物聯(lián)網(wǎng)是計(jì)算機(jī)和網(wǎng)絡(luò)以及移動(dòng)通信網(wǎng)之后的信息產(chǎn)業(yè)浪潮，是未來(lái)的一片曙光。物聯(lián)網(wǎng)的目標(biāo)便是經(jīng)過(guò)各種信息傳感設(shè)備和智能通訊方式將全球的物理物體與信息技術(shù)系統(tǒng)以及人相連在一起。進(jìn)而可以經(jīng)過(guò)采集數(shù)據(jù)、解析、預(yù)測(cè)、優(yōu)化等等技術(shù)來(lái)更好的感知與管理物理世界！下面看看物聯(lián)網(wǎng)開(kāi)發(fā)小編是怎么說(shuō)的！
根據(jù)權(quán)威機(jī)構(gòu)預(yù)測(cè)，到2020年聯(lián)網(wǎng)設(shè)備數(shù)量將達(dá)501億，世界上“萬(wàn)物互聯(lián)”的數(shù)據(jù)通信業(yè)務(wù)量，將是“人與人通信”數(shù)據(jù) 通信業(yè)務(wù)量的30倍。
物聯(lián)網(wǎng)其實(shí)不是傳統(tǒng)意義的網(wǎng)絡(luò)，而是一個(gè)技術(shù)體系，其通常分為4層：傳感控制層、網(wǎng)絡(luò)層、平臺(tái)層和應(yīng)用層。
物聯(lián)網(wǎng)體系結(jié)構(gòu)主要由四個(gè)層次組成：感知層（感知控制層）、網(wǎng)絡(luò)層、平臺(tái)層和應(yīng)用層組成。 傳感控制層是感知和控制的觸角，網(wǎng)絡(luò)層主要回傳數(shù)據(jù)，平臺(tái)層通常進(jìn)行聯(lián)接、數(shù)據(jù)和運(yùn)維的管理，而應(yīng)用層則進(jìn)行數(shù)據(jù)的分析和相關(guān)應(yīng)用的控制。其中平臺(tái)層和應(yīng)用層都位于數(shù)據(jù)中心，通常認(rèn)為管理、分析、控制和數(shù)據(jù)處理都應(yīng)在數(shù)據(jù)中心集中進(jìn)行，而網(wǎng)絡(luò)層就是一個(gè)數(shù)據(jù)回傳管道。
很多行業(yè)應(yīng)用對(duì)實(shí)時(shí)性、可靠性和安全性等有嚴(yán)格的要求，有些行業(yè)應(yīng)用受制于接入帶寬和成本的限制，需要對(duì)上傳數(shù)據(jù)中心的流量進(jìn)行聚合和預(yù)處理，這種在設(shè)備上處理數(shù)據(jù)和分析的方式被業(yè)界稱(chēng)為邊緣計(jì)算。邊緣計(jì)算負(fù)責(zé)從各種設(shè)備中經(jīng)由多種的協(xié)議轉(zhuǎn)換提取所需的數(shù)據(jù)和功能，實(shí)時(shí)處理或者上傳到云平臺(tái)。在提供傳輸能力的同時(shí)，位于邊緣計(jì)算層的網(wǎng)關(guān)還負(fù)責(zé)提供數(shù)據(jù)過(guò)濾、數(shù)據(jù)清理、數(shù)據(jù)聚合、數(shù)據(jù)監(jiān)控等功能。
邊緣計(jì)算在消費(fèi)者和工業(yè)物聯(lián)網(wǎng)用例中都能提供切實(shí)的價(jià)值。它只能通過(guò)發(fā)送重要信息而不是原始傳感器數(shù)據(jù)流來(lái)幫助降低連接成本，這對(duì)通過(guò)LTE /蜂窩電話(如智能電表或資產(chǎn)跟蹤器)進(jìn)行連接的設(shè)備來(lái)說(shuō)尤為重要。此外，在處理工業(yè)設(shè)施中的傳感器產(chǎn)生的大數(shù)據(jù)時(shí)，在發(fā)送數(shù)據(jù)之前分析和過(guò)濾功能將大大節(jié)省網(wǎng)絡(luò)和計(jì)算資源。邊緣計(jì)算有助于降低關(guān)鍵應(yīng)用的延遲、降低對(duì)云的依賴(lài)，能夠更好地管理物聯(lián)網(wǎng)生成的大量數(shù)據(jù)。通過(guò)在設(shè)備中保存敏感數(shù)據(jù)，邊緣計(jì)算也有助于通過(guò)匿名化、分析和保留數(shù)據(jù)源而不是向云端發(fā)送可識(shí)別信息來(lái)保護(hù)用戶(hù)隱私。
機(jī)器學(xué)習(xí)對(duì)于IoT應(yīng)用程序的激增是增加邊緣計(jì)算能力的強(qiáng)大驅(qū)動(dòng)力。設(shè)備不僅需要快速運(yùn)行復(fù)雜的深度學(xué)習(xí)網(wǎng)絡(luò)，而且由于許多IoT設(shè)備通過(guò)電池供電，所以需要這種方式來(lái)降低能耗。對(duì)于依賴(lài)機(jī)器學(xué)習(xí)的任務(wù)，如對(duì)象檢測(cè)、人臉識(shí)別、語(yǔ)言處理和障礙物回避等，這促進(jìn)了異構(gòu)計(jì)算架構(gòu)的產(chǎn)生，將多種引擎如CPU、GPU、DSP集成到IoT設(shè)備中，從而將不同的工作負(fù)載分配給最有效的計(jì)算引擎，從而提高性能并降低能耗。實(shí)際上，在CPU上運(yùn)行相同的工作負(fù)載時(shí)，DSP的能耗降低了25倍，性能提高了8倍。
在邊緣計(jì)算中，計(jì)算能力是分散的，無(wú)限接近傳感器、設(shè)備，設(shè)備的數(shù)據(jù)來(lái)自網(wǎng)絡(luò)邊緣，并且在網(wǎng)絡(luò)邊緣完成數(shù)據(jù)的分析和處理工作，而不是在集中式服務(wù)器或云端，邊緣計(jì)算在物聯(lián)網(wǎng)應(yīng)用中帶來(lái)了新的可能。
邊緣計(jì)算有如下的幾大作用：
一、業(yè)務(wù)實(shí)時(shí)性。
在對(duì)實(shí)時(shí)性要求較高的領(lǐng)域，比如生產(chǎn)控制領(lǐng)域，業(yè)務(wù)控制時(shí)延必須小于10毫秒甚至更低；在自動(dòng)駕駛領(lǐng)域，控制時(shí)延也必須在幾個(gè)毫秒之內(nèi)。如果將控制放在云端將根本無(wú)法滿(mǎn)足上述時(shí)延要求，所以需要把部分分析和控制功能放在網(wǎng)絡(luò)邊緣，以滿(mǎn)足業(yè)務(wù)實(shí)時(shí)性的需要。
二、數(shù)據(jù)適配和聚合性。
當(dāng)前，傳感側(cè)存在大量的專(zhuān)有通信技術(shù)和協(xié)議，這種多樣性和異構(gòu)性不但存在于特定行業(yè)內(nèi)，更存在于不同行業(yè)間?！捌邍?guó)八制”的現(xiàn)狀和異構(gòu)性極大地增加了現(xiàn)場(chǎng)的數(shù)據(jù)集成難度和成本，所以需要在網(wǎng)絡(luò)邊緣對(duì)傳感側(cè)協(xié)議和標(biāo)準(zhǔn)進(jìn)行適配、統(tǒng)一。據(jù)IDC統(tǒng)計(jì)，未來(lái)79%的物聯(lián)網(wǎng)流量將通過(guò)網(wǎng)關(guān)接入，如果這些流量都送到數(shù)據(jù)中心處理，將導(dǎo)致數(shù)據(jù)中心計(jì)算、存儲(chǔ)和廣域帶寬成本急劇增加。另外，并非所有的數(shù)據(jù)都有價(jià)值，比如溫度異常監(jiān)測(cè)，其實(shí)并不需要把所有采集的溫度信息上傳，只需將異常數(shù)據(jù)上傳就可達(dá)到目的；又如人臉視頻識(shí)別場(chǎng)景，并不需要將所有人臉圖像數(shù)據(jù)上傳到數(shù)據(jù)中心，而只需提供人臉圖像特征值。因此，網(wǎng)絡(luò)邊緣的協(xié)議適配和數(shù)據(jù)預(yù)分析聚合就顯得尤為重要。
本文由安徽海鴻計(jì)算機(jī)技術(shù)有限公司原創(chuàng)，轉(zhuǎn)載時(shí)請(qǐng)注名嵌入式開(kāi)發(fā)網(wǎng)址：http://www.avach.cn/