邊緣運算 ：是一種分佈式運算概念
邊緣運算是一種 IT 部署，邊緣運算是一種分佈式運算概念，它將智能集成到邊緣設備（也稱為邊緣節點），允許在數據收集源附近實時處理和分析數據，也就是讓應用程式和資料盡可能貼近使用者。在邊緣運算中，數據不需要直接上傳到雲或集中數據處理系統。
在混合式 IT 環境中，邊緣運算與雲端運算相輔相成。雲端運算運用集中化資料中心，而邊緣運算則是運用網路邊緣的分散式微型資料中心，在更靠近產生資料的位置中使用資料。
為何需要 邊緣運算 ？
運用邊緣運算可以補足雲端式應用程式和服務在效能與法規要求方面的不足。簡而言之，在關鍵應用程式所需的回應時間方面，雲端運算未必能滿足所需的要求。需面對資料儲存場所之相關政府法規的公司，也會發現雲端運算無法提供他們所需的本機儲存需求。
企業追求數位轉型以提升效率和經營成效的趨勢，對於以最佳效能運作之應用程式的需求極大，特別是物聯網 (IoT) 應用程式。IoT 應用程式通常需要大量的頻寬、低延遲時間，以及可靠的效能，同時需符合規定和法規遵循方面之要求，因此邊緣對它們來說相當合適。
邊緣運算的特性：
?低延遲：數據由近場產生，能快速回應
?獨立性：在沒有網絡連接下，系統亦能運作
?合規性：無需傳送用戶資料，保護個人數據
?簡化數據：終端先處理部份數據，數據簡化後才向雲服務器傳輸
?安全性：數據傳輸減少，減少網絡安全風險
IoT 應用程式與邊緣運算結合的優勢
?減少擴充網路頻寬成本
部分 IoT 應用程式產生的資料量相當驚人，而將這些資料全部傳送到雲端的相關成本也同樣驚人，企業可將需執行的作業適當分配到邊緣運算與雲端，降低對雲端的倚賴便能減少在擴充網路頻寬、運算能力與資料儲存的預先支出，提升整體IoT解決方案的成本效益。老舊工業機械跟現代裝置或IoT解決方案之間可透過邊緣裝置作為通訊閘道，便能同時收集到新舊裝置的資料，並運用雲端資料處理模型，分析生產現場的完整資訊。
?極低的延遲時間
部分應用程式需要極低的延遲時間，也就是資料封包前往其目的地並返回所需的時間。傳統的雲運算不在能滿足一些超低延遲的新興應用，例如擴增實境(AR)及虛擬實境(VR)、車聯網和智慧工廠IIOT4.0等，因為這類型的新應用，對於網路頻寬和延遲要求極高，前兩個應用的頻寬需求高達G bits/sec，而全部四個應用的網路傳輸的延遲時間都必須小於10毫秒，否則無法滿足用戶服務的品質需求。
?法規要求
在受到高度管制的產業和地區中 (例如受歐盟個人資料保護規則 (General Data Protection Regulation，簡稱 GDPR) 所規範的歐洲地區)，個人資訊的處理方式受到密切管控，包括其儲存位置及其傳輸方式，使得本地化資料中心的需求不斷擴大。
IoT和邊緣運算最令人振奮的成就之一，是實現在設備上本機裝置執行機器學習（ML）推論。在訓練期間，找出資料中的模式和關係可用於建立模型。該模型允許系統可以對以前沒有遇到過的資料做出智慧決策。優化模型會壓縮模型大小，使其能夠快速執行。訓練及優化ML模型需要大量的運算資源，因此非常適合在雲端進行。而推論一般需要很少的運算能力，通常會在有新的資料時即時進行。因此，以非常短的延遲時間獲得推論結果非常重要，確保IoT應用程式能夠快速回應本機事件。
Comments are closed, but trackbacks and pingbacks are open.