总第13期
2018年5月刊
Focus    焦点
Focus    焦点
从智能视频分析的视角解读边缘计算
文/孙福生
分享

为什么需要边缘计算

据IDC统计,到2020年将有超过500亿台终端和设备联网,海量数据的分析与存储对网络带宽提出了巨大的挑战,传统的系统已不能有效地传输、存储和使用这些数据,而边缘计算的诞生就是为了解决这一问题。

边缘计算提高了业务的实时性:通过边缘计算在智慧城市场景处理时延低于1秒,工业场景处理时延低于10ms,如果在传统数据中心或云端实现去对智慧城市和工业场景的数据进行分析和控制逻辑,很难达到这样的时延效果,难以满足业务的实时性要求。边缘计算解决了海量数据传输对网络带宽的挑战:面对海量物联设备无时无刻产生的数据,将数据传输到传统数据中心或云端实现数据分析和控制,显然是不现实的。而边缘计算提高了应用智能性:随着业务流程优化、运维自动化与业务创新驱动走向应用智能,网络边缘侧智能能够带来明显的成本优势和效率提升。

那么,什么是边缘计算?边缘计算是在靠近数据源头或物联设备的网络边缘侧,融合网络(SDN、低延迟)、异构计算资源池(边缘云、计算服务器、ICT融合网关)、分布式存储、行业智能应用就近提供边缘智能服务等核心能力的开放计算平台。

边缘计算相关应用的主要特点

智能视频分析是边缘计算价值的完美示范,因为就近处理摄像头视频避免将大量数据传输到数据中心或云摄像头,可降低带宽成本,大大加快响应速度,也降低了视频受损或窃听的可能性。下面还是从智能视频分析的技术架构来浅析边缘计算需要哪些能力和具有哪些特性。

智能视频分析架构图

从智能视频分析架构图不难看出,在智能视频分析时有以下几个步骤:

第一步,在数据中心或云端进行算法的模型训练(图1—1模型训练),这是一项极其重要的计算任务,需要访问大量的样本或历史视频数据进行学习。通常需要利用强劲的计算系统来完成此任务。

第二步,需要将经过训练的模型下沉到边缘分析系统(图1—2模型下发到边缘)。

第三步,对边缘侧摄像机等设备采集来的数据利用该模型运行实时视频数据分析、处理(图1—3视频分析,实时反馈)。

第四步,选择上传需要的视频片段或提取到的属性(例如,面部、服装、车辆类型、牌照等)。如果紧急、迫在眉睫的事件也可以采取即时的控制动作,例如关闭设备、将交通信号灯换成红色、或触发报警(图1—4控制,如需要)

第五步,可以选择根据分析结果将重要事件通过监控中心大屏、手机微信等方式通知管理员(图1—5重要事件通知管理员)。

第六步,边缘视频处理展示出色的反应速度,选择性上传视频或属性降低带宽需求和数据风险。用户无需通过查看数百个、甚至成千上万的视频源来发现潜在的问题,从而提高他们识别和反应能力。另外,由于大部分有价值的信息已经从摄像头源预先提取出来,需要在后端(通常只是事件前后)存档(图1—6后处理、归档)的视频数据减少,从而大大降低了对数据中心大型存储阵列的需求。

通过以上对智能视频分析场景中的边缘计算应用的描述可以了解到:数据中心、云和边缘计算侧会有着非常多的协作、互动,在智能视频分析时是下发算法引擎,在其他边缘计算领域有可能就是边缘云的混合纳管、智能应用下发、升级、结算节点的统一部署、管理、运维等。

数据中心或云更适用于非实时、长周期数据、业务决策场景,而边缘计算在实时性、短周期数据、本地决策等场景有不可替代的作用。将云的功能提供到边缘计算节点,借此搭建混合云架构,用户可以使用自己的业务逻辑创建自定义边缘计算智能应用,在边缘计算节点本地完成数据处理任务,并且依然享受大规模云平台的智能引擎分发,边缘计算节点的配置、部署和管理功能。

边缘计算需要具备哪些能力或者特性

边缘计算的应用主要涉及数据中心、小型机房到运营商边缘微机房、到零售商店、学校建筑、政府机构和工业场所的物联网。尽管它们的规模和复杂性各不相同,但它们有一些共同的特点:它们本质上是远离原始数据中心和支持它的团队的。由此来看边缘计算应具有以下核心特性:

智能边缘计算:打造云+边缘云+重点场景的边缘计算方案,实现IT、CT全生命周期管理,包括智能数据聚合与分析、智能控制边缘计算节点和设备、APP、智能引擎的管理与下发等。同时,从云计算的功能来看,还需要海量边缘计算节点的配置下发、管理和运维,并从边缘侧提取数据返回给云端,从而打造云端和边缘计算端的协同能力。可以说,边缘计算与云是行业数字化转型的两大重要支撑,两者在网络、业务、应用、智能等方面的协同将有助于支撑行业数字化转型更广泛的场景,创造更大的价值。

可扩展性、弹性:边缘计算的分布式特性意味着随着延迟的降低,它还需要提高弹性,减少网络负载,并且更容易扩展,同时需支持严酷的边缘环境,具有紧凑、节能、坚固等特点,抗冲击、震动、低温、酷暑,还可以采用灵活的安装模式。

边缘业务实时性:针对边缘计算对时延的挑战,不同的行业场景边缘计算在边缘侧需要提供边缘云、重计算服务器(GPU计算服务器)、轻计算ICT融合网关等异构的计算能力,结合行业智能应用在边缘实时推理提供即时响应和控制。

边缘应用智能化:在边缘侧引入行业智能应用,实现智能数据分析与业务控制处理能力,智能化地执行本地业务逻辑,大幅提升效率。业务流程优化、运维自动化与业务创新驱动走向应用智能,边缘侧智能能够带来更大的成本优势和效率。

安全与隐私保护:安全跨越数据中心、云和边缘计算之间的纵深,需要实施端到端防护。网络边缘侧由于更贴近万物互联的设备,访问控制与威胁防护的广度和难度因而大幅提升。边缘侧安全主要包含设备安全、网络安全、数据安全与应用安全。此外,关键数据的完整性、保密性,大量生产或人身隐私数据的保护也是安全领域需要重点关注的内容。

总体而言,对于大多数IT部门来说,能够为中心位置的数据中心提供技术实时支持都充满挑战,更不要说对那些边缘站点提供技术支持。边缘计算只有具备了以上特性才有可能帮助使用者以最小的压力获得对网络边缘部署的控制,从而实现当今边缘分布式IT站点的容量、部署速度和可靠性要求,同时保持业务运行智能、可靠而高效,才有可能帮助使用者在数据大潮涌动的今天,通过边缘计算获得数据洞察和商业价值。

结束语

未来,我们的生活方式和工作模式都将因边缘计算彻底改变:红绿灯可以按照实时路况自动调整,出租车可能不再需要驾驶员,健康监测可能也不必非要去找医生……各行各业都将因为边缘计算为物联网注入的“催化剂”而获得加速。今天,边缘计算正成为行业数字化转型的重要抓手,它正与云计算协同互动,改变各行各业的信息化未来。

因此,边缘计算并不“边缘”,万物互联的智慧时代或将加速到来。

分享到
关闭