邊緣計算是一個微型數(shù)據(jù)中心的網(wǎng)狀網(wǎng)絡，可以在本地處理或存儲關(guān)鍵數(shù)據(jù)，并將所有接收的數(shù)據(jù)推送到中央數(shù)據(jù)中心或云存儲庫。

它通常在物聯(lián)網(wǎng)用例中被提及，其中邊緣設備收集數(shù)據(jù)，并全部發(fā)送到數(shù)據(jù)中心或云進行處理。邊緣計算在本地對數(shù)據(jù)進行分類，由于其中一些數(shù)據(jù)在本地處理，從而減少了到中央存儲庫的回程流量。

通常，這是通過IoT設備將數(shù)據(jù)傳輸?shù)奖镜卦O備來完成的，本地設備包括小尺寸的計算、存儲和網(wǎng)絡連接。數(shù)據(jù)在邊緣處理，它們?nèi)�部或部分被發(fā)送到公司的數(shù)據(jù)中心、協(xié)同定位設施或IaaS云中的中央處理或存儲庫。

邊緣計算很重要，但它的功能也被夸大了。網(wǎng)絡邊緣計算只是整個云計算領(lǐng)域的一小部分。由于它很小，它可能只是網(wǎng)絡規(guī)模云平臺的補充（并與之集成）。我們不太可能看到主流的提供商推出“下一代Amazon AWS，僅分發(fā)”這樣的名號。

從功耗看邊緣計算

為什么網(wǎng)絡邊緣計算的領(lǐng)域很��？下面從不同的角度來觀察：功率。邊緣計算是計算行業(yè)頂端和底端人員使用的指標，但很少被中間的人使用，例如網(wǎng)絡所有者。這意味著它們忽略了幾個數(shù)量級。

數(shù)據(jù)中心的大功率負載

云計算涉及大量數(shù)據(jù)，比如服務器、處理器、標準尺寸設備機架、占地空間之類的數(shù)量指標。但數(shù)據(jù)中心用戶使用最多的數(shù)字可能是以瓦特為單位的功耗，或者更常見的是kW、MW和GW。

功率不僅包括計算CPU和GPU的需求，還包括數(shù)據(jù)中心的存儲和網(wǎng)絡元素。

粗略地說，全球大數(shù)據(jù)中心的總功耗約為100GW，典型的數(shù)據(jù)中心可能有30MW的容量，但是世界上最大的數(shù)據(jù)中心單獨使用的容量已經(jīng)超過100MW，甚至有計劃擴展到600MW甚至1GW。但它們并非全部都在全力運轉(zhuǎn)，任何計算平臺都是如此。

這種功耗增長一部分是由于所需服務器和設備機架數(shù)量的增加（這也導致了占地面積增加），另一方面也與單個服務器的功耗有關(guān)，因為芯片變得更強大。大多數(shù)設備機架使用3-5kW的功率，如果可以提供電源和冷卻，有些可以高達20kW。

因此，為“云”提供動力需要100GW，并且這個數(shù)字正在持續(xù)快速增長。我們也看到二線和三線城市的小型區(qū)域數(shù)據(jù)中心有所增長，公司和政府通常也擁有私人數(shù)據(jù)中心，這些不同區(qū)域所需的功率相差很大，通常1-5MW的基準是比較合理的。

“邊緣設備”的功耗

除了數(shù)據(jù)中心，設備本身及其內(nèi)部的組件也將消耗功率。特別是對于需要電池供電的設備，將功率控制在瓦特或毫瓦是至關(guān)重要的。比如：

傳感器在空閑時的使用可能不到10mW，在主動處理數(shù)據(jù)時可能使用100mW Raspberry Pi可能會使用0.5W 智能手機處理器可能使用1-3W物聯(lián)網(wǎng)網(wǎng)關(guān)（控制各種本地設備）可能是5-10W 一臺筆記本電腦可能需要50W一個不錯的加密設備可能會使用1kW

創(chuàng)新正在改變功耗閾值。一些研究人員正在研究亞毫瓦視覺處理器，比如ARM的設計能夠在功耗極低的設備上運行機器學習算法。

但也許最有趣的“邊緣設備”是未來的高端Nvidia Pegasus主板，針對自動駕駛汽車。它是一臺500W的超級計算機。這可能聽起來很大，但實際上還不到大多數(shù)汽車發(fā)動機功率的1％。高端的特斯拉P100D以“ludicrous mode”為車輪提供超過500kW的功率，或1000x。汽車空調(diào)可能會使用2kW。

當然，邊緣設備計算平臺有很多。當我們擁有數(shù)十億的手機、數(shù)以億計的車輛以及個人電腦時，潛在的，我們也將會有數(shù)十億的傳感器，但大多數(shù)并不協(xié)調(diào)。

網(wǎng)絡中間層的功耗

在分布式計算中，接近網(wǎng)絡邊緣的一端是毫瓦，而在另一端，從設備到云有千兆瓦。那么網(wǎng)絡的中間呢？

很多公司都在談論MEC（多接入邊緣計算）和霧計算產(chǎn)品，服務器設計在蜂窩基站、網(wǎng)絡聚合點、固定網(wǎng)絡節(jié)點和其他地方運行。

有些是“微型數(shù)據(jù)中心”，能夠在最大的蜂窩塔附近容納數(shù)個服務器機架。最大的可能是50kW的容器大小的單元，但這些是非常罕見的，并且需要專用的電源。

值得注意的是，典型的宏蜂窩塔可能具有1-2kW的功率。因此，如果我們考慮也許其中10％可以用于計算平臺而不是無線（一個慷慨的假設），理論上我們可以得到100-200W�；蛘邠Q句話說，一個蜂窩塔邊緣節(jié)點的功率還不到單個車載計算機的一半。

其他是較小的服務器單元，旨在連接到小型蜂窩、家庭網(wǎng)關(guān)、電纜街道側(cè)機柜或企業(yè)“白盒”，對于這些來說，10-30W更合理。

想象一下2023年

想象一下未來5年，屆時，可能會有150GW的大型數(shù)據(jù)中心，加上相當數(shù)量的中型區(qū)域數(shù)據(jù)中心，以及私營企業(yè)設施。

我們可能擁有100億部手機、個人電腦、平板電腦和其他小型終端，為分布式邊緣做出貢獻，但顯然它們會在閑置模式下浪費大量時間。我們也可能擁有1000萬輛近乎自動駕駛的車輛，這需要很大的計算量，即使不是完全自動駕駛。

現(xiàn)在，假設我們有1000萬“深度”網(wǎng)絡計算節(jié)點，在大大小小的蜂窩站點上，內(nèi)置到WiFi AP或控制器中，或者在電纜/固定的街邊柜機中。它們的額定功率可能在10W到300W之間，盡管很少有能夠達到300w的。大多數(shù)都選擇100W，以便進行更簡單的計算。（坦白地說，這是一個慷慨的預測，但讓我們先看一下。）

我們添加20000個容器大小的50kW單元，或者重新設置中央辦公室作為數(shù)據(jù)中心。

換句話說，我們最終可能會有：

150GW大型數(shù)據(jù)中心 50GW區(qū)域和企業(yè)數(shù)據(jù)中心 20000 x 50kW = 1GW大/聚合點“網(wǎng)絡邊緣”迷你DC 10m x 100W = 1GW“深度”網(wǎng)絡邊緣節(jié)點 1bn x 50W = 50GW的PC 100億x 1W = 10GW“小”設備邊緣計算節(jié)點 10m x 500W = 5GW的車載計算節(jié)點 100億x 100mW = 1GW的傳感器和低端設備

這是一個非常粗略的分析。許多設備大部分時間都處于空閑狀態(tài)，可能需要卸載功能以節(jié)省電池電量。筆記本電腦通常完全關(guān)閉。但同樣，網(wǎng)絡邊緣計算機也不會以100％，24x7運行。

邊緣計算1％的計算能力

因此，在粗略的、數(shù)量級的水平上，樂觀地講，總體實際“網(wǎng)絡邊緣”占總的計算能力還不到1％。而悲觀的假設，它可能只有0.1％。

除非對網(wǎng)絡基礎(chǔ)設施的電力供應進行大規(guī)模升級，同時安裝5G的回程升級或部署FTTH，否則再也無法供電了。

基于區(qū)塊鏈的邊緣“霧”也不可能真正解決這個問題，即使它們也使用分散的、基于區(qū)塊鏈的供電和管理。

這0.1%-1％的計算工作量將具有如此重要的作用，它們需要把所有的東西帶入其軌道和間接控制。 “邊緣”真的可以成為新的前沿嗎？

答案是并不能，實際上，情況恰恰相反的可能性更大。基于設備的應用程序會選擇性地把某些工作負載卸載到網(wǎng)絡，或者webscale云將分發(fā)某些功能。其中網(wǎng)絡邊緣是某些垂直或應用程序的控制點。有些安全功能是有意義的，例如，如今CDN的演變。但IoT管理或AI會集中在這些邊緣節(jié)點上嗎？這似乎不太可能。

結(jié)論

未來，網(wǎng)絡邊緣計算架構(gòu)（如MEC）將變得更加重要。但盡管如此，他們的功能并不像炒作的那樣強大。

幾乎沒有應用程序是僅在網(wǎng)絡邊緣運行的，它將用于特定工作負載或微服務，作為更廣泛的多層應用程序的子集，主要的計算還是在設備上或云上完成。因此，邊緣計算提供商和行業(yè)/網(wǎng)絡規(guī)模云之間的協(xié)作是必要的，因為網(wǎng)絡邊緣只是更大解決方案中的組件，并且很少是最重要的組件。

有一件事是肯定的：移動運營商不會成為分布式“準亞馬遜”，它們通過5G連接所有附近汽車或其網(wǎng)絡中的工業(yè)4.0機器人進行圖像處理。

MEC節(jié)點可以批量托管Amazon Greengrass或其他功能，但很少有開發(fā)人員希望在獨立的基礎(chǔ)上直接編寫電信公司的分布式云API，無論是否有網(wǎng)絡切片或5G QoS機制。

標簽： idc idc資訊 安全 大數(shù)據(jù) 大數(shù)據(jù)中心 服務器 網(wǎng)絡 云計算

版權(quán)申明：本站文章部分自網(wǎng)絡，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。