向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

让计算能力在边缘、雾和云之间流动起来

时间:2018-04-03 作者:邵乐峰 阅读:
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……

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。B2uEETC-电子工程专辑

让计算能力流动起来B2uEETC-电子工程专辑

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)。B2uEETC-电子工程专辑

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。B2uEETC-电子工程专辑

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。B2uEETC-电子工程专辑

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。B2uEETC-电子工程专辑

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。B2uEETC-电子工程专辑

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。B2uEETC-电子工程专辑

工业系统正在向电信系统学习B2uEETC-电子工程专辑

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。B2uEETC-电子工程专辑

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。B2uEETC-电子工程专辑

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。B2uEETC-电子工程专辑

“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。B2uEETC-电子工程专辑

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。B2uEETC-电子工程专辑

机器学习是物联网的关键B2uEETC-电子工程专辑

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。B2uEETC-电子工程专辑

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。B2uEETC-电子工程专辑

“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。B2uEETC-电子工程专辑

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B2uEETC-电子工程专辑

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”。
B2uEETC-电子工程专辑

B2uEETC-电子工程专辑

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
邵乐峰
ASPENCORE 中国区首席分析师。
您可能感兴趣的文章
  • 边缘AI大战一触即发 一场边缘AI大战正悄悄展开...每一家处理器供货商都将机器学习视为“金鸡母”,积极地调整自家公司策略,竞相为这个具有最大商机的领域——边缘AI提供加速特定工作负载的解决方案...
  • 人工智能和万物互联将出现指数级的增长 2019 ASPENCORE第二届“全球CEO峰会”于深圳大中华喜来登酒店正式举行,(更多精彩演讲内容可观看现场直播),ASPENCORE VP&总经理David Chivers为我们拉开本次大会的序幕。
  • 你的AI芯片有自己的DNN吗? 为了让AI加速器在最短延迟内达到最佳精准性,特别是在自动驾驶汽车(AV)中,TFLOP(万亿次浮点运算)已经成为许多所谓大脑芯片的关键指标。然而,有专家认为这种野蛮处理方式并不可持续。在EE Times的一次独家专访中,DeepScale的首席执行官Forrest Iandola给出了其不可持续的理由,是因为AI硬件设计师所持有的许多常见的假设已经过时。
  • 西门子与AI技术,为Mentor带来了什么? 在提到Mentor的时候,通常就不可避免地需要将其和Synopsys和Cadence这两个竞争对手放到一起,毕竟这三家公司是EDA市场的主要参与者。2016年Mentor开始并入西门子工业软件业务,虽然我们掌握的消息不多,但从Mentor近些年在Mentor Forum技术论坛上公开的一些数据和资料来看,Mentor在被西门子收购以后,其发展方向和业务路线都得到进一步扩展。
  • 理解了大脑的运作方式,AI才能实现真正的智能 现在的人工智能并不是真正的智能,因为它没有应对未知的能力。法国初创公司AnotherBrain首席执行官兼创始人Bruno Maisonnier在接受EE Times Europe采访时多次强调道,“真正的智能是一个能够实时分析和理解我们大脑运作方式的系统,它不需要大量的数据,它以一种非常节俭的方式运行”。
  • 机器也有偏见,AI算法仍须“留校察看” AI决策的公正与否,在很大程度上取决于人工智能训练算法所使用之测试数据集的准确性和完整性,而且取决于算法本身的准确性,以及如何做出“成功”的决定。训练算法的优化策略如果是为了实现整个群体的最大整体精度,实际上会放大偏见(bias)。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告