多接入边缘计算(MEC) = 未来?

大多数现代设备、应用程序和服务都广泛使用云计算资源(数据中心、CDN)。云计算中的所有硬件大多主要由以下几个部分组成:CPU、GPU、RAM、网络接口和非易失性存储,所有这些都是现代云计算的基本组成部分。

云计算会影响延迟(传输/接收的速度信息以毫秒为单位)和带宽(每秒传输的数据量,GB,MB,KB/s)等方面。这两个因素可以极大地影响特定网络中哪些应用程序和服务是可靠的或者可行的。多接入边缘计算(MEC)一词源于5G网络的不断推出,5G网络利用移动边缘计算来实现超低延迟需求。

这张图显示了大多数网络运营商如何将其过时的基础设施和大量的站点转换为现代的、类似于数据中心的边缘计算网络节点。

针对现有电信网络运营商的大量基础设施,多接入边缘计算的概念就此提出。

并非所有计算机和处理器都是同等创建的,例如GPU为运行用于避障、预测和人工智能的机器视觉应用提供了最有效的引擎,其代价是它们消耗的功率最大。 CPU可以处理几乎任何任务,并且运行程序,主要用于:编排、控制、数据收集/存档、压缩、报告和其他任何处理。非易失性存储器用于存储和传输大型视频和其他文件,而像RAM这样的易失性存储器用于数据库和文件缓存,因为它比SSD/HDD快1000倍,尽管每比特的开销相同。这些系统组件提供了现代计算机的原始功率和容量。

网络边缘的低延迟和高带宽使关键应用、互联网服务和具有下一代网络和计算能力的设备成为可能。在本文中,我们将看到多接入边缘计算将为物联网的未来铺平道路的4个主要原因。

1. 超高清/4K+视频流,监控

现代互联网带宽主要由视频流量构成(约56%),随着越来越多的4K甚至8k内容的增加,这种差距只会越来越大。MEC和软件定义网络是处理按需互联网服务的庞大互联网流量的可行方式之一。网络视频内容提供商Netflix占据了全球流量的15%(占美国所有流量的40%),YouTube则以11.4%的全球流量紧随其后。

为了解决这个问题,Netflix已经在世界各地的ISP网络中直接使用其240TB存储设备,本质上是一种边缘CDN。随着Amazon prime、Hulu和Twitch等其他视频服务提供商的崛起,向视频提供商开放网络边缘是在可预见的未来维持4K+视频需求增长的唯一途径。

2.机器视觉

与视频监控类似,机器视觉凭借其功能和可操作性又向前迈进了一步。GPU(图形处理单元)和VPU(视觉处理单元)在并行任务(如视频处理和神经处理/网络)上要快得多。虽然VPU适用于低功耗设备,但与GPU相比,它们的成本、灵活性和相对模糊性使MEC在几个方面具有优势。

例如,先进的无人机利用灵活的机载GPU作为避障软件通常会损害电池寿命,相对耗电的GPU及其增加的重量会消耗大约25%的无人机电池。如果将此处理转移到网络边缘,5G可以为所有设备提供超低延迟和高带宽,我们的无人机的总体重量、成本、电池和能力都可以大大提高。

3. Web应用程序安全性和性能

在web托管方面,亚马逊AWS排名第一是有原因的:它们广泛的基础设施将您的web内容和服务定位在非常靠近用户的地方,可以说几乎位于网络的“边缘”。可以肯定地说,多接入边缘计算可以将Web应用程序和托管提升到一个新的水平。

公共服务和Web内容可以从边缘计算和缓存功能中获益。现代人抱怨臃肿的网站加载速度慢,拖累功能较弱的设备,这是因为我们的web应用程序更加复杂,有效负载更重的结果。

今天的网站大量使用javascript来处理客户端的许多事情,而不是通过昂贵的往返数据中心。通过优化可重用的缓存并将一些处理器密集型操作转移到网络边缘,移动电话和其他低功耗物联网设备可以提高整体响应能力和电池寿命。

4. Edge Analytics和AI

我们都知道,在处理大量数据时,数据中心的存在是有原因的。但整个系统的成本效益如何则完全是另一回事。

过度配置和加载大量未经过滤的信息的数据中心很快就会变得不可持续和不可扩展。边缘分析通过在数据传输到数据中心之前在边缘完成大部分处理。利用低延迟高容量数据实现最佳效率并增强分析能力,同时最大限度地减少互联网带宽和非易失性存储等宝贵资源的使用。

边缘分析技术可轻松为海上石油钻井平台、深度勘探、制造业、网络物理安全等领域提供动力。

下图概述了多接入边缘计算的最有效应用:

原文链接:https://www.lanner-america.com/blog/multi-access-edge-computing-future/


  • 本站原创文章仅代表作者观点,不代表SDNLAB立场。所有原创内容版权均属SDNLAB,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用,转载须注明来自 SDNLAB并附上本文链接。 本站中所有编译类文章仅用于学习和交流目的,编译工作遵照 CC 协议,如果有侵犯到您权益的地方,请及时联系我们。
  • 本文链接https://www.sdnlab.com/22951.html
分享到:
相关文章
条评论

登录后才可以评论

SDNLAB君 发表于19-02-14
1