快捷搜索:

互联网知识

当前位置:betway必威官网手机版 > 互联网知识 > 施耐德电气发力边缘计算,将深化行业数字化转

施耐德电气发力边缘计算,将深化行业数字化转

来源:http://www.abirdfarm.com 作者:betway必威官网手机版 时间:2019-12-26 00:37

【51CTO.com原创稿件】随着物联网和5G网络的发展, “边缘计算”逐渐成为许多大佬的关注点。边缘计算作为新的计算范式,在靠近设备端的运算上,展现出了实时处理与高效节能的优势。那么,业界如何定义边缘计算呢?它目前的市场状况与未来的发展前景又如何呢?

11月30日,由华为技术有限公司、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔公司、ARM和软通动力信息技术有限公司联合倡议发起的边缘计算产业联盟(Edge Computing Consortium,缩写为ECC)在北京正式成立。该联盟旨在搭建边缘计算产业合作平台,推动OT(Operation Technology)和ICT(Information and Communication Technology)产业开放协作,孵化行业应用最佳实践,促进边缘计算产业健康与可持续发展。

图片 1

图片 2

图片 3

2018 年 5 月 18-19 日,由 51CTO 主办的全球软件与运维技术峰会在北京召开。在“IOT开发技术解析”分论坛上,来自华为、及边缘计算产业联盟的技术架构主席史扬,给大家带来了《边缘计算参考架构2.0实践与思考》。

为什么要成立边缘计算联盟?

摘要:随着物联网和工业互联网的兴起,边缘计算作为新兴技术受到人们的重视。目前边缘计算技术发展速度较快,金智创新主要从边缘计算技术的特点、参考构架等方面对该技术进行解析。

从2014年欧洲电信标准协会(ETSI)成立移动边缘计算规范工作组的那一刻起,边缘计算已经经历4年多的发展历程。到今天,已经很少人再问边缘计算是什么,因为每一个人都能感受到身边物联网产生的数据越来越多,计算自然而然从后端走向前置。

据IDC预测,全球数据总量到2025年将从2018年的33ZB增长到175ZB,复合年增长率为61%。同时,Gartner的数据显示,到2020年,将有超过500亿的终端与设备联网,2025年超过75%的数据需要在边缘侧分析、处理与储存。这意味着我们需要重新思考未来的数据计算和存储对带宽、成本和网络延迟所带来的挑战,同时,众多企业将面临数字化转型。过去的两年,我们看到了很多关于边缘计算的炒作,比如:“云中心已死,边缘计算上位?”,“边缘计算将改变互联网和物联网的未来”,“边缘计算将引领下一次IT变革”等等。那么,什么是边缘计算?边缘计算的应用场景又是什么?云中心真的会死吗?这一变革给我们带来的挑战和机遇又是什么?施耐德电气将为大家一一解析。 边缘计算与云计算的发展历程边缘计算其实并不是什么新的事物,边缘计算已经存在了很长一段时间。1998年,美国阿卡迈公司发明的CDN技术其实就是一种边缘内容分发的技术。在2006年的时候,亚马逊提出了云计算的概念,通过利用共享的数据中心物理基础设施和规模经济来降低成本,但是延迟一直都是云计算的一个瓶颈。阿卡迈公司的调查研究发现,购物者期望的网页加载的平均速度为2秒,如果超过3秒的话,40%的购物者会放弃继续等待加载。2012年的时候,思科提出了雾计算的概念,对云计算进行了延伸,以提高物联网的可扩展性。随着物联网、AI、5G的快速发展,对带宽和网络时延的要求越来越高。因此,边缘计算重回我们的视线,边缘计算是专门为这种 “速度的需要” 而设计的,但是,边缘计算并不能取代云计算。 因为我们不仅需要靠近数据产生和使用地点的本地计算和存储能力,同时我们还需要能够存储大量数据,进行大规模数据计算,比如人工智能试训等云计算中心。因此,施耐德电气认为未来云计算不会消亡,边缘计算也不会取代云计算,而是边缘计算与云计算将协同发展进入云边协同的混合IT架构时代。 施耐德电气对边缘计算的理解和定义施耐德电气认为在未来的混合IT架构下,计算和存储能力将由三种类型的数据中心所提供,分别由位于偏远地区用于超大规模计算与存储的中央云数据中心,位于市区或市中心的靠近用户用于大规模计算和存储的区域边缘数据中心,以及位于本地靠近数据产生和使用地点的边缘数据中心。边缘计算主要解决了时延和带宽的问题;而云计算主要是为边缘计算和业务提供更多的后端和支持功能。 同时,随着边缘计算的发展,施耐德电气认为过去对单个孤立的数据中心可用性的理解是不够的,我们需要转变观念,应该站在用户体验的角度去看待可用性这个问题,只要是用户的应用或网络的中断,比如:无法连接APP的应用,都应该被称为故障。因此,未来我们需要的是一个高可用以及高弹性的边缘计算数据中心,该数据中心应该包含空调、UPS、监控、IT设备、网络、存储等设备。5G技术将为边缘计算的实现提供重要支撑,5G以 “大容量、大带宽、大连结、低延迟、低功耗” 为诉求。根据联合国国际电信联盟 对5G的标准要求,5G标准包括增强型移动宽带、超高可靠低时延通信以及海量机器通信三大应用场景,并定义了以下关键指标:峰值吞吐率10Gbps、时延1ms、连接数100万、高速移动性500km/h。在目前的网络架构中,由于核心网的高位置部署,传输时延比较大,不能满足超低时延业务需求;此外,业务完全在云端终结并非完全有效,尤其一些区域性业务不在本地终结,既浪费带宽,也增加时延。因此,时延指标和连接数指标决定了5G业务的终结点不可能全部都在核心网后端的云平台。 移动边缘计算正好契合该需求。一方面,移动边缘计算部署在边缘位置,边缘服务在终端设备上运行,反馈更迅速,解决了时延问题;另一方面,移动边缘计算将内容与计算能力下沉,提供智能化的流量调度,将业务本地化,内容本地缓存,让部分区域性业务不必大费周章在云端终结。新一代通信技术将延展信息承载与传输方式的内涵,同时伴随流量入口的扩大,内容服务应用场景也随之扩大,内容服务形式与数据交互方式都将发生变化。第五代移动通信技术的推进与商用,将为互联网行业带来新的流量增长点,也将为云计算带来质的影响与变化。关于边缘计算的应用场景有多种理解,比如:边缘业务通常可以分为视频优化加速、监控视频流分析、工业互联网、车联网、AR/VR等;又或者边缘计算将被用于无人驾驶、实时语音翻译、智慧零售、智慧安防、智慧家庭、数字医疗、智能制造、智慧交通等等;对以上这些应用场景进行概括和总结,施耐德电气认为边缘计算将为以下3个领域带来巨大的商机:商业领域,包括零售、健康、金融、教育;工业领域,包括石油天然气、采矿、智能制造;通信领域;铁塔、基站等。在以上3大领域,施耐德电气认为边缘计算的IT物理基础设施环境可以划分为三类:一类是跟传统的IT机房相似,有严格温湿度控制,严格的进出入限制等;第二类是商业办公环境,无严格的温湿度控制,有一定的灰尘,需要噪音的控制以及缺乏严格的进出入限制;第三类是工业和严苛的环境,包括室内和室外环境,温湿度波动范围大,环境比较恶劣。施耐德电气针对以上不同的环境,为用户开发了相对应的边缘计算解决方案。赋能云边协同的边缘计算施耐德电气认为要实现边缘数据中心的大规模部署需要解决三个问题,第一,我们需要建立一个包括用户、系统集成商、物理基础设施供应商、IT设备制造商以及管理服务供应商在内的相互协作的生态系统;第二,我们需要部署基于云的管理工具来实现数百甚至上千的边缘数据中心的智能化管理;第三,我们需要通过大数据分析和人工智能来向科技要人力来解决人力资源不足等挑战,以实现无人值守的运维管理。施耐德电气作为物理基础设施供应商,通过过去几年的努力,搭建了整合物理基础设施供应商、系统集成商、IT设备制造商、托管服务供应商和最终用户在内的,一个相互协同的合作伙伴生态系统,以标准化、可预测、高效、可靠的方式跨站点交付和管理边缘数据中心。比如:我们与IT设备制造商合作开发的边缘计算数据中心,里面所有的IT设备包括服务器、存储、网关等都来自IT设备厂家,其它所有的物理基础设施包括UPS及锂电池,监控及软件,门禁、机柜PDU以及所有的传感器等都来自施耐德电气,从而为用户提供一站式的服务。面向边缘数据中心的应用与管理,施耐德电气即将推出EcoStruxure IT软件平台 ——“风云汇”数字化服务平台,实现了对监控系统的创新,实现了从过去对每个设备进行单独管理,比如空调、UPS, 机柜PDU, 监控等,转变为将整个微型数据中心作为一个单一的系统,通过一个界面进行统一管理。同时,也可以实现软件平台的边成长边部署,在世界的任何地方任何时间都可以进行访问,可以实现软件的自动更新和备份,而且不需要进行维护。从而,解决了边缘数据中心站点众多,维护困难的挑战。“风云汇”是施耐德电气自主研发的基于EcoStruxure架构的IT基础设施数字化服务云平台。该平台不仅适用于边缘计算,也适用于传统数据中心等不同的IT环境,通过对完整的IT基础设施如供配电、制冷、环境等关键数据进行采集、存储、分析和云端可视化,使用户可以随时随地关注其IT基础设施健康状态,及时获知变化。同时在云端处理维护计划与工单,实现对客户IT基础设施业务和设备管理的有效支撑,真正做到如其名字所言“风吹草动,云端尽显,汇聚运维”。边缘计算在多种环境、多种行业的应用与落地,为是施耐德电气发力边缘计算提供了发展契机。基于其配电和自动化领域在各行业的深耕,是施耐德电气通过内部的垂直整合与相互协作,同时设立行业应用团队,深入了解各行业用户的独特需求及应用场景,并结合行业客户的痛点和价值场景,以用户为导向进行整体解决方案的研发。业务领域广泛的优势无疑为施耐德电气边缘计算业务的落地加分不少。以汽车行业为例,过去的汽车制造商,就是把钢铁变成一辆辆飞驰的“骏马”,以贩卖钢铁为主。但是现在,基于边缘计算,从研发到制造到销售再到无人驾驶的整个汽车产业链都发生了颠覆性的变革,未来汽车制造商将向“出行服务提供商”进行转型,以提升客户出行服务体验为导向。而在制造端,分布在车间内的边缘站点使得管理层可以随时知悉订单的执行情况,信息的透明化为智能制造的实践奠定了基础;在销售端,汽车体验店可以通过AR、VR技术为客户提供浸入式体验;研发端可以利用CAD,CAE等仿真技术研发新车和缩短新车上市的周期;汽车上路后,无人驾驶大大提高了驾驶的安全性和出行的舒适型。所以这些需求的实现都要依赖于边缘计算的能力。是施耐德电气作为工业自动化领域的领导者,则可以充分借助在即在工业领域的深厚积累与行业认知,将IT赋能于OT,实现了IT与OT的深度融合,并基于EcoStruxure平台和丰富的行业经验赋能生态圈合作伙伴,从而为客户提供一站式的解决方案。使得汽车行业整个价值链的人员及资产效率的提升以及最佳的客户体验得到了提升。云边协同的时代,数字化转型既是众多企业所面临的挑战,又将带来巨大商机的时代,让我们来一起来拥抱数字化转型,拥抱边缘计算,拥抱5G, 享受数字经济给人类社会所带来的财富!

本文将按照如下三个部分展开:

全球数字化革命正在引领新一轮产业变革,行业数字化转型的浪潮正孕育兴起。这一波浪潮的显着特点是将“物”纳入智能互联,借助OT与ICT技术的深度协作与融合,大幅提升行业自动化水平,满足用户个性化的产品与服务需求,推动从产品向服务运营全生命周期转型,触发产品服务及商业模式创新,并对价值链、供应链及生态系统带来长远深刻的影响。

边缘计算技术作为联接物理世界和数字世界之间的桥梁,作为云计算技术的延伸,近年来得到快速发展。网络边缘是数据的第一入口,拥有大量完整的实时数据,边缘计算技术能够对数据的全生命周期进行管理,并实现价值创造,对智能时代的发展具有重要意义。

Gartner《Top 10 Strategic Technology Trends for 2018: Cloud to the Edge》认为到2022年,随着数字业务的不断发展,75%的企业生成数据将会在传统的集中式数据中心或云端之外的位置创建并得到处理。

为什么需要边缘计算 华为如何在边缘计算领域持续发力 边缘计算参考架构2.0实践与思考

边缘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、应用核心能力的开放平台,就近提供边缘智能服务,满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

边缘计算技术具有联接性、约束性、分布性、融合性等特点,其中联接性是边缘计算的基本属性。边缘计算联接对象的多样性,需要其具备丰富的联接功能,如各种网络接口、网络协议、网络拓扑、网络部署与配置等;工业互联场景对边缘计算设备的功耗、成本、空间也存在一定的要求,需要边缘计算产品通过软硬件的集成和优化,来匹配各种约束条件,支撑行业数字化发展;边缘计算在部署中天然具备分布式特点,能够支持分布式计算与存储、实现分布式资源的动态调度与统一管理、支撑分布式智能、具备分布式安全等能力。此外,边缘计算作为“OICT”融合与协同的关键承载,需要支持在联接、数据、管理、控制、应用、安全等方面的协同。

在靠近物或数据源头的边缘侧提供存储、分析和处理已是产业界的共识:今天,全球各大主流电信运营商已经对MEC(多接入边缘计算)展开布局,以亚马逊、谷歌、华为等为代表的Top级公有云服务商也已经推出边缘计算解决方案,同样包括ICT厂商、OTT玩家、传统OT供应商等均从自己视角对边缘计算进行布局。

为什么需要边缘计算

边缘计算产业联盟理事长、中国科学院沈阳自动化研究所所长于海斌指出:“中国在‘十三五’规划中提出的两化融合、中国制造2025等国家战略,对ICT与OT的融合提出了迫切的需求,而边缘计算是ICT与OT融合的支撑与使能技术,产业发展将进入重要机遇期。工业自动化技术体系将从分层架构、信息孤岛向物联网、云计算、大数据分析架构演进。而边缘计算将是实现分布式自治控制工业自动化架构的重要支撑。边缘计算产业联盟将重点关注体系架构的制定与技术路线的选择,并通过推动标准化来带动产业化发展。同时,将充分关注生态系统的构建。”

边缘计算参考架构

不过,虽然从产业角度来看,边缘计算发展如火如荼,但从应用角度来看,它还处于探索的前期。有些关键问题还有待验证和突破,比如“边云协同”。

行业数字化的转型是当下比较时髦的概念。其本质是:以数字化产生数据,网络化实现价值的流动,通过智能化来创造经济和社会价值。

边缘计算作为新兴产业应用前景广阔,产业同时横跨OT、IT、CT多个领域,且涉及网络联接、数据聚合、芯片、传感、行业应用多个产业链角色。

边缘计算模型驱动的参考架构基于模型驱动的工程方法(Model-Driven Engineering MDE)进行设计。基于模型可以将物理和数字世界的知识模型化,能够将物理世界的全生命周期数据与商业过程数据建立协同,从而实现物理世界和数字世界的协作、跨产业的生态协作、减少系统异构性,简化跨平台移植、有效支撑系统的全生命周期活动。基于上述理念,边缘计算联盟提出了如下的边缘计算参考架构2.0。

实际上,产业界已经认识到边云协同的重要性,并开展了积极的探索。例如,中国工业互联网产业联盟AII在其2017年发布的《工业互联网平台白皮书 (2017)》中关于工业互联网平台功能架构图的描述,已经初步呈现了边云协同的理念;华为在其HC2018大会发布的智能边缘平台IEF(Intelligent EdgeFabric)也明确提出了边缘与云协同的一体化服务概念;西门子2018年发布了Industrial Edge的概念,大致理念是通过云端部署Industrial Edge Management实现边缘计算与云计算的协同。

行业数字化的迭代发展是从互联网公司开始,逐步进入互联网金融公司,而近两年则进入了实体行业的智能制造等场景中。

为了全面促进产业深度协同,加速边缘计算在各行业的数字化创新和行业应用落地,华为技术有限公司、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔公司、ARM和软通动力信息技术有限公司作为创始成员,联合倡议发起边缘计算产业联盟(Edge Computing Consortium,ECC),致力于推动“政产学研用”各方产业资源合作,引领边缘计算产业的健康可持续发展。

图1 边缘计算参考构架2.0

不得不说,边缘计算从热闹到落地离不开边云协同,因为在大多场景中,边缘计算并不是孤立存在的。这又回到起初那个问题,边缘计算和云计算的关系到底是什么?

图片 4

联盟推行“OICT”理念 发布白皮书

(金智创新行研中心)

边缘计算与云计算各有所长,互补协同

纵观任何一个企业,其运营无非涉及到:人、财、物,应用和环境,而说到底都是源于数据。我们通过对数据的感知、到对数据含义的认知、从而达到对数据进行预测。

据悉,边缘计算产业联盟推行“OICT”理念,倡议 OT、IT和CT各领域产业资源在充分融合与协同的基础上,本着“共识”、“共力”、“共赢”的合作精神,共同推进边缘计算产业联盟的健康发展;同时构建紧密握手工作机制,推动“政产学研用”产业资源协同,基于需求场景、参考架构、测试床、示范推广及产业合作的“五步走”联盟运作主线,切实开展联盟工作。

从架构的横向层次来看,边缘计算参考构架2.0具有四大特点。一是智能服务基于模型驱动的统一服务框架,通过开发服务框架和部署运营服务框架实现开发与部署智能协同,能够实现软件开发接口一致和部署运营自动化;二是智能业务编排通过业务Fabric定义端到端业务流,实现业务敏捷;三是联接计算CCF(Connectivity and Computing Fabric)实现架构极简,对业务屏蔽边缘智能分布式架构的复杂性;实现OICT基础设施部署运营自动化和可视化,支撑边缘计算资源服务与行业业务需求的智能协同;四是智能ECN(Edge Computing Node)兼容多种异构联接、支持实时处理与响应、提供软硬一体化安全等;边缘计算参考架构在每层提供了模型化的开放接口,实现了架构的全层次开放;边缘计算参考架构通过纵向管理服务、数据全生命周期服务、安全服务,实现业务的全流程、全生命周期的智能服务。

到今天,也许仍有人产生疑问,边缘计算要替代云计算?其实并不是。边缘计算与云计算各有所长,云计算擅长全局性、非实时、长周期的大数据处理与分析,能够在长周期维护、业务决策支撑等领域发挥优势;边缘计算更适用局部性、实时、短周期数据的处理与分析,能更好地支撑本地业务的实时智能化决策与执行。

例如:我们通过关联分析,来对互联网用户做“画像”,进而预测他的购物习惯。凭借着越来越廉价的云计算服务、ERP和CRM等软件的协助,我们能够从历史看未来,不断优化用户体验,进而做出各种决策。

该联盟还于当天举行的边缘计算产业联盟成立暨2016首届边缘计算产业峰会上正式发布了《边缘计算产业联盟白皮书》,重点阐述边缘计算产业趋势与关键挑战,介绍边缘计算定义与内涵,展示边缘计算产业联盟顶层设计与运作模式,制定边缘计算参考架构与技术框架,为联盟后续的发展提供方向指引。

边缘计算节点、开发框架与产品实现

在边缘计算产业联盟看来,边缘计算与云计算之间不是替代关系,而是互补协同关系,边云协同将放大边缘计算和云计算价值:边缘计算与云计算需要通过紧密协同才能更好地满足各种需求场景的匹配,从而最大化边缘计算和云计算的应用价值。边缘计算既靠近执行单元,更是云端所需高价值数据的采集和初步处理单元,可以更好地支撑云端应用;反之,云计算通过大数据分析优化输出的业务规则也可以下发到边缘侧,边缘计算基于新的业务规则进行业务执行的优化处理。

图片 5

联盟运作主线“五步走”

边缘计算节点、开发框架与产品实现方面,智能资产、智能系统、智能网关具有数字化、网络化、智能化的共性特点,都提供网络、计算、存储等ICT资源,可以在逻辑上统一抽向为边缘计算节点(Edge Computing Node ECN)。

什么是边云协同?

如今,传统行业需要通过物联网,来获知其核心资产的运行状况和资产利用率,进而打通从云端到边缘计算。

据悉,联盟将通过五步骤推进边缘计算发展。

根据ECN节点的典型应用场景,系统定义了四类ECN开发框架。每类开发框架提供了匹配场景的操作系统、功能模块、集成开发环境等。基于四类ECN开发框架,结合ECN节点所需要的特定硬件平台,可以构建六类产品实现。图3对上述过程做了概括总结。

理清边缘计算与云计算的关系,那到底什么是边云协同?由字面意思不难理解,边云协同即实现边缘计算与云计算的协同联动,共同释放数据价值。

因此,数字化转型的核心问题是:缔造“数据 模型=服务”的模式,实现如下四个转变:

第一,需求场景:开展边缘计算应用需求分析,汇总行业信息,通过分析不同的边缘计算应用场景梳理出行业关键需求,输出技术架构。

图2 边缘计算参考架构概念视图

AII发布的《工业互联网平台白皮书 (2017)》中这样阐述:工业生产过程中高频数据采集,往往会对网络传输、平台存储与计算处理等方面带来性能和成本上的巨大压力,在边缘层进行数据的预处理和缓存,正成为主要平台企业的共同做法。一是在边缘层进行数据预处理,剔除冗余数据,减轻平台负载压力。二是利用边缘缓存保留工业现场全量数据,并通过缓存设备直接导入数据中心,降低网络使用成本。

物理世界与数字世界从割裂转变为协作融合。 运营决策从模糊的经验化转变为基于数字化、模型化的科学化。 流程从割裂转变为基于数据的全流程协同。 行业单边创新转变为基于产业生态的多边创新。

第二,参考架构:统一语言,统一架构,实现水平分层解耦和对外开放。通过参考架构指引产业链上下游厂商的定位与分工,促进跨领域的产业协作和生态发展。

(金智创新行研中心)

在工业场景中,通过将计算能力下放到更为靠近物或数据源头的网络边缘侧,一方面利用边缘层直接运行实时分析算法,二是通过边缘与云协同,实现模型不断成长和优化,从而让边缘分析技术增强平台实时分析能力。

图片 6

第三,测试床:开展边缘计算测试验证,推动技术产品及应用创新,促进产品互联互通等相关测试规范和标准的制定、测试用例沟通交流、各成员提供相关资源进行测试合作、测试活动推广等。

图3 ECN六类产品实现

当然,边云协同面向的场景还有很多,在11月29日即将召开的2018边缘计算产业峰会上,边缘计算产业联盟(ECC)与工业互联网产业联盟(AII)计划联合发布《边云协同白皮书》,其中从边缘计算业务形态的维度更完善地阐述了边云协同的主要场景。白皮书将边云协同的主要价值场景区分为六大主场景,并进一步细化为十四种细分子场景。

如今我们的数字化转型技术正变得越来越成熟,门槛也越来越低。例如:在汉诺威工业展上受到追捧的数字孪生,就是通过模型化的方式,使用ICT的技术,在数字世界里构建一个虚拟世界。可见,数字技术其实是可以将物理世界的潜能释放出来的。

第四,示范推广:开展边缘计算的市场推广工作相关活动,促进联盟在市场拓展和品牌推广中形成合力,通过共同市场营销活动推广边缘计算的价值,提升业界关注度,促进行业市场空间的发展。

(金智创新行研中心)

六种边缘计算主要业务形态包括物联网边缘计算、工业边缘计算、智慧家庭边缘计算、广域接入网络边缘计算、边缘云、多接入边缘计算。它们又分别对应了六大边云协同主场景:物联网边云协同、工业边云协同、智慧家庭边云协同、广域接入网络边云协同、边缘云边云协同、MEC边云协同,以及十四种边云协同子场景。

图片 7

第五,产业合作:开展ECC与第三方标准组织、国际平台组织的交流与产业合作。

ECN节点典型功能包括总线协议适配、实时联接、实时流式数据分析、时序数据存取、策略执行、设备即插即用以及资源管理等。ECN四类开发框架包括实时计算系统框架、轻量计算系统框架、智能网关系统框架、智能分布式系统框架。可以面向数字化的物理资产,满足应用实时性等需求;可以面向资源受限的感知终端,满足低功耗等需求;可以支持多种网络接口、总线协议与网络拓扑,实现边缘本地系统互联并提供本地计算和存储能力,能够和云端系统协同;还可以基于分布式架构,在边缘侧弹性扩展网络、计算和存储等能力,支持资源面向业务的动态管理和调度,能够和云端系统协同。

从这些场景出发,边云协同又分为不同层次的协同。

当然,物理世界与云数字世界的联接也存在各种问题,包括:十毫秒的时延约束,无人驾驶场景中的数据猛增和带宽消耗,人员与企业的数据安全与隐私,以及边缘侧物理设备与云端的联接的不可靠性等。

边缘计算已有多个行业应用

边缘计算领域模型

三个层次,六种协同

图片 8

边缘计算行业应用场景丰富,产业价值突出。一方面支撑行业商业模式创新,实现从产品向服务的价值延伸;另一方面支撑实现产品和服务的定制化与智能化。

边缘计算领域模型是从边缘计算的ICT视角进行模型定义,包括设计阶段模型、部署阶段模型以及运行阶段模型。设计阶段模型定义ECN节点的标识、属性、功能、性能、派生继承关系等,为部署与运行阶段提供价值信息。部署阶段模型主要包括业务策略、物理拓扑等模型。其中,业务策略模型是用业务语言,而不是机器语言来描述业务规则与约束,实现业务驱动边缘计算基础设施。业务策略模型可描述,可灵活复用和变更,使能业务敏捷。运行阶段模型主要包括联接计算Fabric模型、运行负载模型等。基于这些模型可以监视和优化系统运行状态,实现负载在边缘分布式架构上的部署优化等。

因为边缘计算不是单一的部件,也不是单一的层次,而是涉及到EC-IaaS、EC-PaaS、EC-SaaS的端到端开放平台。所以,边云协同的内涵也涉及IaaS、PaaS、SaaS三个层面的全面协同。

因此,我们需要通过智能分布化,来实现物的自主化,从而进一步实现:物与物之间的协助、物与本地系统的协作、物与人的协作、以及物和云的交互协作。那么在整个过程中,我们都需要通过一种数据和支持的共享,来实现全面的协作化。

以华为为例,华为推出的电梯物联网、照明物联网和电力物联网方案都是边缘计算在行业的典型应用。

图4 概念视图:面向全生命周期的模型服务

在此之下,基于三个层次,边云协同的场景又被分为六大类:EC-IaaS与云端IaaS应可实现对网络、虚拟化资源、安全等的资源协同;EC-PaaS与云端PaaS应可实现数据协同、智能协同、应用管理协同、业务管理协同;EC-SaaS与云端SaaS应可实现服务协同。

图片 9

在电梯物联网方面,华为电梯物联网方案基于边缘计算和SDN架构,本地的边缘计算网关,将电梯的运行数据实时采集并回传,后台数据中心利用大数据的分析并与外部系统综合决策,实现全网电梯统一管理,故障预知,业务中断时间降低90%,运维成本减低50%,同时为电梯厂商提供了一种新的商业模式创新。

(金智创新行研中心)

当然,边云协同的能力与内涵落地到各应用场景时其具体能力与关注点又会有所不同,因为每种边缘计算业务形态对于与云计算协同的业务需求不尽相同。比如在IoT系统控制子场景下,更多关注时延的敏感性和确定性以及数据的隐私性,映射到对于边缘协同的关注点上,就会涉及资源协同、业务管理协同、应用管理协同和服务协同。

不过,我们所用到的边缘计算、云服务、乃至Docker和K8等技术,其实归根到底都属于分布式系统。

在照明物联网方面,华为照明物联网解决方案通过引入边缘计算,在每个路灯上安装边缘计算网关,根据实际环境和能效控制策略进行实时有序控制,实现精细化管理,并定期与云端同步。方案部署后,管理者可以清楚的了解每一个街区、每一盏路灯的状态信息。可以对每一盏路灯的开关状态、照明亮度进行精准控制,真正实现按需照明,节能效率高达80%。

通过模型驱动的统一服务框架能够实现边缘计算领域模型和垂直行业领域模型的相互映射和统一管理,从而复用垂直行业的领域模型(如OPC UA及其生态),实现边缘计算参考架构和行业平台、行业应用的易集成,为边缘计算的广泛运用奠定了基础。

以柔性制造的场景举例。以规模自动化生产为目标的产线的控制体系部署之后,几年甚至更长的时间,它是不会发生变化的。也就是说在某一款产品的生命周期内,控制系统和逻辑基本保持不变。但是在柔性制造的定制消费导向下,一个订单下来的控制逻辑是经常发生调整或优化,这意味着它的控制逻辑会随时根据订单的状态发生变化。所以这时需要业务管理协同来支撑,通过边缘计算和云计算在业务管理上的协同,来让它的控制逻辑随着业务的需求进行灵活地业务编排。

而对于分布式系统架构来说,除了我们所熟悉的,具有可扩展性和性能优势之外,也带来了如上图所示的各种挑战。

在电力物联网,华为电力物联网解决方案使用边缘计算网关对电表数据进行实时集采并上传,实现数据采集和控制的自动化和智能化,有效提高抄表的准确度和工作效率;实时进行远程控制和故障诊断,分析电力线路损失,及时发现因窃电导致的损失;还可以对配电设备,例如变压器以及线路的运行状态有直观清晰的了解,可以及时发现电网存在的隐患。通过综合分析,可以降低34%的综合线损。

结语

在边缘计算产业联盟《边云协同白皮书》中将会结合实际案例,探寻边云协同在六大主场景和十四种细分子场景中的主要能力与内涵及关键技术需求。

其中包括:部署、学习曲线陡峭、理解整体架构逻辑、以及各种开发成本、维护成本和运营成本等方面。

边缘计算技术的发展,对于实现世界的互联互通具有重要意义,边缘计算参考构架的发展还在持续进步中,随着技术的不断发展,未来很有可能出现3.0、4.0等等,利用边缘计算将可以解决更多的问题,实现边缘计算的进一步推广。

边云协同的产业价值

图片 10

边缘计算作为联接物理和数字世界的桥梁,已经成为行业数字化转型不可或缺的关键要素。而边云协同带来的产业价值也尤为明显:

同时,那些在工业上被广泛使用到的各种传统软件,如ERP、MES、CAD等,由于具有较强的行业定制化的特点,导致了它们既不赚钱,又难以适应灵活的需求变化。

对于ICT厂商来说,它能够从ICT基础设施提供者维度使能OT玩家快速构建行业数字化能力,支撑ICT厂商从原有业务领域向物联网/工业等领域延伸,从而做多连接、撑大管道、深度挖掘并获取物联网/工业E2E数据价值。

图片 11

对于OT厂商来说,边云协同能够支撑其商业模式与业务模式创新,例如从产品走向产业 服务,从批量生产走向柔性生产,从而在行业数字化过程中进一步获取产业价值。

因此,我们需要将原有的工业服务平台从层次化变为扁平化,把它们的业务逻辑打碎成多个模块。我们通过内部封装,以一种组态编排的方式来解决工业现场的多样化问题。

对于OTT厂商和电信运营商带来的价值也很明显,例如支撑OTT云服务业务覆盖范围的扩张,促进云服务价值持续扩张。电信运营商则借助广泛覆盖的边缘计算节点,通过运营商与客户的双赢,支撑运营商逐渐从管道提供商,转变为产业整合商,最终成为业务提供商。

在业界上,我们通过K8之类的技术来构建出一种“高内聚、松耦合”的分布式服务架构,并且使用微服务来为架构提供包括:服务发现、控制总线、业务编排、架构运维在内的一系列基础服务。

最终企业客户则能利用边云协同加速数字化转型,使能业务创新及商业模式创新。

图片 12

声明:本网站发布的内容以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-62778877-8306;邮箱:hyg@west.cn。本站原创内容未经允许不得转载,或转载时需注明出处::西部数码资讯门户 与云端握手 是时候谈谈边云协同这个边缘计算新风向了

伴随着微服务化,工业界本身的控制架构也产生了分布式化。例如:在工业现场的PLC控制装备上,实现了可交互的分布式控制逻辑。

一般而言,企业每更换一种手机型号,其生产线上所有的工艺都要做出相应的调整。因此,各个企业在生产线水平上的竞争,就主要体现在换装能力和新产品的上线能力等方面。同时,企业需要通过快速地加载和迭代系统工艺,实现灵活的编排和工序控制。

图片 13

总结起来,如今行业数字化转型面临着如下的挑战:

OT(Operation Technology)和ICT(Informationand Communications Technology)跨界协作挑战 知识模型化仍是巨大挑战 数据信息难以有效流动与集成 产业链变长,增加了端到端协作集成挑战

我们需要通过AI、大数据、机器学习等技术,将传统的机理模型与数据计算模型相结合,让企业转向运营服务转型和协作型,从而带来整个产业链在生态架构上的变化。

图片 14

下面,我们来看看边缘计算的基本概念。简言之,它是一个开放分布式平台,能够解决实时性、数据优化和安全等一系列问题。

图片 15

从软件技术的发展历程来看,早年各大软件公司各自为政,都推出过自己的操作系统,后来则由能够跑在X86芯片上的Linux操作系统成为了主流。

近几年,由亚马逊推出的云计算服务封装了底层的操作系统和硬件,用户只需像使用水电煤那样去应用这些云服务便可。

而在工业上,其价值链的最上端是工艺,接着是核心装备,再往下是PLC,以及一些核心的工业软件,而我们常见的IT则处于基础的末端。因此整个价值链的核心是:系统集成商负责把软硬整体打包提供服务。

另外,对于某些通用的软件而言,其实它们并不可能去单独招标。例如:网络软件,一般是被绑定在整个项目中进行招标的。可见,工业上的整体商业模式是不太一样的。

作为类比,边缘计算和云计算的本质都集中在两个方面:

水平解耦,通用化所有组件。例如:我们可以把在边缘侧要用到的所有数据流程分解,做成一个通用工具。 新的商业模式,边缘计算和云计算都屏蔽掉了大部分底层的基础部件,以运营服务的方式来盈利。原来只需提供设备的厂商,如今要提供各种服务,包括:预测性维护、精益类服务等。因此这会是一个技术到商业模式的全栈方案。

图片 16

基于上述理论,我们提出了如图所示的模型驱动架构,旨在让物理世界和数字世界协作起来,达到在物理世界里建立各种认知。

如今,工业界很多厂商都强调自己是MBE,就是突出了它们的模型化和协作能力。

由于工业界存在着硬件和操作系统等多方面的异构现象,因此它们希望通过模型封装,将各种KnowHow进行软件化。正如云计算领域经常通过DevOps,来对从开发到部署的整个生命周期进行有效地支撑那样,边缘计算的运营能力也需要有一套工具链和服务,来实现业务编排。

当然我们在技术上应该采取的是一种演进性的,而非推倒重来的模式。各种适合于信息系统的服务器硬件配置和AI的云端模型,它们对于工业环境(如只有几百M的存储空间和内存大小),以及边缘计算的低功耗芯片来说,是无法迅速被移植过去的。我们需要有更多独特的创新机会。

华为如何在边缘计算领域持续发力?

图片 17

下面我们来看华为是如何在边缘计算领域持续发力的。如上图所示,这是一个边缘云的协同。在数字世界里,最上方是一个集中式的云服务,它包括公有云和私有云,一般被建立在某个IDC中。

在云服务的PaaS和IaaS之上,可以提供边缘通用的AI、大数据服务,以及上方的Enterprise Intelligence服务。

在边缘侧,我们配有嵌入式LiteOS、物联网关、服务器、以及第三方的节点。在此基础上,我们提供了一个基于K8的、优化了的边缘云。

由于在工业上的诸多场景中,资源都是极其有限的。因此,我们不能直接照搬K8,而需要做适当的优化。

再往上面就是一些诸如:流式数据分析和数据管理等基础服务。同时用户也可以把自己的应用和训练的模型,推送到微服务的架构之中。

另外,该架构除了能实现完全的分布式,还能提供一致性的服务接口。因此,该边缘侧既满足了即时的业务需求,又在云端满足了长周期的分布式架构。

图片 18

上图是华为EI大数据的网页。除了提供一些缺省的服务之外,我们还提供一些面向行业解决方案,包括:水务、制造、交通、金融和零售等相关解决方案。

图片 19

该架构具体包括:深度学习、预置模型、云端训练、边缘集成、边缘部署。同时,它也面向一些典型的应用场景提供各种工具链,以更好地支持应用开发。

图片 20

针对机器学习,我们的平台提供了一整套的工具链,来实现核心构建、建模、以及模型库的发布。

前面提到过,工业项目一般周期都特别长。我们当年做过的一个空气压缩机的降能耗项目,就持续了半年多。

其中涉及到了如下关键因素:

IT人员跨界到工业领域,需要很长的时间去熟悉各种环境。因此,工业项目往往需要外部和内部专家的合作,充分发挥IT人员擅长做数据,和OT人员提供支持的优势,并能持续交互与合作。 我们需要花大量的时间,对工业现场所产生的数据进行清洗和打标签。由于过程比较复杂,因此往往需要半年才能做出像样的模型和框架。当然,后期的迭代数据会比较快。可见,IT技术在工业领域不但需要有较长的沉淀周期,而且也顶多也只是一个赋能的工具。

图片 21

由于在许多场景中资源是有限的,因此我们需要在边缘侧有一个轻量化的架构。如上图所示,我们在边缘侧提供了EdgeCore,这一无服务器架构。

我们将网关等组件统一抽象为边缘计算节点,通过协议来形成本地的逻辑组,从而实现设备的统一、交互、协助、以及去中心化。

图片 22

在边缘侧,其实每个行业的场景都是不一样的。例如:水库机组的不同水泵之间,就需要有一些内在逻辑,以实现在云端连接出现故障时,不同主机仍可进行交互。

如上图,SmartMesh提供一个服务总线,我们通过抽象每个节点,并在此基础上去定义逻辑。而在其他场景下,我们只需修改上面的逻辑,并保持下方不变,便可很容易地实现适配。

图片 23

当然,在物联网边缘应用的场景开发中,我们碰到过许多问题。例如:华为在交付它所提供的网关时,从网络接口的配置,到场景的切换与测试,都不但耗时,而且可能发生各种特殊环境的问题。

图片 24

如今,我们实现了在云端提供一个集成式的开发环境,从而仿真出网关类的硬件,以及不同的设备库、各种OS库,甚至是网关的内存资源都能被仿真出来。如此,用户只需简单拖拽,便可构建、加载出一个运营环境。

图片 25

过去,我们往往需要人工巡检包括胸牌、警示牌的安全相关状况。如今有了机器学习、大数据、深度学习等方式,我们就可以构建出模型库与合规库。通过现场的照片采集和云端的数据分析,我们就能很方便地得到相应的安全报告了。

另外,过去人工检测芯片电路板,一般每块板需要大约5分钟。如今摄像头通过机器学习和机器识别的方式,大幅提高了准确度和效率。

图片 26

同理,我们基于机器学习,对空压机的各种多功率参数进行了控制与优化,使之能耗减少了2%—4%。

图片 27

在3C领域,通过取代人工识别,我们也能将人员的工作量降低48%。

图片 28

面向未来,我们需要把来自垂直方向的需求进行水平化,通过统一术语和架构,最终促进产业的协作与发展。

边缘计算参考架构2.0实践与思考

图片 29

上图是我们提出的边缘计算参考架构。最上面是智能服务,它处于云端和边缘层,其本质上是为开发和部署提供全流程的服务。

而它的最底端是一些边缘传感、边缘网关和边缘服务器等物理设备,它们负责将采集到的信息数字化。

可见,负责架构上方的IT人员和负责下方OT人员需要通过交互,来实现业务,并一层层地映射到具体的行业之中。因此,大家需要使用统一的语言模块化描述具体的需求。

与此同时,上面的数字世界跟下面的物理世界在交互时,需要有一个中间层,以负责定义各种业务规则,实现上下映射,并层层进行屏蔽。也就是说:对于业务层来说,它不必了解过多操作和物理层面的资源信息。

施耐德电气发力边缘计算,将深化行业数字化转型。施耐德电气发力边缘计算,将深化行业数字化转型。因此,我们把边缘侧整体抽象成了一个边缘云,然后通过接口跟上方进行交互,进而层层解耦,直至下方那些纯工业人员所关注的物理层。

过去因为考虑到切换的成本太高,大家都害怕被某个“阵营”所绑架,因此在合作时都很谨慎。

而如今,通过该框架,大家能够实现协作与融合。不同的用户能够通过生态的协作方式,能够打通每个层次,最终提供出覆盖数据全生命周期、全流程服务的解决方案。

图片 30

下面我们来看看架构中的几个关键点:

从概念视图来讲,我们将网关和系统通过数字化、网络化、智能化,定义成不同的逻辑节点,然后向下提供实时计算、轻量计算、智能网关和智能分布式等OS。

图片 31

从功能视图来讲,我们可以通过虚拟化,来实现软件定义的功能,而且还能细分为缺省功能、数据分析、实时数据以及行业定制化等方面。

图片 32

从功能视图来讲,我们基于该模型框架实现了开发接口的标准化和操作运行的自动化,从而让IT人员和OT人员能够建立协作关系。

图片 33

由于边缘云是一个分布式的调度系统,因此它能够通过业务策略来予以定义。

图片 34

对于整个应用而言,该框架提供了从开发层到部署层的支撑,并且通过业务编排来实现业务的快速部署。

图片 35

因此,我们所提供的框架,能够定义出数据处理的核心服务和整体调度。而用户只需在其中进行业务逻辑的实现便可,从而实现了平台与用户的分工合作。

图片 36

从部署视图来讲,既有分散式的,如摩拜单车,它们每辆车上都被嵌入一个小模块,其基站起到了网关的作用;又有集中式的,如在分布式电网里,有着大量的计算节点,并在边缘侧形成边缘云。

而且它们的流量模型也略有不同:分散式主要采取的是南北向的流量模型,所有数据直接与云进行交互。

而在集中式的场景下,由于本地侧装备希望有更多的自主化,因此大量的流量是东西向交互的,只有少量的流量经过长周期地清洗、聚合后再被上传。

最后我以“大处着眼,小处着手”作为本次演讲结束语。谢谢!

【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】

本文由betway必威官网手机版发布于互联网知识,转载请注明出处:施耐德电气发力边缘计算,将深化行业数字化转

关键词: