Edge Computing Fog Computing Gartner 工業4.0 邊緣運算 IDC 機器學習 人工智慧 霧運算 物聯網 IoT AI

新架構助IoT資料接雲 邊緣運算方案實作各異

2018-01-02
邊緣運算在物聯網應用中最為明顯,由於愈來愈多的IoT情境需要更即時地儲存、處理與分析,因此在設計初期,就會納入邊緣運算設計架構,以因應低延遲、網路連結以及就近收集資料的需求。
新科技正在引領企業走向創新浪潮,但不管是物聯網(IoT)、工業4.0,還是近期相當熱門的機器學習與人工智慧(AI),都與資料有著密不可分的關係,在日益增長的資料中,如何妥善存放、擷取、分析,甚至運用各式類神經網路與演算法建立訓練模型,以建立起「智慧」,已經成為企業商業策略的重頭戲,經濟學人如此解讀「世界上最寶貴的資源不再是石油,而是資料」。

以往,許多專家會建議,在龐大且快速增長的資料下,採用雲端解決方案會是一個較為可行的方式,既可解決資料存取挑戰,又可利用雲端資源從中萃取分析有價資料,或是建立訓練模型,賦予感測器更多的智慧。這種雲與端的架構,看似可行,但在愈來愈多的使用者期望能有更快速且即時回應的情況下,端與雲之間需要中繼站來加速提供運算、儲存以及網路連結,邊緣運算(Edge Computing)也因而成形。

邊緣運算的概念並非從今年才開始興起,事實上,思科很早就提出霧運算(Fog Computing)概念,雖然至今各界對於邊緣運算的定義仍有各自些許不同的解讀,用語也有不同,例如資策會將其統一歸納為「邊霧運算」,但是市場更傾向以邊緣運算來統稱。

一般而言,提到邊緣運算議題時,往往是從物聯網角度切入,這是因為愈來愈多的IoT情境需要更即時地儲存、處理與分析,而邊緣運算能就近收集、處理、分析資料,以確保物聯網可行性的設計架構,也就成為一個很好的解方。舉例而言,自駕車、醫療救護以及智慧工廠這類應用對於資料傳輸過程中所造成的延遲最沒有忍受能力,即使控制訊號只延遲一秒鐘,都可能因此造成重大的傷害,邊緣運算的存在將不可或缺。又例如,行動中的交通工具或是海上石油鑽井平台這類網路連接昂貴且不穩定的設備,需要中繼站來提供資料暫存、減量及預處理;又或者是,微小偏遠的感測器本身沒有足夠的電力隨時將資料直接傳輸到雲端,因而需要邊緣運算設備就近代理並收集資料。

即時分析貼近資料源

▲微軟雲計算事業部物聯網方案經理陳樹榮指出,比起邊緣運算定義,企業更關心能否有方案解決企業挑戰。
另一方面,也可以從雲的角度來理解。Gartner對邊緣運算的定義是,位於或者靠近資料產生地點,用以增強對資料處理的解決方案。Gartner首席研究分析師Santhosh Rao提到,企業已經開始意識到需要採用更分散的方法來滿足數位業務基礎架構的要求。面對資料量的增加以及對速度的要求,將所有資料全部傳送到雲端或資料中心再進行處理的效率,已無法滿足企業所需,在此情形下,邊緣運算這種貼近資料產生地點的分散式運算將更為有利。

IDC則認為,邊緣運算是一個由微型資料中心組成的網狀網路,將關鍵資料存放在本地端,並將所有接收到及/或處理過的資料,推送到主要的資料中心或雲端儲存體。IDC副總裁Hugh Ujhazy便曾指出,邊緣運算與雲端運算非常近似,實際上可以視為是技術的延伸。雖然邊緣運算並不是一個新的概念,但是在物聯網的發展之下,又再一次地引起關注。因為激增的端點設備會產生海量的原始資料,而邊緣運算能夠藉由接近資料產生地點來進行分析,並且即時回饋結果,從而讓資料發揮更高的價值。

思科與微軟專家均認同,邊緣運算應該視為是雲端運算的延伸,而非用來取代雲端運算,這兩者形成了一個互利且相互依賴的連續體。就架構面來看,雲端是集中化的架構,服務與應用程式都會集中到雲端上,但邊緣運算則是分散式的部署。「其實企業並不那麼關心邊緣運算的定義,反而會把焦點放在如何解決問題,因為數位轉型、物聯網所帶來的挑戰是否能夠獲得解決,才是企業關心的議題,至於稱謂在企業心目中並不那麼重要。」微軟雲計算事業部物聯網方案經理陳樹榮說。

複雜度決定解決方案樣貌

▲威聯通產品開發處/IoT解決方案部專案經理鄭人豪指出,QBoat Sunny是一台專為IoT開發者設計的單板IoT微型伺服器,既可作為小型或私有雲物聯網應用核心,也可做邊緣運算節點或資料轉傳閘道。
根據Gartner預測,2017年全球使用中的連網物件(Things)數量約有84億個,到2020年更將增至204億個連網物件。伴隨著技術的成熟與物聯網裝置的擴增,嵌入相當程度智慧的感測器勢必愈來愈便宜,能夠檢測的訊息也愈來愈多,諸如溫度、振動、聲音、運動、位置等等,當這些資訊愈來愈多,如何處理所有的資料並且從中理解其所代表的意涵也就成為至要的關鍵。

而這也是邊緣運算存在的意義。Gartner認為,邊緣運算解決方案可以有多種形式,其涵蓋的範圍從基本事件(Basic Event)的過濾到複雜事件的處理或批次處理都有可能。舉例而言,穿戴式健康照護可視為一種基本的邊緣解決方案,它可以就地分析資料,例如心跳頻率或是睡眠模式等數據,並且提供建議,而無須頻繁連結到雲端上。複雜一點的邊緣運算解決方案則可能是閘道器形式,例如在車輛中的邊緣運算設備可以聚集來自交通信號、GPS裝置或其他車輛、車內感測器等資料,並且處理這些訊息,以提高安全性或引導行駛。

除了小至隨身智慧裝置或嵌入式閘道器,邊緣運算的形式也可以大到機櫃式伺服器甚至微型資料中心,甚至也可能分成好幾層邊緣,端看應用的規模及需求。舉例而言,未來銜接5G行動通訊網路的邊緣伺服器,可代管應用服務並且暫存本地用戶間的連繫,而不必通過壅塞的骨幹網路發送流量。另外,在更複雜的應用中,邊緣伺服器可以組成叢集或微型資料中心。

供應商紛紛投入

▲台灣思科大中華區數據中心事業部首席技術顧問錢小山指出,在萬物互連(IoE)的時代,生態系將非常關鍵,因此思科現今也正在積極與夥伴合作。
根據IDC調查,到了2020年,邊緣基礎架構(Edge Infrastructure)支出將達到物聯網基礎架構總支出的18%。市場動能強勁,也帶動各方業者積極投入。例如Amazon便推出AWS Greengrass以及AWS Snowball Edge。開發人員可以透過AWS Greengrass核心將AWS Lambda的功能擴展到連接的物聯網設備上,而企業則可以使用AWS Greengrass對物聯網設備所收集的大量資料進行匯聚、過濾以及摘要(Summarize)。AWS Snowball Edge則可以讓企業以經濟高效的方式將大量資料傳輸到雲中,還能在離線時運行AWS Lambda功能。

微軟推出的Azure IoT Edge雖然還在技術預覽階段,但已具有完整的軟體框架,並且將機器學習、串流分析(Stream Analytics)、AI工具包以及其他相關Azure功能等雲端上的能力移到Azure IoT Edge上。為了讓企業不必重新編寫應用模型,Azure IoT Edge也支援多個開發語言環境,包括C、Node.js、Java、Microsoft .NET及Python等,如此一來,開發人員在雲端上完成應用模型編寫後就可以直接套用到IoT裝置上。

除了雲端服務大廠之外,思科挾帶著網路優勢,也投入霧運算的解決方案。例如, Cisco Catalyst 9000交換器就有能力成為Fog節點,滿足小型的運算需求。另外,思科Kinetic物聯網數據處理平台所包含的閘道器管理模組、邊緣和霧處理模組(EFM)以及資料控制模組,可提供企業擷取、運算以及移動資料所需的功能,以實現預期的業務成果。

▲ Vertiv(原艾默生網絡能源)資深技術顧問張志銘認為,邊緣運算可對組織帶來許多關鍵優勢,包含即時服務交付、持續可用性、更好的儲存和更快的資料分析等等。
就連網路附加儲存(NAS)也可以是邊緣運算設備。在企業級NAS市場經營許久的威聯通(QNAP)便切入混合雲及物聯網市場,開發出可部署在NAS裝置的QIoT Suite Lite私有雲,同時也整合AWS Greengrass支援公有雲服務,如此,企業還能把收集到的感測器資料,傳送到AWS或Azure上訓練出深度學習模型或大數據分析。威聯通產品開發處/IoT解決方案部專案經理鄭人豪指出,除了QIoT Suite Lite之外,威聯通也與母公司威強電合作發展出QBoat Sunny,這是一台專為IoT開發者設計的單板IoT微型伺服器,既可作為小型或私有雲物聯網應用核心,也可做邊緣運算節點或資料轉傳閘道。

完整的邊緣運算解決方案當然涵蓋從底層元件到軟硬整合,各大供應商也積極尋求合作夥伴,打造完整的生態系,例如恩智浦研發的Layerscape智慧閘道平台已完成AWS Greengrass的整合,QNAP也是其中一家合作廠商;微軟也已經與多家工業電腦業者合作,包含研華科技、凌華科技、新漢、研揚科技、安勤科技、建碁、威強電、艾訊等等,都有深入的合作。

台灣思科大中華區數據中心事業部首席技術顧問錢小山指出,在萬物互連(IoE)的時代,生態系將非常關鍵,因此思科現今也正在積極與夥伴合作,目前除了與SAS、SAP的合作,也已經與AWS IoT平台、Azure IoT平台以及IBM的Watson IoT平台與商業分析技術進行完整整合。

洞察趨勢 提高競爭力

隨著5G與物聯網的興起,邊緣運算的重要性也愈來愈被突顯,其重要性在於企業透過前端感測器所收集來的大量數據可以就近在邊緣先行處理,可能是一台閘道器、儲存伺服器,甚至微型資料中心,再將全部或部分的資料傳送到核心的資料中心、雲端儲存或是企業訂閱的IaaS環境中。

Vertiv(原艾默生網絡能源)資深技術顧問張志銘認為,邊緣運算可對組織帶來許多關鍵優勢,例如即時服務交付、持續可用性、更好的儲存和更快的資料分析等等。舉例來說,企業可藉此讓應用派送更迅速,由於減少將資訊傳輸到核心資料中心的需求,因此可以大幅降低延遲,只要透過在邊緣設置運算資源、處理付款、顯示零售目錄或交付內容的應用程式就可即時作業。「企業也可以藉此更快速地獲得敏銳的洞察力和市場趨勢,以保持競爭力。」


追蹤我們Featrue us

本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多

我知道了!