边缘计算技术

对于基于边缘计算的场景下的AI加速，笔者参考相关论文认为大致可以归结为四个方面云计算协作云端培训，边缘推理为了弥补边缘设备计算存储等能力的不足，在人工智能方法培训过程中，需要满足强大计算存储等方面的需求，提出了云计算和边缘计算协同服务体系结构下面的图表显示，研究者们建议把培训流程部署到云中，同时将经过培训的模型部署到边缘设备上很明显，这种服务模式可以在一定程度上弥补人工智能在边缘设备上的计算存储等功能的需求模式划分云边协同推理为在边缘设备上部署人工智能方法，下图提出切割训练模型，是一种边缘服务器与终端设备协同训练的方法该算法把运算量较大的计算任务由边缘服务器承担，而运算量小的计算任务保留在终端

一项研究预测，到2025年，至少有75的公司将会在传统的中央数据中心中使用边缘计算另一份研究预测，到2024年，全球边缘计算的开支将达到2500亿美元在技术层面上，边缘服务将占IT开支的216可见，边缘计算将成为数字化转型战略的一个重要组成部分物联网边缘计算技术可以通过在数据捕捉点或靠近边缘执行基本分析来减少向集中数据传输大量数据的需求所以边缘计算可以帮助克服延迟和网络拥塞云只是一个集中式系统，而边缘计算则是一个更分散的模式有时，它不需要云，而在其他情况下，它作为边缘设备与云之间的中间层，这样就能在边缘执行基本实时分析，而要在云上进行更复杂的分析，只需要通过网络传送相关的数据通过边缘计算进行分

本质上，边缘计算和云计算都是为了处理数据计算问题而诞生的，但两者的实现方式不同云计算是将数据集中在一起进行计算，计算是在终端计算那么云计算有什么优势呢云计算应该通过网络传输和响应所有数据，边缘计算可以及时响应边缘设备上的处理数据，并将处理后的有价值数据发送到云中如今，无人驾驶汽车有数百个传感器，每8小时产生40TB数据这些数据大多不重要，把这么大量的数据传输到云是不现实的边缘计算很好地解决了这个问题，首先是本地计算，然后将重要的计算结果上传到云端从这个例子中我们能看到什么无人驾驶要求系统具有实时反应能力可以想象，如果系统反应不及时，会在道路上造成什么后果因此，边缘计算的实时性和必要性体现在这里

边缘计算发展到今天，行业内有三种公认的技术架构，即MEC多访问边缘计算微云和雾化计算人们经常把这几个概念搞混，下面我们将详细的分析这几种边界计算与MEC相比，如果MEC更加强调边的概念，微云则更多的关注于移动的概念微云是开放边缘计算OpenEdgeComputing,OEC项目的研究结果，该项目最初由美国卡内基梅隆大学发起，之后得到了华为英特尔沃达丰等企业的支持它是一个将移动计算平台与云计算相结合的边缘计算体系架构，体现了移动终端微云-云三层结构的中间层，位于移动终端与云平台之间，是部署在网络边缘可移动的小型数据中心尽管微云本身就位于网络的边缘，从直觉来看更接近用户，但是微云主要是用来增强类似

边缘计算特别是超级CDN对传统CDN体系结构的调整，主要是用户侧资源的引入，超级CDN节点离用户较近，可以直接将服务节点和可用资源导入使用场景超级CDN的无延时P2P技术具有50倍行业速度的H265编码能力拥有完全自主开发的CDN系统，被誉为CDN领域的IOS具有丰富场景的SAAS解决方案边缘计算超级CDN已经拥有多项P2P专利技术，如一种实现P2P共享的视频点播方法和系统一种资源调度方法和系统等，在上下路链即节点计算能力方面已经有了一些建树，具有定制化能力针对全网络环境下的匹配调度问题，涉及到上百个节点调度技术在CDN行业，传统的运维工作非常繁重，会耗费大量人力，算下来，传统的运维和研发比例

在边缘计算场景中，服务器的部署从最初的集中管理变为分散的部署服务器操作通常都增加了难度同时，服务器之间的差异化也增加了管理不同类型服务器的难度边境服务器维护管理的需求包括1提供异构服务器的统一运行管理接口在边缘计算数据中心中，类型或架构大致相同或相似然而，在边缘计算中，为了满足异构计算的需要，在同一机房内可以设置不同结构的服务器X86ARM，这就要求有统一的运行管理接口，以获得不同架构服务器的实时运行状态2自动化操作部署区内部署有边缘计算功能的服务器，数量庞大，必然要采取高效的运行方式，实现自动安装统一分配业务，自安装自升级自升级，同时减少现场运行人员的数量显然，管理边缘服务器的方法和云服务器

边缘计算检测是一种识别图像发生明暗变化的区域的方法该方法可用于检测边界和曲面的拓扑变化许多有趣的视觉效果可以通过边缘计算检测来实现比方说，边缘计算检测能让三维场景渲染得就像是二维铅笔画第一步，正常地绘制一个场景，包含茶壶和圆环，然后用边缘检测技术对产生的纹理进行检测采用卷积过滤或卷积核也不要称为过滤核边缘检测技术卷积滤器是一种矩阵，定义了像素如何根据预定义的权重将其周围的像素求和左侧为3x3过滤器，右边为3x3像素的数据像素数据的值可以表示灰度或RGB色块过滤器用于右侧像素数据，其计算结果将取代中心像素29本例计算的结果是25272293133174采用卷积过滤，不仅需要访问原始像素数据，还需

随著边缘计算服务的日益普及，边缘计算的高速率低延迟特性，在个人娱乐应用之外，更重要的是帮助制造业在物联网时代使生产更加灵活和高效，同时也让许多企业未来能够通过边缘计算部署更全面更强大的IoT设备来强化信息处理技术近几年来，5G边缘操作解决方案，通过创新边缘操作服务集成多云环境来帮助企业客户利用5G的潜力，例如在机械手臂机器人手术车联网等关键应用中发挥价值，这些服务都需要巨大的运算能力，有了边缘运算服务的加持，数据处理无需再将工作负载发送到中心云计算，从而降低信息传输造成的延迟边缘计算操作EdgeComputing是一种网络操作架构，它将尽可能靠近数据源的操作过程，以减少网络延迟和带宽使用旨在减

边缘计算联合学习技术可以有效地帮助企业解决数据安全问题，市场前景广阔从市场规模来看，关于企业数据安全的研究报告显示，每年全世界的每一家企业都会因每年3680万元的数据安全问题数据泄露损失，尤其是医疗行业，在所有行业内，受数据攻击的次数和影响最大，平均每个企业的损失高达3680万元年比如，在医疗行业，由于不同医院对病人数据隐私安全的控制和保护，无法在医院间共享大量的样本数据来进行研究和分析一家医院的TERRACUDA和TERRACUDASnapScale联盟链，同时结合了应用边缘计算和联邦学习的技术能力和特点，为医院之间提供了一个安全数据互享平台，所有医院只需查看对方提供的最新输出模型即可，最新

由于工业自动化领域运营和信息技术的角色逐渐重叠，运营技术信息技术OTIT边缘计算融合解决方案变得越来越有必要在侧重于自动化的制造业和基础设施行业，越来越多地使用数据来推动分析洞察，并将传统的运营技术OT与信息技术IT边缘计算结合，创造出更多联合实施的需求为了响应这些需求，在工业平台上有了更多的应用，在硬件软件和网络方面的商业进步这种趋势是由希望获得与消费者一样灵活方便的现有技术和成熟终端用户驱动的但是，OTIT和边缘计算的融合之路还有些坎坷产业物联网IIoT依赖于OT和IT领域良好协调的产品和绩效要想让OTIT和边缘计算之间逐渐重叠的角色发挥最大效率，就必须整合OT和IT部门的优势本文的研究重