大多数企业机构都把物联网看作是由多个阶段构成的整体,大致的思路都是先把设备连接起来,然后使它们智能化,最后使它们自主化。但在风河(Wind River)公司总裁Jim Douglas看来,目前的现状是这些组成部分都还不那么成熟,甚至还有些技术尚未找到适当的方式,使其能够有效地支持物联网的智能化和自主化需求。例如,计算资源的布局方法就是一个值得讨论的话题。

让计算能力流动起来

计算能力在过去的四十年中一直在集中式和分布式之间摇摆。云计算是一种集中式的方法,最新的边缘计算是提倡把更多的计算能力部署到网络边缘,形成分布式计算模式。但Jim Douglas在接受本刊采访时表示,为了充分发挥物联网的应有潜力,业界真正需要实现的是流动计算(Fluid Computing)。

换句话说,他的理念是:物联网各系统间需要能够以流动为基础来获取和使用计算资源。这样,无论企业处于物联网的哪个层级,边缘、雾或是云,都能够通过创建一个拓扑结构,以流动的方式使用任何层次的计算资源,以实现工作负载的最佳均衡,并确保可以按照需要将工作负载部署到最佳的计算资源之上。

这听起来是一项新颖但却极为复杂的工程,但它背后的思路其实在云端已经得到了体现,比如企业级的虚拟化能力推动了弹性计算,于是企业可以让应用软件运行在任何可利用的计算资源之上,而不论这些资源位于何处。

然而,对于智能体育场、增强现实、工业物联网、互联汽车和高清视频这些创新的技术应用来说,传统的IT基础架构可能并不适合它们。它们需要的是新型的流动计算架构和新型的边缘计算平台,从而实现超低延迟的性能、贯穿边缘与云端的综合性安全机制、电信运营商级的正常运行时间,并且支持最小规模的资源配置。这与运行在云端数据中心的企业级核心基础架构存在显著差异,同时还需要在分布式的云计算平台与边缘计算资源之间建立经济有效的联合体系(Federated Systems),并确保其云无关(Cloud-Agnostic)抽象。

在今年的世界移动通信大会(2018 MWC)上,VMware与风河公司联合展示采用ONAP联合计算体系,实现了跨越多种云平台的多租户业务,为实现“让计算能力在边缘、雾和云之间流动起来”的理念做出了有益的尝试。

这是双方在ONAP Multi-VIM/Cloud Project之下展开合作的成果,目标是推动ONAP的设计以及云无关基础架构环境的部署,包括OpenStack及其不同版本、共有和私有云、微服务容器等实例。在这项演示系统中,Wind River Titanium Cloud处于边缘部位,而VMware vCloud NFV OpenStack Edition处于核心部位,应用情景则是虚拟CPE和虚拟IMS。在这两种情境中,边缘部件都运行在Wind River Titanium Cloud之上,而核心部件运行在VMware VIO. ONAP编排器之上,在边缘和核心云之间实现了数据流动的自动化,控制着整体的服务交付和生命周期管理。

工业系统正在向电信系统学习

Jim Douglas将过去50年里传统工业自动化系统的服务方式概括为—“插上插头之后只能祷告(Plug and Pray)”。也就是说,每当人们在系统中添加一件新的设备,就只能向上帝祷告祈求它正常工作,不要出现任何问题。因为一旦发生问题,维修和更换的成本是不可估量的。例如,安装在核反应堆之中的发电机组就属于这种情况。

因此,如果工业企业不了解如何运用新技术来加快应变速度、降低运营成本,就有可能在竞争中处于劣势。有些工业企业已经感受到了压力,开始尝试了解并评估在云计算和电信数据中心已经发生的拓扑结构变迁,以便确定哪些新技术可以应用在自己所在的领域。但这些方法在工业市场传统供应商的商业模式之下又有可能让人感到迷惑,作为技术服务提供商,风河正在帮助客户迅速解决来自以下三方面的技术挑战:1)把不同的设备连接起来;2)使其智能化;3)使这些设备能够自主地学习和采取行动。

当然,计算资源只是物联网道路向前推进的一个方面,另一个显而易见的方面是数据。都说数据等同于新时代的石油,虽然人们已经在捕捉和利用数据方面取得了一些进展,但还没有真正体验到物联网所承诺的诱人成果。

“我最近阅读了大量的资料都是有关工业革命的到来,其中历史上最大的突破是利用蒸汽来推动工厂里的传送带和齿轮。不久之后,大型直流电机取代了蒸汽机。然而,电力并没有从根本上改变制造业,它只是提供了一种更有效的动力来驱动传送带和齿轮。”Jim Douglas认为,真正的转变直到大量小型电动机的分布式应用出现之后才得以发生,这表明人类真正开始理解和改变传统的生产制造流程,从而在根本上改变了生产模式。

对数据的理解其实也可以遵循这一思路。数据不是新现象,它一直都存在,关键是要找到访问、存储和分析的更有效方法。如果不能在物联网的边缘部署计算资源,就代表我们没有做任何新的完全不同的事情,正如人们部署了大型电动机但却未改变生产流程一样。

机器学习是物联网的关键

机器学习在20世纪40年代以及艾伦图灵之后就已经存在了。早期的方法是使用符号编程,依靠机器规则作为学习的基础。如今,算法的发展已经转向了模式识别,应用精细化的学习技术。尽管还处于新生阶段,但发展速度是惊人的,其影响将是具备转型意义的。

然而,支持机器学习必然会需要更大的计算资源。风河方面的看法是,当前遇到的主要挑战是将计算资源远远地推到产生数据的网络边缘,这样就可以让设备自身在更短的时间内做出在关键性的决策,而不会因为要将数据传送到云端而产生时间延误。而上文所提及的跨越异构网络(VMware VIO和Wind River Titanium Cloud)的联合体系,正是服务提供商所需要的高增值边缘服务,既可以用于拓展其现有网络,又可以用于增加新的网络。最终,企业会希望实现流动计算的模式,以便为在任何需要的地方和需要的时间为设备赋予智能。

“如果企业机构认为仅仅依靠他们原有领域的知识就可以阻止来自邻近市场的新竞争者,那么他们肯定就打错算盘了!”Jim Douglas说现在只要能够获得正确的数据集,同时拥有足够的计算资源,程序员即便只有有限领域专门知识,也可以开发出能够取得显著成果的算法。所以,企业机构必须认识到,必须加快自己发展机器学习技术应用的速度,否则他们将看到来自临近市场的新竞争对手,在他们的后视镜里迅速追赶上来。

本文为《电子工程专辑》原创,版权所有,转载请注明出处并附链接

EETC wechat barcode


关注最前沿的电子设计资讯,请关注“电子工程专辑微信公众号”。