缩小边缘的墙壁：对旧问题的新观点

 
本文是关于边缘计算主题的系列文章的一部分，该系列文章是在英特尔的资助下实现的。此保险完全独立，英特尔没有就如何报告或撰写本文提供任何意见。
任何曾经扩展过网络的人都能理解现在或未来的无数边缘部署问题，这些问题现在正在推动物联网(IoT)的发展。
为了说明，假设您有一台IP摄像机向边缘服务器发送4K视频流。是的，它使用了大量带宽，但是在两年前部署之前就已经计划好了。现在您的应用需要第二台相机。突然间，两台摄像机的带宽要求都高于边缘网络所能提供的带宽要求。你撞墙了。您的资源已经饱和，无法再满足性能要求。
并且不要认为这只是摄像头和监控流量。这是关于节点类型的爆炸，从恒温器和门铃到血液化学传感器和生物植入识别标签。它是为所有这些节点设计新的应用程序，并设计将不同的数据流融合到新的洞察源中的方法。人工智能应用程序的兴起将有助于放大这些见解，但代价是相应地增加了网络需求。
谈论“指数性物联网增长”实际上已成为一种陈词滥调，但很少有人会讨论当所有节点数据超载边缘基础设施资源时该怎么做。
在数据中心，这是一个历史悠久的问题，具有相当简单的解决方案：IT部门监控计算，基础架构和网络资源之间的服务器基础架构使用级别。一旦利用率超过阈值水平，IT就会在服务器机架上抛出更多硬件，一切都恢复正常。但边缘网络并不容易。
“数据中心IT已经在封闭，孤立的环境中处理并解决了这些问题，”Adlink的物联网技术和创新副总裁Toby McClean说。 “然而，在边缘，你有一个更加多样化，分散，异构的环境。在同构数据中心中，基本上任何工作负载都可以重定向到任何资源，对吧?在边缘，您拥有移动和固定边缘计算服务器，交换机，网关 – 所有这些都具有不同的功能和资源。如何将工作负载转移到免费资源?这不是直截了当的，因为不是每个工作负载都可以进入每个节点。“
此外，扩展边缘资源不仅仅是在问题上投入更多金属。关于软件而不是硬件资源也是如此。当应用程序单独运行时，测量软件需求很容易，但越来越多，边缘系统的运行方式并不多。应用程序可以相互协作，包括跨越不同的地理位置，甚至同一应用程序的两次迭代可能安装完全不同的模块。那么如何确定资源需求呢?
有时候答案不那么重要，因为边缘解决方案是将时间和预算发送到云和/或数据中心的时间和预算。实质上，负担可以在网络核心吸收。
然而，这越来越成为一个实时世界。 IDC预测，“由于将数据注入我们的业务工作流程和个人生活流……到2025年，全球数据球的近30%将实时实现。”在此类使用案例中，没有时间将数据发送到处理的边缘。考虑两秒输入到动作延迟对于自动驾驶意味着什么。不，在这30%的情景中，如果不是更多的话，边缘资源本身就会存在，这就增加了对扩展需求的压力。
毫不奇怪，没有用于边缘缩放的千篇一律的解决方案。制造车间边缘网络的需求与战术全地形车辆后部离网运行的军队排队有很大不同。
在前一种情况下，扩展策略可能会回应数据中心中发现的那些。 “如果我从最终点到计算机，无论它是什么，都需要以某种方式连接到网络，”工业互联网联盟的首席技术官Stephen Mellor说，该联盟致力于促进工业的发展和最佳实践物联网。 “一旦它连接到网络，您可以通过继续添加边缘节点进行扩展。”
但是，他指出，如果你没有连接，例如在远程油田或遥远的军事部署，那么它就变成了从端点到网络的带宽。 “如果这意味着你已经达到4G甚至卫星，那么你可能需要适应连接中断并在设备附近做出更多决策。您需要足够的计算能力来处理应用程序可以合理预期的最高负载。“
Mellor指出，确保边缘有足够计算能力的一种方法是将负载从物联网端点分配到云端，而不是专注于将计算单独放在数据中心。他建议人们使用数据引力来确保数据和数据的计算在尽可能最便宜的地方，即使这样做可能需要一些复杂的编排。
Adlink的McClean提供了相同的建议，强调应从一开始就设计可扩展的边缘基础架构，以便工作负载可以轻松地以优化资源使用的方式移动。 Adlink生产一系列物联网设备和服务器，平台范围从低端英特尔凌动处理器盒到双至强刀片系统。 McClean指出，很多人都在考虑这样的产品线，为其边缘网络考虑金字塔层次结构，在顶层计算输入中有一些非常强大的系统来自较小的服务器和中间的网关以及底部的大量低功率节点。但是，他提醒说，实际上这种金字塔方法会导致特别困难的负载重新平衡。相反，麦克莱恩表示，Adlink主张更多的点对点，网状风格的基础设施。
“在这些物联网系统中，数据流的很多方式是通过基于代理的系统，这些系统往往非常适合层次结构。您有一组收集数据的东西，然后泵入集中器或网关，然后过滤和聚合并将其发送到下一级别，然后就可以了。通过点对点，没有经纪人坐在中间。系统只是直接相互对话。您部署的中间件确定这是复杂还是易于管理，“McClean说。
Forrester的物联网和企业移动性首席分析师Michele Pelino表示，组织可能会通过心态转变而不是硬件升级来解决他们的边缘扩展问题。她指出了从边缘发送数据以及将数据存储在数据中心的高成本。
“我们越来越需要在传感器层面做出正确的决策，”佩利诺说。 “无论是风电场涡轮机还是从A点移动到B点的海军舰艇，终点必须确定哪些信息足以发送到数据中心，然后才发送。一些AI处理必须在传感器级别进行，就在那个设备上。“
Pelino指出，亚马逊的AWS Greengrass和微软的Azure IoT Edge是主要云提供商如何在边缘节点中实现AI功能的早期示例，即使在没有互联网连接的情况下也是如此。基于边缘的物联网设备工作负载处理可以更快地响应不断变化的现场条件，至少可以短期独立于连接服务，并降低总数据成本。取决于边缘设备，可能存在额外的能量问题，因为即使最基本的AI携带将消耗额外功率的计算负载。因此，组织需要评估边缘独立的成本是否被其他地方的节省所抵消。
但是，在最基本的层面上，即使是一点智能也能让传感器能够判断自上次测量以来是否存在状态变化(超出阈值设置)。如果没有，那么就没有理由承担发送新数据集的费用。放大数百到数千个物联网设备，不发送不需要的数据的成本效益可能很大。
上图：Marie Kondo引发了欢乐，这里有衬衫而非边缘数据。图像源：Getty Images。
虽然这可能听起来很轻浮，但它标志着一种思维模式的转变，传统的数据方法，囤积者似乎赢了。流一切。存储一切。你永远都不知道那些东西什么时候会派上用场……总有一天。
然而，在边缘，这样的方法可能无法扩展。
佩利诺说：“我们本身没有达到饱和度[边缘]。” “但我认为我们会认识到这一点。它来了。我们正朝着这个相互联系的世界发展，尤其是当5G提供更多显示和分析视频的能力时。这些网络的数据量将呈指数级增长。“
简而言之，如果在即将到来的数据泛滥中撞到墙壁时如何缩放边缘性能，就没有一个简单的答案 – 除非就是这样：挑战旧的假设和方法。即使在改造中，分层基础设施也可能不是最佳拓扑。收集和保存尽可能多的数据可能会适得其反。这是一个新时代，没有神圣的诫命来操作可扩展的边缘网络。继续质问。