邊緣運算的重點,在於讓處理和儲存功能更加貼近資料產生之處。這個分散式運算機制可提供出色的基礎架構策略,以因應極度重視超低延遲性和即時回應的應用程式效能和使用者體驗。
縮短回應時間:相較於與中央伺服器來回傳輸資料,在企業端點即時擷取和處理資料,可安全地提升應用程式回應能力。
更出色的經濟效益:隨著資料產生量急遽成長,各方無不需要透過更快的連線和更高的網路容量進行更多運算,但此舉也導致整體成本水漲船高。只在需要時將資料傳送回中央伺服器,並於邊緣進行絕大多數的處理作業,將有助於提高效率。
自動化作業:雖然停機時間在所難免,只要讓工作負載更加貼近使用者 / 資料來源,藉此卸載中央運算和連線網路的負荷,就可望改善系統可用性。
凡是需要加快回應時間,或將可靠且有效率的網路頻寬視為一大挑戰的使用情境,都很適合使用邊緣運算。下方使用情境就是很好的例子:
零售:邊緣不僅可讓零售業者運用旗下作業的每個部分推進業務,還能做為後疫情時代的重建基礎。邊緣可用來新增符合現行環境需求的應用程式,同時打下良好根基,進而協助建置迎合未來需求的實踐方式。任何基礎只要建置得宜且安全無虞,就能讓後續各項作業坐收事半功倍之效,例如整合門市端點、人工智慧 / 機器學習和個人化技術、履約和配送,以及客戶情報等。
製造和倉儲:自動化作業可在客戶端使用機器學習推斷,以分析影像和影片,進而偵測估應鏈和生產線的品質問題,並著手採取行動,繼而協助工廠工程師快速解決問題,並減少成本高昂的停機時間或重工。
自駕車:蜂巢式車聯網可構建至關重要的平台,以提供道路安全所必備的自駕功能和即時 HD 地圖。若能透過低延遲方式,存取在邊緣執行資料處理和分析所必備的基礎架構,將有助於即時監控由汽車所提供的資料。
預防措施:邊緣運算有助於當場診斷和解析異常情況,進而加速採取行動。相關範例包括遠端鑽油和製造單位。
執法機關:在支援公共基礎架構和執法機關上,邊緣運算也可扮演重要角色。舉例來說,遠端地點若具有攝影機和本機分析功能,即可識別有人入侵 / 遊蕩等情況,且僅在發生這類事件時回傳警報。警車行車記錄器和隨身相機所拍攝的影片,會透過雙重 LTE 連結進行上傳;在進行前述動作時,軟體定義廣域網路可協助改善連線品質,並確保流量會傳送至中央存放庫,以進行後期處理、分析和儲存。
醫療照護:診斷和造影皆需耗費大量頻寬。以人工智慧 / 機器學習為基礎的影像分析和造影解決方案,可協助醫療照護專業人員加速診斷已觀察到的狀況。來自醫學裝置的影像或影片串流會於邊緣進行處理,而回應則會回傳至使用者裝置上。
隨著物聯網或智慧型裝置的應用範圍不斷擴大,處理相關資料的需求,也因而持續攀升。要提供一流的工作環境,就不應將資訊和基礎架構侷限於企業所定義的少數據點。上述去中心化模式致力於採取去中心化的處理和儲存機制,畢竟,往來中央系統的大量傳輸流量不僅缺乏效率,成本也十分高昂。雖然產生資料的單一裝置可透過網路輕鬆傳輸資料,當同一時間傳輸資料的裝置數量一多,勢必會產生諸多問題。
邊緣運算的另一個重要層面,在於可推動 5G 連線:5G 會以低頻運作,因此,資料需要經歷相對較多的躍點,才能從使用者端傳送至應用程式端。有了邊緣運算,即可在邊緣進行絕大多數的運算作業,並視需要將其餘部分傳送至核心。
邊緣運算可將處理能力推送至邊緣,繼而減輕雲端或集中化運算的壓力。邊緣運算拓撲會將運算和儲存資源配置在靠近使用者或資料來源處,藉此透過近乎即時的速度處理、篩選和分析資料,並將結果回傳給使用者。
邊緣堆疊具有合理的運算、儲存和分析能力,會建置於靠近資料來源或使用者端點處。這個分散在網路內的邊緣堆疊群組可在本機分析資料,並將需要進一步分析或儲存的內容傳送至雲端或中央位置,藉此縮短周轉時間。
VMware Edge Compute Stack
位於邊緣的網路架構,正逐漸成為各方關注的情報來源。
在近邊緣與遠邊緣建置、執行、管理、連接和保護邊緣原生應用程式,同時運用邊緣運算的強大威力,在不同雲端上採用一致的基礎架構和作業。