的程度，以至于必须首先进行预过滤，然后将其预处理到可管理的规模，并且仍然是可操作的。只有到那时，它才应该被写回主要的数据存储库，以便进行更多的资源密集型处理和模型构建。

简而言之，数据收集、清理和潜在的初始聚合发生在边缘位置，这减少了坐在昂贵的数据存储中的垃圾数据量。这提高了核心数据仓库的性能，并减少了网络传输和存储的规模和成本。

边缘对于今天的企业来说是一个巨大的机会。但设计能够有效利用边缘的环境并不是没有挑战的。请继续关注本系列的第二部分，在那里我们将看看在为边缘设计时通常遇到的一些架构挑战，以及我们如何开始解决这些问题。

关于Cloud Ace：

Cloud Ace是亚太地区拥有最多据点的Google Cloud经销商，拥有200多名工程师，是谷歌最高级别合作伙伴，多次获得Google Cloud合作伙伴奖。Cloud Ace专注于提供谷歌云及相关服务，提供从云安装设计到运维的一站式支持。作为谷歌云托管服务商，我们提供技术支持、咨询、系统开发、谷歌云认证培训。Cloud Ace在日本4个城市和越南河内胡志明, 新加坡, 印尼, 泰国, 中国台湾香港深圳等地设有办事处，服务客户超过1000家，并与120多家合作伙伴公司共同推动数据迁移。

以上文章翻译自google cloud。

（编辑：温州站长网）

【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!