
课程咨询: 400-996-5531 / 投诉建议: 400-111-8989
认真做教育 专心促就业
边缘计算技术的应用随着互联网的不断发展而被众多企业引入,下面我们就通过案例分析来简单了解一下,边缘计算技术应用都有哪些问题。
边缘计算的“边缘”指的是在数据源与云端数据中心之间的任何计算及网络资源。例如,智能手机就是个人与云端的“边缘”,智能家居中的网关就是家庭设备与云端的“边缘”。边缘计算的基本原理就是在靠近数据源的地方进行计算,是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力,就近提供边缘智能服务的开放平台。与云计算相比较,边缘计算就近布置,因而可以理解为云计算的下沉。
边缘计算实现了物联网技术前所未有的连接性、集中化和智能化,由此可以满足敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求,是实现分布式自治、工业控制自动化的重要支撑。
多主体的资源管理。边缘计算资源分散在数据的传输路径上,被不同的主体所管理和控制,比如用户控制终端设备、网络运营商控制通信基站、网络基础设施提供商控制路由器、应用服务供应商控制边缘服务器与内容传输网络。而云计算中的资源都是集中式的管理,因此云计算的资源管理方式并不适用管理边缘计算分散的资源。而目前关于边缘计算的研究也主要集中在对单一主体资源的管理和控制,还未涉及多主体资源的管理,实现灵活的多主体资源管理是一个十分富有挑战性的问题。
应用的移动管理。边缘计算依靠资源在地理上广泛分布的特点来支持应用的移动性,一个边缘计算节点只服务周围的用户,应用的移动就会造成服务节点的切换,而云计算对应用移动性的支持则是“服务器位置固定,数据通过网络传输到服务器”。所以,在边缘计算中应用的移动管理也是一种新模式,涉及到资源发现和资源切换等问题。
虚拟化技术。为了方便资源的有效管理,边缘计算需要虚拟化技术的支持,为系统选择合适的虚拟化技术是边缘计算的一个研究热点。目前,新型的虚拟化技术层出不穷,如何打破虚拟机和容器的规则与界线,将两者充分融合,同时具备两者的优势,设计适应边缘计算特点的虚拟化技术,也是一大挑战。
数据分析。数据分析的数据量越大,往往提取出的价值信息就越多。但是收集数据需要时间,价值信息往往也具有时效性。边缘计算使数据可以在汇集的过程中被处理与分析,很多数据如果被过早地分析,可能会丢失很多有价值的信息,所以如何权衡提取信息的价值量与时效性是一个关键性问题。
编程模型。边缘计算资源动态、异构与分散的特性使应用程序的开发十分困难。为减少应用的开发难度,需要可以适应边缘计算资源的编程模型。
【免责声明】:本内容转载于网络,转载目的在于传递信息。文章内容为作者个人意见,本平台对文中陈述、观点保持中立,不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请加danei0707学习了解。欢迎关注“达内在线”参与分销,赚更多好礼。